Îți prezentăm agentul ChatGPT: conectarea cercetării cu acțiunea

ChatGPT poate acum să lucreze pentru tine folosindu-și propriul computer, gestionând sarcini complexe de la început până la sfârșit.

Acum îi poți cere lui ChatGPT să gestioneze solicitări precum „verifică-mi calendarul și informează-mă despre viitoarele întâlniri cu clienții pe baza noutăților recente”, „planifică și cumpără ingrediente ca să pregătesc un mic dejun japonez pentru patru persoane” și „analizează trei concurenți și creează o prezentare de diapozitive”. ChatGPT va naviga inteligent pe site-uri web, va filtra rezultatele, îți va solicita să te conectezi în siguranță atunci când este nevoie, va rula cod, va efectua analize și chiar va oferi prezentări de diapozitive și foi de calcul editabile care îi rezumă concluziile. 

La baza acestei noi capacități se află un sistem agentic unificat. Reunește trei puncte forte ale descoperirilor anterioare: capacitatea Operatorului⁠ de a interacționa cu site-urile web, abilitatea cercetării aprofundate⁠ în sintetizarea informațiilor și inteligența și fluența conversațională a ChatGPT.

ChatGPT îndeplinește aceste sarcini folosindu-și propriul computer virtual, trecând fluent de la raționament la acțiune pentru a gestiona fluxuri de lucru complexe de la început până la sfârșit, totul pe baza instrucțiunilor tale.

Și mai ales, tu deții mereu controlul. ChatGPT solicită permisiunea înainte de a lua acțiuni importante, iar tu poți întrerupe cu ușurință, prelua controlul browserului sau opri sarcinile în orice moment.

Începând de astăzi, utilizatorii Pro, Plus și Team pot activa noile capabilități agentice ale ChatGPT direct din meniul derulant de instrumente al editorului, selectând „modul agent” în orice moment al oricărei conversații. 

Deși agentul ChatGPT este deja un instrument puternic pentru gestionarea sarcinilor complexe, lansarea de astăzi este doar începutul. Vom continua să adăugăm îmbunătățiri semnificative în mod iterativ și regulat, făcându-l mai capabil și mai util pentru mai multe persoane cu timpul.

Anterior, Operatorul și cercetarea aprofundată au oferit fiecare puncte forte unice: Operatorul putea derula, face clic și tasta pe web, în timp ce cercetarea aprofundată excela la analiza și rezumarea informațiilor. Dar au funcționat cel mai bine în situații diferite: Operatorul nu putea aprofunda analiza sau scrie rapoarte detaliate, iar cercetarea aprofundată nu putea interacționa cu site-urile web pentru a rafina rezultatele sau accesa conținut care necesita autentificarea utilizatorului. De fapt, am observat că multe dintre interogările pe care utilizatorii le-au făcut cu Operatorul erau mai potrivite pentru cercetări aprofundate, așa că am combinat cele mai bune aspecte ale ambelor instrumente.

Prin integrarea acestor puncte forte complementare în ChatGPT și introducerea unor instrumente suplimentare, am descoperit capabilități complet noi într-un singur model. Acum poate interacționa activ cu site-urile web—făcând clic, filtrând și colectând rezultate mai precise și mai eficiente. De asemenea, poți trece în mod natural de la o simplă conversație la solicitarea de acțiuni direct în cadrul aceleiași discuții. 

Am echipat agentul ChatGPT cu o suită de instrumente: un browser vizual care interacționează cu webul printr-o interfață grafică, un browser bazat pe text pentru interogări web bazate pe raționament mai simplu, un terminal și acces direct la API. Agentul poate utiliza și conectorii ChatGPT⁠(se deschide într-o fereastră nouă), care îți permit să conectezi aplicații precum Gmail și Github, astfel încât ChatGPT să poată găsi informații relevante pentru solicitările tale și să le utilizeze în răspunsuri. De asemenea, te poți conecta la orice site web preluând controlul browserului, permițându-i să aprofundeze și să extindă atât cercetarea, cât și executarea sarcinilor. Oferindu-i lui ChatGPT aceste căi diferite pentru accesarea și interacțiunea cu informațiile web, poate alege calea optimă pentru a îndeplini sarcinile cât mai eficient. De exemplu, poate aduna informații despre calendarul tău printr-un API, poate dezvolta un raționament eficient asupra cantităților mari de text folosind browserul bazat pe text, având în același timp capacitatea de a interacționa vizual cu site-urile web concepute cu precădere pentru oameni. 

