OpenAI เปิดตัว "Operator" AI ผู้ช่วยส่วนตัว ทำทุกอย่างแทนได้บนโลกออนไลน์

OpenAI เปิดตัว Operator ซึ่งเป็น AI agent ตัวใหม่ล่าสุดที่เปรียบเสมือนผู้ช่วยส่วนตัวบนโลกดิจิทัล เนื่องจากสามารถท่องเว็บและทำงานต่างๆ แทนผู้ใช้ได้อย่างอัตโนมัติ จากความสามารถในการ "มองเห็น" หน้าจอคอมพิวเตอร์ผ่านการจับภาพหน้าจอและสามารถ "โต้ตอบ" กับส่วนต่างๆ ได้อย่างอิสระ ไม่ว่าจะเป็นการพิมพ์ คลิก หรือเลื่อนหน้าจอ เสมือนมีเมาส์และคีย์บอร์ดในตัว

เบื้องหลังความสามารถอันน่าทึ่งนี้คือ Computer-Using Agent (CUA) โมเดล AI ที่ผสานความสามารถในการมองเห็นของ GPT-4o เข้ากับความสามารถในการเรียนรู้แบบเสริมกำลัง (reinforcement learning) ซึ่งทำให้ Operator สามารถ "คิด" และ "วิเคราะห์" เพื่อแก้ไขปัญหาและทำงานที่ซับซ้อนได้อย่างมีประสิทธิภาพ

จุดเด่นของ Operator คือความสามารถในการ "เรียนรู้" และ "แก้ไขตัวเอง" หากพบข้อผิดพลาด Operator จะ "ขอความช่วยเหลือ" จากผู้ใช้ เช่นเดียวกับในกรณีที่เว็บไซต์ร้องขอข้อมูลส่วนตัว เช่น รหัสผ่าน Operator จะ "แจ้งเตือน" และ "ขออนุญาต" จากผู้ใช้ก่อนดำเนินการใดๆ เช่น การส่งอีเมล 

นอกจากนี้ Operator ยังได้รับการออกแบบมาให้ "ปฏิเสธคำขอที่เป็นอันตราย" และ "บล็อกเนื้อหาที่ไม่เหมาะสม" เพื่อความปลอดภัยของผู้ใช้

อย่างไรก็ตาม ปัจจุบัน Operator เพิ่งเปิดให้บริการเฉพาะสมาชิก ChatGPT Pro ในสหรัฐอเมริกา ซึ่งเสียค่าบริการ 200 ดอลลาร์ต่อเดือนหรือราว 6,800 บาท แต่ OpenAI มีแผนที่จะขยายการให้บริการไปยังสมาชิก Plus, Team และ Enterprise ซึ่งในอนาคตจะรวมฟีเจอร์นี้เข้ากับ ChatGPT เพื่อให้ผู้ใช้ทั่วไปสามารถเข้าถึงได้

Operator ถือเป็นก้าวสำคัญของ OpenAI ในการพัฒนา AI agent ที่มีความเป็นอิสระและสามารถควบคุมเครื่องมือภายนอกได้ ซึ่งสอดคล้องกับแนวโน้มการพัฒนา AI ในปัจจุบัน โดยก่อนหน้านี้ Anthropic บริษัทคู่แข่ง ก็ได้เปิดตัว Computer Use Model ซึ่งเป็น AI agent ที่มีความสามารถคล้ายคลึงกัน

OpenAI ระบุว่า บริษัทให้ความสำคัญกับความปลอดภัยในการใช้งาน Operator โดยได้ร่วมมือกับบริษัทต่างๆ เช่น DoorDash, Instacart, OpenTable, Priceline, StubHub, Thumbtack และ Uber เพื่อให้ Operator สามารถตอบสนองความต้องการในโลกแห่งความเป็นจริงได้อย่างมีประสิทธิภาพ โดยไม่ละเมิดกฎระเบียบหรือข้อบังคับต่างๆ

อย่างไรก็ตาม OpenAI เตือนว่าในปัจจุบัน Operator อาจยังไม่สามารถทำงานได้อย่างสมบูรณ์แบบในทุกสถานการณ์ เช่น การใช้งานกับอินเทอร์เฟซที่ซับซ้อนอย่าง การสร้างสไลด์โชว์ หรือการจัดการปฏิทิน