新版Claude 3.5可以像人一样使用计算机,可把咱人类给兴奋坏了!
毕竟,这意味着新竞赛的开始:AI不再只盯着对话和生成能力,更强调执行和操作。
不到12小时,激动的网友们已经纷纷贡献出自己是怎么看着Claude玩电脑的。
在Anthropic的发布公告中,还有这样一段引起了大家的兴趣:
怎么说,AI会犯错还在预料之中,但犯错后需要换个脑子休息一下,就不知道是从哪学来的了。
这个案例让网友有了灵感,跑去隔壁OpenAI让o1推理模型“逃课”。
哎巧了,o1也可以做到自己休息个五分钟左右,再回来生成一两句话的推理tokens。
再说个搞笑的!
Claude的创造者们疯狂加班中,某工程师的第一个测试就是让AI去给整个团队点外卖,未指定具体要吃什么。
大约一分钟后,Claude完成点餐并下单,它选择了让工程师们吃披萨。
Claude点了3个披萨,花掉了95美元,真的很贵了!
围观群众还发现,虽然Claude用了个5美元的优惠券,但服务费也好贵啊啊啊啊!
真的应该事先告诉它预算是多少的。
还有人让Claude用C语言编译,并运行起了“hello world”。
不过,当让它玩玩数独游戏的时候,却惨遭失败。
给网友气得呀:
除了以上,人类还用什么奇形怪状的任务来玩坏Claude呢?
Claude它寄几玩电脑
在这里,我们分享3个比较有意思的网友试玩,期望给大家带来一些让Claude玩电脑的启发~
分别是:
定位屏幕坐标
在此之前,Anthropic和OpenAI的模型都无法在屏幕上定位某一个点的坐标。
也就是说,它们没办法精准定位,然后告诉你用鼠标单击(xx,yy)处。
现在,Claude 3.5 Sonnet支持屏幕坐标定位了。
你可以丢给它一个屏幕截图,它能告诉你图中任何一个点的具体坐标。
“我们不建议以高于XGA/WXGA的分辨率发送屏幕截图,以避免与图像大小调整相关的问题。”
这里的XGA指的是1024x768,WXGA指的是1280x800。
最后附上Anthropic官方的该功能食用方法,包括一个新预定义的computer_20241022工具,该工具作用于以下指令——
列出课程计划
来点更实用的!
宾大沃顿商学院的教授Ethan Mollick,非常务实地让Claude为高中生准备一份关于《了不起的盖茨比》的课程计划。
要求是课程计划要分解成阅读部分,以及创建课标相关的作业等,最终以电子表格的形式呈现。
Claude是怎么执行这个任务的呢?
首先 ,Claude下载了《了不起的盖茨比》这本书。
接着 ,它在网上寻找了高中课程计划,打开了Excel,并在表格里填写了初步的课程计划。
第三步 ,Claude查找了课程的统一核心标准,根据标准对初步计划进行修改。
最终呈现的课程计划检查后没有发现明显的漏洞或错误,可能需要一些拓展、补充,但总之用教授的话来说“还不错”。
这一切都是教授下任务后就离开电脑旁,Claude完全自己操作的。
冲去油管看视频
视频中,AI编程独角兽Replit的CEO老A给Claude下达了这样一个命令:
Claude立马吭哧吭哧开干了。
等到Claude打开一个视频页面并回复“enjoy”的时候,老A又说:
Claude真的这么做了!啊,它真的,我哭死。
还是有不足在啦
虽然能自己用电脑帮咱干很多事,但Claude显然还不是无所不能的。
下面看看一个玩游戏的例子,同样是宾大沃顿商学院的教授Ethan贡献的。这个例子 既显示了Claude 3.5 Sonnet的厉害,又展示了它的不足之处。
他是让Claude玩了个游戏,叫《回形针点击》,这个游戏的背景是让AI在单一目标,即“制造回形针的过程中毁灭人类”。
而且顾名思义,“点击”类型的游戏不是很难,尤其开始阶段非常简单;不过后续伴随着游戏的深入,新的选项会出现,游戏的规模性和复杂性也会增加。
教授下达的任务很明确:Claude,你要赢!
