1746846889
2025-05-10 02:00:00
- 抱きしめる顔は、あなたに代わってWebをナビゲートするためのAIツールをデビューしました
- オープンコンピューターエージェントは、実際のWebブラウザを使用して、道順の取得やチケットの予約などのタスクを完了します
- エージェントとそのオープンソースのデモは、画面にあるものを確認し、ボタンをクリックし、フォームに記入し、人間のようなタスクを段階的に移動できます
抱きしめる顔は、人々のためにオンラインの用事を実行できる半独立したAIエージェントの増加について独自の見解を導入しました。新しい（限られている場合）オープンコンピューターエージェントは、Webブラウザー内にパーソナルアシスタントが住んでいるようなものです。
同社の継続的な「Smolagents」イニシアチブの一部であるオープンコンピューターエージェントは、あなたのようなWebサイトやアプリに関与し、目に見えないマウスとキーボードを処理してリクエストを完了することができます。 AIは、ブラウザを開き、フォームに入力したり、ボタンをクリックしたりすることができます。道順を見つけるように頼むと、それは行きます Googleマップ、起源と目的地を入力し、忠実なデジタル運転手のようなルートを表示します。
ライブデモで自分で試すことができます。公正な警告、その人気は、バックログによるいくつかの遅延とエラーを引き起こしています。
Smolagentsでコンピューター使用を起動しています！ 🥳 – >ビジョンモデルがより能力が高まるにつれて、複雑なエージェントワークフローを動かすことができます。特に、組み込みの接地をサポートするQwen-VLモデル、つまりその座標によって画像内の任意の要素を見つける能力、したがって…pic.twitter.com/mi8muwzkis2025年5月6日
あなたが持っているエージェント
オープンコンピューターエージェントは、のようなツールにつながったアイデアの哲学とは異なる哲学です Openaiのオペレーター、 ブラウザの使用、 プロキシ1.0、およびオペラ ブラウザオペレーター。これらのツールと同様に、FaceのAIエージェントを抱き締めることは、受動的な情報源ではなく、アクティブな参加者であることです。
ブラウザの使用と同様に、オープンコンピューターエージェントはオープンソースです。つまり、誰でもそれがどのように機能し、その上に構築するかを確認するか、少なくともニッチのユースケースのために微調整できます。エージェントは、100万の法的免責事項を備えた完成品ではなく、より柔軟なものの始まりです。それはまた、デモがまさにそれであり、デモンストレーションであり、洗練されたパッケージではないことを意味します。物事を間違え、ログインとキャプチャテストのためにジャンプする必要があります。
チケットの予約、営業時間のチェック、検索の行為、指示の検索、メニューのクリックはすべて、多くの人が単一の自然言語プロンプトでできることを望んでいます。 Chatgptに安いフライトを見つける方法を尋ねることは一つのことです。ツールが旅行のWebサイトに行くのを見て、リストをスクロールし、「今すぐ予約」をクリックしようとするのは別のことです。
それは欠陥があり、派手から遠く離れているかもしれませんが、オープンコンピューターエージェントは、現在ユビキタスなAI画像ジェネレーターと同じくらい一般的になる可能性があるAIへのアプローチを表しています。
あなたも好きかもしれません
#マウスに触れる必要なくウェブを閲覧してフォームに記入する準備ができている新しいAIエージェントがあります