Face toate acestea folosindu-și propriul computer virtual, care păstrează contextul necesar sarcinii, chiar și atunci când se utilizează mai multe instrumente — modelul poate alege să deschidă o pagină folosind browserul text sau browserul vizual, să descarce un fișier de pe web, să îl manipuleze rulând o comandă în terminal și apoi să vizualizeze datele de ieșire înapoi în browserul vizual. Modelul își adaptează abordarea pentru a îndeplini sarcini cu rapiditate, precizie și eficiență.

Agentul ChatGPT este conceput pentru fluxuri de lucru iterative și colaborative, mult mai interactive și flexibile decât modelele anterioare. În timp ce ChatGPT funcționează, îl poți întrerupe în orice moment pentru a-ți clarifica instrucțiunile, pentru a-l direcționa către rezultatele dorite sau pentru a schimba sarcina în întregime. Va continua de unde a rămas, acum cu noile informații, dar fără a pierde progresul anterior. De asemenea, ChatGPT poate solicita în mod proactiv detalii suplimentare de la tine atunci când este necesar pentru a se asigura că sarcina rămâne aliniată cu obiectivele tale. Dacă o sarcină durează mai mult decât te-ai așteptat sau pare blocată, poți să o pui pe pauză, să îi ceri un rezumat al progresului sau să o oprești complet și să primești rezultate parțiale. Dacă ai aplicația ChatGPT pe telefon, îți va trimite o notificare când a terminat cu sarcina ta.

Aceste capabilități agentice unificate îmbunătățesc semnificativ utilitatea ChatGPT atât în contextele de zi cu zi, cât și în cele profesionale. La locul de muncă, poți automatiza sarcini repetitive, cum ar fi convertirea capturilor de ecran sau a tablourilor de bord în prezentări compuse din elemente vectoriale editabile, reorganizarea întâlnirilor, planificarea și rezervarea deplasărilor în afara sediului și actualizarea foilor de calcul cu date financiare noi, păstrând același format. În viața personală, îl poți folosi pentru a planifica și rezerva fără efort itinerarii de călătorie, pentru a organiza și rezerva în întregime mese festive sau pentru a găsi specialiști și programa întâlniri. 

Capacitățile avansate ale modelului sunt reflectate în performanța sa de ultimă generație (SOTA) la evaluările care măsoară navigarea pe web și capacitățile de finalizare a sarcinilor în contexte reale. 

La Humanity's Last Exam⁠(se deschide într-o fereastră nouă)*, o evaluare care măsoară performanța inteligenței artificiale într-o gamă largă de subiecte pe baza unor întrebări de nivel de expert, modelul care susține agentul ChatGPT a obținut un nou scor de trecere@1 SOTA, de 41,6. Deoarece agentul planifică dinamic și își alege propriile instrumente, poate aborda aceeași sarcină în moduri diferite de-a lungul rulărilor. Când am scalat acest lucru cu o strategie simplă de implementare paralelă — rularea a până la opt încercări simultan și alegerea celei cu cea mai mare încredere auto-raportată — scorul HLE al agentului a crescut la 44,4.

FrontierMath** este cel mai dificil test matematic cunoscut, care prezintă probleme noi, nepublicate, a căror rezolvare le ia adesea matematicienilor experți ore sau chiar zile. Prin utilizarea instrumentelor, cum ar fi accesul la un terminal pentru execuția de cod, agentul ChatGPT atinge o precizie de 27,4%, depășind ambele modele anterioare cu o marjă largă.

