地址:联系地址联系地址联系地址
电话:020-123456789
传真:020-123456789
邮箱:admin@aa.com
萧箫 发自 凹非寺
量子位 | 公众号 QbitAI
GPT-4V学会自动操纵电脑,学会戏这一天终于还是用键到来了。
只需要给GPT-4V接入鼠标和键盘 ,鼠上它就能根据浏览器界面上网:
甚至还能快速摸清楚“播放音乐”的网人玩游播放器网站和按钮,给自己来一段music:
是类眼不是有点细思极恐了?
这是一个MIT本科生小哥整出来的新活,名叫GPT-4V-Act。睁睁管家婆免费进销存免费版
只需要几个简单的发帖工具,GPT-4V就能学会控制你的学会戏键盘和鼠标,用浏览器上网发帖 、用键买东西甚至是鼠上玩游戏。
要是网人玩游用到的工具出bug了,GPT-4V甚至还能意识到、类眼并试图解决它 。睁睁
来看看这是发帖怎么做到的 。
教GPT-4V“自动上网”
GPT-4V-Act ,学会戏本质上是一个基于Web浏览器的AI多模态助手(Chromium Copilot)。
它可以像人类一样用鼠标、键盘和屏幕“查看”网页界面,并通过网页中的开奖结果排列五交互按键进行下一步操作 。
要实现这种效果 ,除了GPT-4V以外,还用到了三个工具 。
一个是UI界面 ,可以让GPT-4V“看见”网页截图 ,也能让用户与GPT-4V发生交互。
这样,GPT-4V就能将每一步运行思路都通过对话框的形式反映出来,用户来决定是精准澳门平特一肖否要继续让它操作。
另一个是Set-of-Mark Prompting(SoM)工具 ,让GPT-4V学会交互的一款工具 。
这个工具由微软发明,目的是更好地对GPT-4V进行提示词工程。
相比让GPT-4V直接“看图说话”,这个工具可以将图片关键细节拆分成不同的部分,并进行编号,让GPT-4V有的放矢:
对于网页端也是如此,Set-of-Mark Prompting用类似的方式让GPT-4V知道从网页浏览器的哪个部分找答案,并进行交互 。
最后 ,还需要用到一个自动标注器(JS DOM auto-labeler),可以将网页端所有能交互的按键标注出来 ,让GPT-4V决定要按哪个。
一套流程下来, GPT-4V不仅能准确判断图片上的哪些内容符合需求,还能准确找到交互按键,并学会“自动上网” 。
这是个大项目 ,目前还只实现了部分功能 ,包括点击 、打字交互、自动标注等 。
接下来 ,还有其他的一些功能要实现 ,例如试试AI打标器(目前网页端的交互还是通过通过JS接口得知哪里能交互,不是AI识别的) 、以及提示用户输入详细信息等。
此外 ,作者也提到,现阶段GPT-4V-Act用法上还有一些需要注意的地方。
例如,GPT-4V-Act可能会被网页打开后铺天盖地的弹窗小广告给“整懵了”,然后出现交互bug 。
又例如,目前这种玩法可能会违反OpenAI的产品使用规定:
除非API允许 ,否则不得使用任何自动化或编程的方法从服务中提取数据并输出,包括抓取、网络收集或网络数据提取。
所以用的时候也要低调一点(doge)
微软SoM作者也来围观
这个项目在网上发出后,吸引了不少人的围观 。
像是小哥用到的微软Set-of-Mark Prompting工具的作者 ,就发现了这个项目 :
出色的工作!
还有网友提到,甚至可以用来让AI自己读取验证码。
这个在SoM项目中提到过 ,GPT-4V是能成功解读验证码的(所以以后可能还真不知道是人还是机器在上网)。
与此同时 ,也有网友已经在想象桌面流自动化(desktop automation)的操作了 。
对此作者回应称:
AI自动标注器应该能实现这个 ,我也确实在计划制作一个更通用的Copilot。
不过目前GPT-4V还是要收费的 ,有没有其他的实现方法 ?
作者也表示,目前还没有,但确实可能会尝试Fuyu-8B或者LLaVAR这样的开源模型。
免费的自动化桌面流AI助手 ,可以期待一波了。
参考链接:
[1]https://github.com/ddupont808/GPT-4V-Act
[2]https://www.reddit.com/r/MachineLearning/comments/17cy0j7/d_p_web_browsing_uibased_ai_agent_gpt4vact/
— 完 —
特别声明 :以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务 。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
地址:联系地址联系地址联系地址
电话:020-123456789
传真:020-123456789
邮箱:admin@aa.com
0.1306