這一天還是來了，AI在操作系統(tǒng)里啟動了一個自己的副本。

往小了說，不過是多模態(tài)大模型通過操縱鼠標鍵盤的API執(zhí)行任務。

往大了說，也可以算是“AI復制自己”的雛形了。

（別被作者的藍天白云壁紙騙到了，這其實是MacOS）

從AI這一頓眼花繚亂的操作中可以看出，核心是多模態(tài)大模型，通過截圖判斷屏幕上正在發(fā)生什么，生成下一步操作的計劃，調(diào)用系統(tǒng)接口執(zhí)行之后再次截圖。

要按網(wǎng)友建議加上語音識別功能，真就能模擬鋼鐵俠的賈維斯了。

AI能不能復制自己，是OpenAI內(nèi)部始終關注的安全測試內(nèi)容之一。

但GPT-4出道至今，這項測試結果一直沒有公布。

如今，先不管模型本身有沒有這個能力，接入GPT4V的開源項目已經(jīng)可以做到了。

AI與操作系統(tǒng)結合

這個開源項目叫做Open Interpreter，GitHub熱榜常客，半年時間已積攢3.7萬星。

從名字也可以看出，最早只是一個ChatGPT代碼解釋器的開源升級版。

與OpenAI官方版相比，沒有3小時50條對話的限制，以及可以連接網(wǎng)絡、可以自定義預安裝的Python包等等好處。

發(fā)布不久后初代作者Killian Lucas就想到，為什么一定要在虛擬沙箱環(huán)境執(zhí)行代碼？直接讓AI接入真實系統(tǒng)有更大的可能性。

于是，第二個大版本就是操作系統(tǒng)級AI Agent了。

Open Interpreter最近更新了第三個大版本，其中接入的大模型改為多模態(tài)版本。

核心貢獻者Ty Fiero展示了AI自動發(fā)送郵件。

以及更復雜的AI操作專業(yè)編曲軟件作曲。

團隊在這個版本設計了全新的Computer API，并且與原本的Open Interpreter分離，可以獨立運作。

在新版本更新文檔中，可以看出團隊更大的野心：著手開發(fā)AI時代新的計算機架構，也就是語言模型計算機LMC（Language Model Computer）。

Kilian借助CES上199元的AI掌機Rabbit R1爆火的機會公開招募開發(fā)者加入，打算快速復刻一個開源版本，硬件成本不到50美元。

不到48小時，就有超過200位工程師和設計師愿意加入這個項目，評論區(qū)中還不斷有人繼續(xù)申請中。

不知道這個團隊回復大量應聘郵件和私信，用的是不是AI。

參考鏈接：

[1]https://twitter.com/fieroty/status/1746639975234560101

[2]https://github.com/KillianLucas/open-interpreter