De asemenea, am evaluat modelul folosind repere modelate după sarcini complexe din contexte reale. Pe un punct de referință intern conceput pentru a evalua performanța modelului la sarcini complexe de lucru bazate pe cunoștințe, valoroase din punct de vedere economic, datele de ieșire ale agentului ChatGPT sunt comparabile sau mai bune decât cele ale oamenilor în aproximativ jumătate din cazuri, într-o varietate de timpi de finalizare a sarcinilor, depășind semnificativ o3 și o4-mini. Datele de ieșire ale modelului sunt evaluate de experți în raport cu niveluri de referință umane de înaltă calitate, create de cei mai buni specialiști din fiecare domeniu. Aceste sarcini, furnizate de experți din diverse ocupații și sectoare de activitate, reflectă activitățile profesionale din lumea reală — cum ar fi pregătirea unei analize competitive a furnizorilor de îngrijiri medicale urgente la cerere, elaborarea unor programe detaliate de amortizare și identificarea puțurilor de apă viabile pentru o nouă instalație de hidrogen verde. 

În cadrul DSBench⁠(se deschide într-o fereastră nouă), conceput pentru a evalua agenții în sarcini realiste de știință a datelor, inclusiv analiza și modelarea datelor, agentul ChatGPT depășește semnificativ performanța umană.

În cadrulSpreadsheetBench, care evaluează modelele în funcție de capacitatea de a edita foi de calcul derivate din scenarii reale, agentul ChatGPT depășește modelele existente cu o marjă semnificativă. Când i s-a oferit posibilitatea de a edita direct foi de calcul, agentul ChatGPT a obținut un scor și mai mare, de 45,5%, comparativ cu 20,0% al Copilot în Excel. 

În cazul unui punct de referință intern care măsoară capacitatea unui model de a se ocupa de sarcini de modelare pentru analiști bancari de investițiidin primul până în al treilea an — cum ar fi alcătuirea unui model financiar cu trei situații financiare pentru o companie Fortune 500, cu formatare și citări adecvate, sau construirea unui model de achiziție prin împrumut pentru o privatizare — modelul care susține agentul ChatGPT depășește semnificativ cercetarea aprofundată și o3. Fiecare sarcină este evaluată pe baza a sute de criterii legate de corectitudine și utilizarea formulelor.

De asemenea, am evaluat agentul ChatGPT conform BrowseComp⁠, un punct de referință pe care l-am publicat la începutul acestui an care măsoară capacitatea agenților de navigare de a localiza informații greu de găsit pe web. Modelul a stabilit un nou SOTA cu 68,9%, cu 17,4 puncte procentuale mai mare decât cercetarea aprofundată.

În cele din urmă, pe WebArena⁠(se deschide într-o fereastră nouă), un punct de referință conceput pentru a evalua performanța agenților de navigare pe web în îndeplinirea sarcinilor pe web din contexte reale, modelul se îmbunătățește față de CUA susținut de o3 (modelul care susține Operatorul). 

Poți activa noile capabilități agentice ale ChatGPT direct din meniul derulant de instrumente al editorului, selectând „modul agent” în orice moment al oricărei conversații. Pur și simplu descrie sarcina dorită — fie că este vorba de efectuarea unei cercetări aprofundate, crearea unei prezentări de diapozitive sau trimiterea cheltuielilor. Pe măsură ce îți îndeplinește sarcina, o narațiune pe ecran oferă vizibilitate asupra a ceea ce face exact ChatGPT. Poți întrerupe și prelua controlul browserului ori de câte ori este necesar, asigurându-te că sarcinile rămân aliniate cu obiectivele tale.

Agentul ChatGPT îți poate accesa conectorii, permițându-i să se integreze cu fluxurile tale de lucru și să acceseze informații relevante și utile. După autentificare, acești conectori permit ca ChatGPT să vadă informații și să facă facă anumite lucruri, cum ar fi să-ți rezume căsuța de e-mail pentru ziua respectivă sau să găsească intervale de timp în care poți participa la întâlniri — pentru a întreprinde acțiuni pe aceste site-uri, totuși, ți se va solicita să te conectezi prin preluarea controlului browserului. 

În plus, poți planifica repetarea automată a sarcinilor finalizate, cum ar fi generarea unui raport săptămânal de indicatori de performanță în fiecare luni dimineața.