Claude二话不说,立马识别出了这个游戏,开始不停点击“制作回形针”的按钮来制作回形针。
与此同时,Claude还不断截图界面,来识别游戏是否出现了新的选项。
大约每点击15次,Claude都会总结汇报一下现在进行到哪一步了。
△左侧为Claude操作界面,右侧为它控制的桌面
点击次数多了过后,教授发现一个有意思的现象。
AI会预设在制作了50个回形针后,游戏将跳出新的功能——但事实证明它错了。
没关系,Claude也意识到它自己错了,然后当场提出了一个新的游戏策略,然后开始测试策略是否可行。
但AI显然不是时时刻刻都这么聪明的。
理论上来说,游戏过程中玩家需要不断调整回形针的价格,来达到更好的游戏表现。
Claude也这么做了,它在涨价和降价之间进行了A/B测试,
但是它犯了个错误,那就是追求回形针数量的最大化,而非收入的最大化。不仅如此,它还把利润算错了。
种种失误铺垫,Claude选择了保持低价,并且疯狂制作回形针。
更搞笑的事情是,教授在Claude笨笨地在错误路线上制作了好几十个回形针后,他忍无可忍,打断了Claude,告诉它应该高价出售。
Claude很听话,立马就改了。
但过了会遇到了同款数学问题,它又不会了,还不接受教授的建议(笑死)。
教授耐着性子纠正它好几次,它才彻底改正了这个错误。
后来,教授稍稍点拨了它一下:
咱就是说,Claude在那一秒顿悟了,它意识到自己可以写个代码,搞个自动化程序替自己玩电脑!
你没有听错,一个AI工具,意识到自己可以构建自己的工具,并且真的这么做了。
代码写得很快,但并不完全work。
气得Claude只能回到原始办法,用鼠标和键盘来玩游戏。
不过玩到后面它好像进步了,没再发生定价问题,自己还针对越来越复杂的游戏,琢磨出了一套应对的复杂方案。
更神奇的是,运行过程中教授的桌面数次崩溃。
最后一次崩溃,Claude扛起了修复大旗。
虽然没修好,但他还是骄傲地宣布它成功了……
教授总结道,这个例子表明Claude能够自己玩现实世界的游戏,还能根据游戏玩法制定长期攻略,然后依样执行。
面对中间遇到的各种困难,Claude会灵活应对,甚至自己知道进行A/B测试。
特别值得表扬的是它完成这个任务连续运行了近60分钟没有中断,而且在整个过程中,最长的一次独立运行Claude完成了超过100次移动操作。
当然了,缺点也很明显。
过程中不难发现,某些时刻,Claude会暴露出自己的固执,也有可能陷入自我追逐的怪圈。
尽管AI对许多形式的错误都有很强的鲁棒性,但仅仅一个错误(定价错误),就足以让它浪费大量时间,“鉴于当前智能Agent既不快也不便宜,这令人担忧。”
除此之外,教授还用Claude玩了些别的,他发现有的时候,Claude执行任务仿佛是在敷衍敷衍(虽然不知道是刻意如此还是能力所限),给出的结果不够深入,浅尝则止。
One More Thing
最后,想体验Claude接管电脑目前只能使用API,还没有集成到聊天机器人产品中。
除了Anthropic官方API之外,AWS和谷歌云平台也已经同时上线新版模型。
另外,有眼尖的网友发现:
Anthropic官方文档上悄悄把Claude 3.5 Opus超大杯相关的信息都抹去了。
来自10月11日的网页缓存中, Claude 3.5 Opus下面还写着“今年晚些时候推出”
目前主流的一种猜测是, Claude 3.5 Opus提升不及预期,又或是发布出来推理成本太高了,总之最后蒸馏成新版 Claude 3.5 Sonnet发布。
接下来团队将跳过这个版本,直接去开发Claude 4。
让我们为Claude 3.5 Opus默哀一分钟。