Claude 3.5釋出：模仿人類操作電腦，執行復雜任務，搶先OpenAI

開發者和網友反響熱烈，紛紛嘗試新功能。開發者在短短10分鐘內就能完成API整合。Cursor工具也在第一時間接入了Claude 3.5系列，推動其在編程領域的快速落地。

AI操作電腦的意義與進展

AI直接使用電腦，是當前AI發展的重要突破。大部份工作需要透過電腦完成，如果AI能像人類一樣使用軟件，將解鎖眾多新套用，而無需客製工具。

Anthropic表示，他們在工具使用和多模態技術上的積累，為實作這一功能奠定了基礎。Claude 3.5 Sonnet透過「檢視螢幕—執行操作」實作這一互動。它具備影像解析和邏輯推理能力，能像人類一樣操作滑鼠和鍵盤。

研究人員展示了Claude的強大能力：在一個範例中，Claude幫助安排日程，查詢地圖、日出時間，並在行事曆中建立活動。此外，它還能自主完成復雜的編程任務，如下載程式碼、執行伺服器、修復錯誤，並即時更新網站。

Claude還能簡化繁瑣的任務。例如，在處理供應商表單時，它能搜尋CRM系統中的資訊並自動填表。這類功能正在被Asana、Replit等公司用於高效執行多步驟任務。

盡管功能強大，Claude仍面臨挑戰。OSWorld測試表明，Claude在基於截圖的任務中得分為14.9%，明顯高於第二名的7.8%。多步任務中，得分提升至22%，但仍遠低於人類的72.36%。

為安全考慮，Claude只在訓練中使用少量簡單軟件，且未連線互聯網。模型已展現出一定的自我糾錯能力，能在遇阻時重試任務。

Anthropic稱，實作這一目標的過程充滿反復試驗，但進展令人滿意。Claude的電腦操作能力雖還不完善，但正朝著超越人類效率的方向不斷演進。

研究方法與安全保障

Anthropic在多模態研究和工具使用基礎上，訓練Claude解讀影像並執行電腦操作。它必須準確計算像素移動量，確保滑鼠點選位置無誤。訓練初期僅限使用小算盤和文字編輯器，不聯網操作。

Claude具備將使用者指令拆解為邏輯步驟並執行的能力，即使遇到障礙，也能自我糾正並重試任務。這些能力逐步遷移至更多復雜軟件，使Claude的電腦使用技能不斷提升。

盡管技術進步顯著，但Anthropic優先關註現有風險，如提示詞隱碼攻擊。這類網絡攻擊可能透過螢幕截圖輸入惡意指令，導致Claude執行非預期操作。為此，Claude預設不使用使用者數據或截圖進行模型訓練，防止私密泄露。

Anthropic將Claude的電腦使用功能設定為AI安全等級2，不需要更高安全標準。這樣能在風險上升前解決潛在問題，並為未來引入更嚴密的AI安全措施打下基礎。

AI操作電腦的未來

Anthropic的創新在於反向思維：不再打造專用工具來適配AI，而是讓Claude融入日常電腦環境，直接使用現有軟件。透過API，Claude能將提示詞轉化為電腦命令，幫助開發者完成測試、QA及復雜任務自動化。

雖然Claude已達到技術前沿，但操作速度仍偏慢且易出錯。它還無法完成拖拽、縮放等常見操作，並且透過連續截圖拼接的方式觀察螢幕，可能錯過短暫通知或細微操作。

在Demo演示中也曾出現意外狀況。例如，一次Claude意外終止了長時間螢幕錄制，遺失所有錄像；另一次，它突然「走神」，瀏覽起黃石國家公園的照片。這些問題表明，未來還有大量最佳化空間。

多家知名公司如Asana和Replit，已開始探索Claude的電腦使用能力，以完成復雜的多步驟任務。Replit正利用其UI導航能力開發Replit Agent，實作應用程式構建時的即時評估。

未來，這項技術將更加可靠，普通使用者也能輕松上手。