Резюме
- Агентный ИИ в браузерах может автоматизировать такие задачи, как покупка билетов на мероприятия, бронирование отелей и заполнение форм.
- Удаленный оператор ChatGPT работает на сервере, тогда как версия Opera работает непосредственно в вашем браузере.
- Несмотря на некоторые шероховатости, усовершенствованный Operator потенциально может стать инструментом для ежедневного использования для различных задач по просмотру.
Те, кто меня знает, знают, что я скептически отношусь ко многим вещам, которые сопровождаются словом «ИИ». Многое из этого — просто уловки, и некоторые компании определенно используют ИИ как простой способ получить баллы инвесторов.
Агентный ИИ движется по тому же пути, но его наиболее реалистичное применение на данный момент может оказаться тем, чего вы не заметили, — браузерами.
Как работает агентный ИИ в браузерах
Недавно меня пригласили на мероприятие Opera Browser Days в Лиссабоне, Португалия. Там я, среди прочего, увидел живую демонстрацию новой функции Operator компании. Это, в некотором роде, расширение встроенного в браузер чат-бота Aria, и принцип его работы заключается в том, что он может выполнять действия в браузере и на веб-сайтах из ваших текстовых подсказок.
Вы можете попросить его купить что-то для вас на веб-сайте, найти и забронировать отель или квартиру на Airbnb, заполнить форму, купить билеты на самолет… Все, что «утомительно» в вашем повседневном использовании веб-страниц, вы должны иметь возможность передать Оператору, когда это актуально.
Все, что вам нужно сделать, это сказать ему, что именно вам нужно, и предоставить ему как можно больше подробностей. Например, если вы хотите купить билеты на мероприятие, вы должны точно указать Оператору, на какой веб-сайт зайти, где вы хотите сидеть и сколько вы готовы потратить.
Подобно тому, как вы не должны дремать во время вождения беспилотного автомобиля, вы должны быть начеку и быть готовыми взять управление в любой момент, пока Оператор что-то делает. Если он доходит до экрана оформления заказа и не может пройти, потому что у него отсутствуют данные вашей кредитной карты, вы должны просто подождать, пока он сдастся, и ввести их самостоятельно, а не просто дать ИИ номер вашей кредитной карты, по понятным причинам. Тем не менее, это довольно мило.
Во время живой демонстрации, показанной How-To Geek, команда Opera заставила Оператора зайти на сайт доставки цветов, выбрать желтые цветы, купить их и доставить в гостиничный номер одного из присутствовавших журналистов. Цветы были доставлены на следующий день, как если бы их купил человек.
По данным компании, Operator глубоко проникает в базовую структуру веб-сайта и разбирает ее изнутри, а не просто смотрит на макет интерфейса и кнопки и пытается угадать, что они делают. Он «считывает» структуру страницы, чтобы выяснить, как выполнять такие действия, как нажатие, ввод текста и навигация.
Теперь, заметьте, у этого оператора все еще есть много шероховатостей, которые нужно отполировать, и, вероятно, поэтому Opera пока не называет конкретных сроков выпуска. Сама демоверсия несколько раз натыкалась на препятствия, из-за которых она либо не делала что-то очень хорошо, либо терпела неудачу в выполнении определенной задачи. Это своего рода более серьезная проблема с агентским ИИ в целом прямо сейчас — подробнее об этом позже. Но когда это действительно будет что-то, что будет готово к прайм-тайму, я чувствую, что браузер станет хорошей остановкой для этой технологии.
Сравнение с другими агентными ИИ
Насколько бы это ни было круто, самые внимательные из вас, вероятно, знают, что это не совсем «новое». Другое почти идентичное применение агентного ИИ — это одноименный Operator от ChatGPT, в настоящее время доступный только на уровне чат-бота за 200 долларов в месяц.
Как и реализация Opera, ChatGPT может просматривать веб-страницы и выполнять действия в сети для вас. Но есть ключевое отличие, а именно тот факт, что ChatGPT работает на удаленном сервере, в то время как Opera работает прямо в вашем браузере, с теми же файлами cookie и данными о просмотре, которые у вас уже есть, — и компания утверждает, что эти данные никогда не покидают ваш браузер, пока вы его используете.
Следует отметить, что реализация ChatGPT также имеет тенденцию к многому. Лучший способ заставить этих агентов работать хорошо — это, вероятно, обучить их на определенных веб-сайтах, поэтому пилотные программы, такие как функция Buy For Me от Amazon или Actions от Microsoft Copilot, работают только с несколькими веб-сайтами в данный момент. Я предполагаю, что конечная цель — привести все в тот же режим «catch-all», который ChatGPT и Opera используют в настоящее время, но если вы разрешите полную функциональность с самого начала, будет гораздо проще наделать в нем дыр.
Агентный ИИ — тоже довольно широкий термин. Агентный ИИ — это просто ИИ, который может автономно принимать решения и выполнять задачи без обязательного вмешательства пользователя. Установив это, мы также имеем бесконечное количество различных приложений агентного ИИ — «Операторы», которые могут выполнять задачи для вас в браузере, — это всего лишь один тип агентного ИИ. Это также то, что я имел в виду в начале статьи, когда сказал, что он идет по тому же хитрому пути, по которому пошли другие ИИ — некоторые из них полезны, но многие из них просто не являются тем, что люди будут использовать больше одного или двух раз.
Существуют также способы запуска локальных моделей ИИ, которые также могут выполнять автономные действия, например, с помощью AnythingLLM. Тем не менее, подавляющее большинство людей, вероятно, не зайдут так далеко, чтобы установить локальный LLM на свой компьютер или смартфон, так что это, вероятно, хорошая золотая середина.
Действительно ли это того стоит?
«Стоит ли оно того» или нет, будет зависеть от того, как будет выглядеть окончательная реализация этой функции. В конце концов, все, что у нас есть сейчас — это прототипы. Opera пока не определила конкретные сроки выпуска для этого — хотя это может быть выпущено в течение ближайших месяцев, очевидно, что ему еще нужно некоторое время в духовке. Но я думаю, что это может стать чем-то, чем люди будут пользоваться ежедневно.
В более быстрой и точной реализации этого вы могли бы заставить Оператора бороться с сайтом билетов на концерты, чтобы получить билеты на концерты по обычным ценам распродажи, или пожилой человек мог бы использовать его для выполнения задач, которые он не смог бы сделать правильно сам. Это, конечно, зависит от того, действительно ли он улучшится.
Я считаю, что это может стать действительно полезным инструментом, если будет разработано должным образом, и я бы не исключал, что другие браузеры — по крайней мере, некоторые из второстепенных игроков — попытаются реализовать версию этого в будущем. Я бы не сказал, что это действительно меняет правила игры для меня, по крайней мере, в его текущей реализации. Он не делает ничего быстрее, чем я бы сделал это сам, и, если что, я бы потратил больше времени на преодоление частых препятствий, с которыми он столкнется. Но у него есть потенциал. Надеюсь, к тому времени, когда это действительно выйдет, это будет более отполированный продукт.
