OpenAI на порозі революції: ChatGPT починає керувати вашим комп’ютером
OpenAI вже майже досягла своєї мрії, над якою працює з моменту заснування у 2015 році. Команда хоче створити штучний інтелект, який зможе користуватися комп’ютером та веб-браузером так само вправно, як це робить людина. Проблема була у зборі і створенні даних для навчання таких агентів. Проте сьогодні технологія готова, і OpenAI почала впроваджувати інструменти для керування комп’ютером через ChatGPT серед своїх користувачів.
Цього року з’явилися корисні новинки: розширення для Chrome, що дозволяє ChatGPT керувати браузером, хмарні і вбудовані браузери для роботи з відкритим інтернетом і навіть додавання функції Computer Use до інструменту для програмістів Codex.
Як OpenAI навчила ChatGPT працювати з комп’ютером
Етапи розвитку моделей OpenAI включали спеціальні дані та методи, щоб покращити роботу зі складними комп’ютерними задачами. Від першого тренування, де збирали неймовірно великі масиви інформації, ймовірно, використовували пофреймові скріншоти для “завантаження” важливої інформації.
Далі йшло навчання на прикладах ідейних дій – наприклад, як заповнити податкову декларацію чи створити 3D-модель. Такі дані здобувалися від людей-тренерів, які демонстрували, як виконувати завдання, що дуже витратно у плані часу і ресурсів.
Також застосовувалися методи підкріплювального навчання: модель намагається виконувати завдання у віртуальному середовищі та отримує “нагороду” за успіхи, поступово вдосконалюючи свої навички.
Покращення взаємодії з комп’ютером
Раніше ChatGPT робив скріншот екрану, аналізував зображення та виконував команди по кроках. Зараз, коли в браузері відкрито сайт, він може швидко “читати” структуру сторінки, інформацію для доступності і посилання.
Користувачі дозволяють ChatGPT записувати екран для точнішого аналізу того, що відбувається. Це дає змогу OpenAI Codex перевіряти створений код, знаходити помилки і покращувати роботу у так званому “повному циклі”.
Реальні приклади використання
Чеський програміст-аматoр Крістіан Медіна Руїс поділився, що Computer Use допоміг йому зануритися у розробку — він відновлював гру “SimCity” 2013 року за допомогою коду з оригінального джерела. Завдяки цій функції, ChatGPT міг запускати перевірки у вікні комп’ютера.
Він зізнається, що тепер залишає свій код працювати навіть коли відсутній поруч з комп’ютером:
- Автоматичне виконання завдань
- Покращення роботи без втручання
- Збереження часу і сил
ChatGPT виходить в інтернет і працює з різними вебсайтами
Співробітники OpenAI, Алі Вайнштейн і Джеймс Сан, розказали, що ідея полягає у зв’язуванні агентів ChatGPT з різними частинами інтернету і його “довгим хвостом” вебсайтів.
Більшість онлайн-інструментів створені для людей — наприклад, платформи запису на зустріч, внутрішні системи обліку у компаніях чи соцмережі. Завдяки Computer Use користувачі все активніше автоматизують:
- Введення даних
- Виконання завдань відповідності (compliance)
- Планування зустрічей
З роками моделі OpenAI стали розпізнавати помилки, виправляти їх і завершувати завдання без зайвих “заходів у глухий кут” онлайн.
Втім, все ще є над чим працювати
Дослідник Шоу Ю з Колумбійського університету зауважує, що між технологією та бажаною користувачами швидкістю існує певний розрив. Агенти обробляють завдання успішно у вузьких сферах із великою кількістю тренувальних даних, але універсальність для будь-якої сторінки або програми залишається складною.
Наразі Computer Use не ідеально справляється з листуванням електронною поштою або плавним перегортанням стрічок соцмереж. Проте команда OpenAI сподівається, що інструмент стане таким же швидким у роботі з браузером, як нині є у написанні коду.
Попередження від керівництва OpenAI про потенційні ризики
Сам Альтман, голова OpenAI, ще у 2025 році зазначав: «Хоча корисність значна, так само важливі і потенційні ризики». Він радив користувачам надавати агентам мінімально необхідні права для виконання задач, щоб зменшити загрози безпеці та приватності.
Такої позиції насторожено ставиться Марк Бір, фахівець із безпеки Malwarebytes, наголошуючи, що користувачам треба уважно стежити за тим, щоб агент не мав доступу до паролів, конфіденційної інформації і даних, захищених договором про нерозголошення.
Він рекомендує уникати запуску агентів без нагляду на довгострокові та складні завдання, оскільки існує загроза підставних сайтів, які можуть спробувати викрасти особисті відомості.
Робота над балансом між безпекою та зручністю
Джеймс Сан пояснює, що команда визначає «політику підтверджень» — коли і як агент повинен запитувати дозвіл на свої дії. Зазвичай, перед тим як видаляти інформацію або передавати дані, агент питає користувача.
Однак, робота онлайн потребує швидких рішень, і тому триває пошук золотої середини між максимальною безпекою і простотою використання.
Як підсумок, те, що колись здавалося фантастикою — штучний інтелект, здатний працювати за комп’ютером як людина, вже незабаром може стати нашим буденним помічником у цифровому світі.