Această versiune marchează prima dată când utilizatorii îi pot cere lui ChatGPT să întreprindă acțiuni pe web. Acest lucru introduce noi riscuri, mai ales pentru că agentul ChatGPT poate lucra direct cu datele tale, fie că este vorba de informații accesate prin conectori sau site-uri web la care te-ai conectat prin modul de preluare. Am întărit controalele robuste din previzualizarea cercetării Operatorului și am adăugat măsuri de siguranță pentru provocări precum gestionarea informațiilor confidențiale pe webul live, extinderea acoperirii utilizatorilor și accesul (limitat) la rețeaua de terminale. Deși aceste măsuri de atenuare reduc semnificativ riscul, instrumentele extinse ale agentului ChatGPT și acoperirea mai largă a utilizatorilor înseamnă că profilul său general de risc este mai mare. 

Am pus un accent deosebit pe protejarea agentului ChatGPT împotriva manipulării de către adversari prin injectarea de solicitări, care reprezintă un risc pentru sistemele agentice în general și am pregătit măsuri de atenuare mai extinse în consecință. Injecțiile de solicitări sunt încercări ale unor terți de a manipula comportamentul agentului prin instrucțiuni rău intenționate pe care agentul ChatGPT le poate întâlni pe web în timp ce îndeplinește o sarcină. De exemplu, o solicitare rău intenționată ascunsă într-o pagină web, cum ar fi în elemente invizibile sau metadate, ar putea păcăli agentul să întreprindă acțiuni neintenționate, cum ar fi partajarea datelor private de la un conector cu atacatorul sau efectuarea unei acțiuni dăunătoare pe un site la care utilizatorul este conectat. Pentru că agentul ChatGPT poate lua acțiuni directe, atacurile reușite pot avea un impact mai mare și pot prezenta riscuri mai mari. 

Am instruit și testat agentul pentru a identifica și rezista la injecțiile de solicitări, pe lângă utilizarea monitorizării pentru a detecta rapid și a răspunde la atacurile de injecție de solicitări. Solicitarea confirmării explicite a utilizatorului înainte de acțiuni importante reduce și mai mult riscul de daune cauzate de aceste atacuri, iar utilizatorii pot interveni în sarcini după cum este necesar, preluând controlul sau punându-le în pauză. Utilizatorii ar trebui să cântărească aceste compromisuri atunci când decid ce informații să-i furnizeze agentului și să ia măsuri pentru a-și minimiza expunerea la aceste riscuri, cum ar fi dezactivarea conectorilor atunci când nu sunt necesari pentru o sarcină. 

De asemenea, am implementat măsuri de atenuare a erorilor modelului, mai ales că modelul poate efectua acum sarcini care au impact asupra lumii reale: 

• Confirmarea explicită a utilizatorului: ChatGPT este instruit să-ți ceară explicit permisiunea înainte de a întreprinde acțiuni cu consecințe reale, cum ar fi efectuarea unei achiziții.
• Supraveghere activă („Modul de supraveghere”): Anumite sarcini critice, cum ar fi trimiterea de e-mailuri, necesită supravegherea ta activă.
• Reducerea proactivă a riscurilor: ChatGPT este instruit să refuze activ sarcinile cu risc ridicat, cum ar fi transferurile bancare.

În cele din urmă, am introdus controale suplimentare pentru a limita datele la care modelul are acces: 

• Controlul confidențialității: Cu un singur clic în setările ChatGPT, poți șterge toate datele de navigare și te poți deconecta imediat de la toate sesiunile web active. În caz contrar, modulele cookie vor persista conform politicilor fiecărui site vizitat, ceea ce poate face ca vizitele repetate să fie mai eficiente.
• Modul de preluare a browserului securizat: Atunci când interacționezi cu internetul utilizând browserul ChatGPT („modul de preluare”), datele tale de intrare rămân private. ChatGPT nu colectează și nu stochează date pe care le introduci în timpul acestor sesiuni, cum ar fi parolele, deoarece modelul nu are nevoie de ele și este mai sigur dacă nu le vede niciodată.

Având în vedere capacitățile sporite ale modelului, am luat decizia de a trata agentul ChatGPT ca având capacități biologice și chimice înalte în Cadrul nostru de pregătire⁠, activând măsurile de siguranță asociate. Deși nu avem dovezi definitive că modelul ar putea ajuta în mod semnificativ un novice să provoace daune biologice severe — pragul nostru pentru capacitate ridicată — suntem precauți și implementăm acum măsurile de siguranță necesare. Prin urmare, acest model dispune de cel mai cuprinzător pachet de măsuri de siguranță de până acum, cu măsuri de siguranță îmbunătățite pentru biologie: modelare cuprinzătoare a amenințărilor, instruire privind refuzul utilizării duale, clasificatoare și monitoare de raționament mereu active și canale clare de aplicare. 

