主要观点总结
文章介绍了人工智能操控电脑的发展趋势，特别是关于谷歌的贾维斯项目、微软的OmniParser以及OpenAI的智能体雏形的最新进展。文章指出，AI接管人类电脑已成为科技大厂的重点发力方向，同时介绍了几个项目的具体操作原理和应用场景。
关键观点总结
关键观点1: 人工智能操控电脑的发展趋势
人工智能操控电脑已经成为科技巨头的下一个战场，多个项目在积极推动这一技术的发展，并取得了重要进展。
关键观点2: 谷歌的贾维斯项目（Project Jarvis）
谷歌正在开发一个名为贾维斯的项目，该项目使用大动作模型（LAM）技术，针对谷歌Chrome浏览器进行优化。它可以通过截屏、解析屏幕内容，然后自动点击按钮或输入文本，帮助人们完成基于网页的日常任务。
关键观点3: 微软的OmniParser项目
微软开源了AI框架OmniParser，它能够解析用户界面截图，将截图转化为结构化数据，帮助AI精准理解用户意图。OmniParser将图标描述模型与光学字符识别（OCR）模块结合，提高了动作预测准确率。
关键观点4: OpenAI的智能体雏形
OpenAI内部已有AI智能体雏形，可以操控计算机完成在线订餐、自动查询解决编程难题等任务。新的技术发展方向预示着计算机使用的未来将更加智能化和便捷化。
文章预览
编辑：桃子 LRS 【导读】 科幻中的贾维斯，已经离我们不远了。Claude 3.5接管人类电脑掀起了人机交互全新范式，爆料称谷歌同类Project Jarvis预计年底亮相。AI操控电脑已成为微软、苹果等巨头，下一个发力的战场。 AI接管人类电脑，就是下一个未来！ 几天前，Anthropic向所有人展示了，Claude 3.5自主看屏幕操作光标完成复杂任务，足以惊掉下巴。 刚刚，Information独家爆料称，谷歌正开发同类新项目「Project Jarvis」，能将Chrome网页任务自动化。 谷歌「贾维斯」将由未来版Gemini 2.0驱动，预计在12月亮相。 起这个名字，是为了向钢铁侠中的J.A.R.V.I.S致敬。 无独有偶，微软团队悄悄放出的OmniParser，也在笃定AI智能体操控屏幕的未来。 论文地址：https://arxiv.org/pdf/2408.00203 OmniParser主要是一个屏幕解析的工具，可以将截图转化为结构化数据，帮助AI精准理解用户意
………………………………
