OpenAI ha presentado la versión preliminar de Operator, un agente que combina las capacidades del modelo GPT-4o con un razonamiento avanzado a través del aprendizaje y puede interactuar con interfaces gráficas de usuario (GUI, por sus siglas en inglés) para navegar por internet de forma autónoma, como si se tratara de un humano.
Esta herramienta funciona con un nuevo modelo denominado Computer-Using Agent (CUA) y se basa "en años de investigación fundamental en la intersección entre la comprensión y el razonamiento multimodal", según ha explicado la desarrolladora en un comunicado.
Al combinar la percepción avanzada de la interfaz gráfica de usuario con la resolución de problemas, este CUA es capaz de dividir las tareas para ejecutarlas en varios pasos, adaptarse de forma dinámica cuando surgen cambios inesperados y autocorregirse si ejecuta alguna acción de forma incorrecta.
Más concretamente, el modelo, que combina GPT-4o con un razonamiento avanzado, procesa datos de los píxeles de la pantalla para comprender lo que sucede en ella y utiliza un ratón y un teclado virtual para completar las acciones de forma autónoma, con acciones como hacer clic, desplazarse o escribir.
De este modo, puede actuar con capacidades humanas en una amplia gama de entornos digitales, interactuar con botones, menús y campos de texto (GUI), realizar tareas como complementar formularios y navegar por sitios web sin necesidad de interfaces de programación de aplicaciones (API) especializadas.
No obstante, la compañía tecnológica ha señalado que aunque este modelo maneja la mayoría de los pasos de forma automática, busca la confirmación del usuario para acciones snesibles. Por ejemplo, ingresar datos de inicio de sesión, responder formularios CAPTCHA o ejecutar una transacción bancaria.
Debido a estas capacidades, OpenAI ha señalado que su nuevo trabajo "marca el siguiente paso en el desarrollo de la IA, debido a que permite que los modelos utilicen las mismas herramientas de las que dependen los humanos a diario y abre la puerta a una amplia gama de nuevas aplicaciones".
CUA aún se encuentra en una etapa temprana de desarrollo y tiene algunas limitaciones. Asimismo, está avalado por WebArena y WebVoyager, logrando una tasa de éxito del 58,1 por ciento en la primera y un 87 por ciento en la segunda.
Por otra parte, OpenAI ha señalado que OSWorld, un punto de referencia que evalúa la capacidad de los modelos para controlar sistemas operativos completos, como Ubuntu, Windows y macOS, le ha otorgado una tasa de éxito del 38,1 por ciento. No obstante, la compañía ha observado un escalamiento en tiempo de prueba. lo que quiere decir que el rendimiento de modelo mejora cuando debe ejecutar más pasos o acciones.
La firma también ha subrayado que CUA se ha desarrollado con la seguridad como máxima prioridad para abordar los desafíos que plantea el acceso de un agente al mundo real. De esta manera, está entrenado para rechazar tareas dañinas y actividades ilegales o irregulares.
Tampoco puede acceder a sitios web que la propia OpenAI ha bloqueado de forma preventiva, como webs de contenidos para adultos o juegos de azar, y es capaz de identificar actividades fraudulentas. De ese modo, monitoriza la actividad y pausa la ejecución de una acción si detecta contenido sospechoso en el panel.
Por el momento, este agente se está implementando a través de una vista previa de investigación a través de operator.chatgpt.com y ya tienen acceso a él los suscriptores del nivel Pro en Estados Unidos. Próximamente, planea llevarlo a usuarios de Plus, Team y Enterprise, así como integrar sus capacidades en ChatGPT.
Últimas Noticias
Bruselas insta a los países de la UE a iniciar el llenado de reservas de gas de cara al próximo invierno
Ante la inestabilidad por el conflicto en Oriente Próximo y precios crecientes, la Comisión Europea urge a actuar juntos para garantizar suficiente almacenamiento de gas, proteger a consumidores y empresas y asegurar un suministro estable durante la próxima temporada fría
Arranca un quinto curso escolar sin alumnas en las escuelas por la prohibición impuesta por los talibán
Egipto condena los ataques de Israel contra Líbano y alerta de "consecuencias" ante una invasión terrestre
El gobierno egipcio expresó su rechazo a las recientes acciones armadas sobre territorio libanés, remarcó violaciones a la soberanía local e instó a la ONU a intervenir para impedir una escalada que agrave la crisis humanitaria en la región
El Museo del Prado llevará su programa 'El Prado en femenino' a instituciones culturales de fuera de Madrid
Especialistas acercan por primera vez colecciones de arte y figuras históricas femeninas a distintas ciudades españolas, mediante una serie de encuentros académicos y exposiciones que resaltan el impacto de mujeres en la historia y expansión patrimonial de la principal pinacoteca nacional
La banca española, tercera más expuesta de la UE a Oriente Próximo, según la EBA
Las entidades francesas representan el mayor riesgo de la UE frente a Oriente Próximo con casi la mitad de la exposición total, seguidas por bancos alemanes y españoles, mientras la EBA alerta sobre posibles impactos en la economía mundial
