OpenAI首席执行官萨姆·奥特曼。Sebastian Gollnow/图片联盟，通过Getty Images OpenAI的员工表示，他们接近实现该人工智能实验室最长期望之一。自2015年公司成立以来，领导层一直希望有一天能够构建能够像人类一样灵活使用计算机——尤其是网络浏览器——的人工智能代理。一个巨大的挑战是收集和创建数据来训练这些代理。OpenAI现在对这项技术充满信心，开始向客户推出计算机使用工具。今年，公司推出了一个Chrome扩展程序，让ChatGPT接管浏览器，创建了用于ChatGPT与公共网站互动的云和应用内浏览器，并将计算机使用添加到其Codex编码工具中。现在，同样的底层技术也使用户能够让ChatGPT在其他应用程序上完成任务。OpenAI总统Greg Brockman在X上写道，四月的一次更新使他公司的技术“不仅仅是为了编码人员，而是为了任何进行计算机工作的人”。在接受Business Insider采访时，负责OpenAI工具的员工表示，尽管仍有改进的空间，但这些工具正处于转折点。竞争对手Anthropic也在奋力改善其版本的计算机使用，并在2024年率先进入市场。截至五月，至少有60万家组织尝试了Anthropic的Claude Cowork功能，该功能使用了该工具。现在，OpenAI表示其技术的能力已经赶上，并正在为其畅销的ChatGPT填充自动化计算机任务的方式，押注用户会将越来越多的工作交给它。“一旦ChatGPT能够比你或我更快地使用计算机和软件，它将改变你希望以何种方式与计算机互动，”OpenAI计算机使用团队的经理Ari Weinstein告诉Business Insider。OpenAI是如何训练和构建计算机使用功能的 OpenAI最新模型的每个训练阶段都包括提升其计算机使用能力的数据或过程。哥伦比亚大学的人工智能研究人员周宇告诉Business Insider，这种额外训练构建在标准人工智能模型的能力之上，并教会它如何处理更多任务。在最早的阶段，OpenAI通过大量数据构建模型的基础，周宇表示，公司可能包括逐帧的屏幕截图，以“前置”对计算机使用有帮助的信息。然后，在后期步骤中，开发人员可以向模型提供显示理想输入的数据，这些输入产生给定输出——在这种情况下，导致该结果的计算机功能，例如填写税务表或三维建模一个对象。这些数据可以来自人类培训师：OpenAI在宣布2025年版本的计算机使用时表示，它使用了数据集，其中人们演示了如何完成任务。（OpenAI拒绝提供有关其最新训练数据的具体信息。）周宇表示，这种类型的数据成本高昂，因为难以获得和清理。OpenAI还可能通过命令模型尝试完成虚拟任务并奖励成功行为来提高模型的计算机使用技能——这称为强化学习，模型“可以学会做更多获得奖励的动作，”周宇说。OpenAI改进了其模型与计算机交互和处理数据的方式，韦因斯坦表示。之前，ChatGPT会截取用户计算机的屏幕，分析像素，注入命令，然后重复。现在，当工具打开一个网站时，它可以迅速读取页面的内部结构——其内存结构、可访问性信息和链接关系。该工具仍然会截屏；用户在设置计算机使用时会被要求让ChatGPT记录他们的屏幕，以便它能够快速分析屏幕上的内容。韦因斯坦表示，工具的混合本质有助于为OpenAI的Codex提供一种测试其构建的代码、查找错误并进行改进的方式，这是捷克共和国的业余编程爱好者Cristian Medina Ruiz的使用案例。他向Business Insider展示了他尝试使用Codex从其原始源代码重建2013年城市建筑游戏《模拟城市》。计算机使用工具打开了他计算机上的一个窗口，以验证该游戏是否正确模拟了汽车移动和建筑图像。鲁伊斯表示，计算机使用使他全心投入ChatGPT，现在他在离开计算机时让代码继续运行和迭代。“即使我不在，它也能做到这些事情，”他说。OpenAI希望您使用ChatGPT与开放互联网互动。韦因斯坦和在OpenAI从事浏览器功能的James Sun告诉Business Insider，这项技术的部分承诺是将ChatGPT的代理连接到互联网和各种“长尾”网站的不同部分。大多数在线工具仅为人手构建——预约调度网站、公司的内部库存仪表板、社交媒体平台。韦因斯坦和Sun表示，他们看到计算机使用的用户实现数据录入的自动化。