Pe lângă efortul pe care l-am depus pentru a securiza agentul ChatGPT, știm că biosecuritatea stratificată funcționează cel mai bine atunci când măsurile de protecție se extind dincolo de un singur laborator, deci colaborăm la nivelul întregului ecosistem pentru a consolida apărarea. Încă din prima zi, am colaborat cu experți externi în biosecuritate, institute de siguranță și cercetători universitari pentru a ne elabora modelul de amenințări, evaluările și politicile. Evaluatorii cu pregătire în biologie au validat datele noastre de evaluare, iar membrii Red Team, experți în domeniu, au testat măsurile de siguranță în scenarii realiste. La începutul acestei luni, am organizat un atelier de bioapărare cu experți din guvern, mediul universitar, laboratoare naționale și ONG-uri pentru a accelera colaborarea și avansa cercetarea în domeniul bioapărării bazate pe inteligență artificială. Vom continua să colaborăm la nivel global pentru a fi cu un pas înaintea riscurilor emergente. 

Citește mai multe despre abordarea noastră robustă de siguranță pentru modelul agentic unificat în fișa de sistem⁠. De asemenea, lansăm un program de recompense pentru buguri,⁠ astfel încât să putem identifica și remedia riscurile din contexte reale.

Agentul ChatGPT începe să fie lansat astăzi pentru versiunile Pro, Plus și Team; utilizatorii Pro vor avea acces până la sfârșitul zilei, în timp ce utilizatorii Plus și Team vor avea acces în următoarele zile. Utilizatorii Enterprise și Education vor primi acces în săptămânile următoare. Utilizatorii Pro au 400 de mesaje pe lună, iar ceilalți utilizatori plătiți primesc 40 de mesaje lunar, cu utilizare suplimentară disponibilă prin opțiuni flexibile bazate pe credit.

Încă lucrăm la activarea accesului pentru Spațiul Economic European și Elveția. 

Site-ul de previzualizare a cercetării Operatorului va rămâne funcțional încă câteva săptămâni, după care va fi închis. Cercetarea aprofundată este o parte din capacitățile agentului ChatGPT. Dacă preferi funcția originală de cercetare aprofundată—care poate dura mai mult timp, dar oferă răspunsuri mai detaliate mai aprofundate implicit—o poți accesa selectând „cercetare aprofundată” din lista derulantă din editorul de mesaje.

Agentul ChatGPT este încă în fazele sale incipiente. Este capabil să preia o gamă de sarcini complexe, dar poate totuși să facă greșeli. 

Deși vedem un potențial semnificativ în capacitatea sa de a genera prezentări de diapozitive, această funcționalitate este în prezent în versiune beta. În prezent, datele de ieșire pot părea uneori rudimentare în ceea ce privește formatarea și finisarea, mai ales atunci când începi fără un document existent. Am concentrat capacitățile inițiale ale modelului pe generarea de artefacte care organizează informații într-un flux și format adecvat pentru prezentări, cu elemente precum text, diagrame, imagini și forme editabile nativ și ușor după export, optimizând structura și flexibilitatea. În prezent, există și discrepanțe ocazionale între diapozitivele din vizualizator și prezentarea PowerPoint exportată, pe care ne străduim să le reducem. În plus, deocamdată poți încărca o foaie de calcul existentă pentru ca ChatGPT să o editeze sau să o folosească drept șablon, dar această capacitate nu este încă disponibilă pentru prezentări. Deja instruim următoarea iterație a creării de prezentări de diapozitive cu ChatGPT pentru a produce date de ieșire mai rafinate și sofisticate, cu capabilități mai extinse și formatare îmbunătățită.

Per total, ne așteptăm la îmbunătățiri continue ale eficienței, profunzimii și versatilității agentului ChatGPT în timp, inclusiv interacțiuni mai fluide, pe măsură ce continuăm să-i ajustăm nivelul de supraveghere necesar din partea utilizatorului pentru a-l face mai util, asigurându-i în același timp siguranța utilizării.