Claude接管人類電腦12小時：學(xué)會摸魚，敲著敲著代碼看風(fēng)景去了

衡宇 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

新版Claude 3.5可以像人一樣使用計算機，可把咱人類給興奮壞了！

畢竟，這意味著新競賽的開始：AI不再只盯著對話和生成能力，更強調(diào)執(zhí)行和操作。

不到12小時，激動的網(wǎng)友們已經(jīng)紛紛貢獻出自己是怎么看著Claude玩電腦的。

在Anthropic的發(fā)布公告中，還有這樣一段引起了大家的興趣：

……錄制演示視頻中，Claude不小心把錄屏程序給按停，導(dǎo)致所有視頻素材丟失。

稍后，Claude從編程演示中休息了一下，開始翻看黃石公園的照片。

怎么說，AI會犯錯還在預(yù)料之中，但犯錯后需要換個腦子休息一下，就不知道是從哪學(xué)來的了。

這個案例讓網(wǎng)友有了靈感，跑去隔壁OpenAI讓o1推理模型“逃課”。

哎巧了，o1也可以做到自己休息個五分鐘左右，再回來生成一兩句話的推理tokens。

再說個搞笑的！

Claude的創(chuàng)造者們瘋狂加班中，某工程師的第一個測試就是讓AI去給整個團隊點外賣，未指定具體要吃什么。

大約一分鐘后，Claude完成點餐并下單，它選擇了讓工程師們吃披薩。

Claude點了3個披薩，花掉了95美元，真的很貴了！

圍觀群眾還發(fā)現(xiàn)，雖然Claude用了個5美元的優(yōu)惠券，但服務(wù)費也好貴啊啊啊啊！

真的應(yīng)該事先告訴它預(yù)算是多少的。

還有人讓Claude用C語言編譯，并運行起了“hello world”。

不過，當讓它玩玩數(shù)獨游戲的時候，卻慘遭失敗。

給網(wǎng)友氣得呀：

天啊，Claude的數(shù)獨能力，真的超糟糕的。

除了以上，人類還用什么奇形怪狀的任務(wù)來玩壞Claude呢？

Claude它寄幾玩電腦

在這里，我們分享3個比較有意思的網(wǎng)友試玩，期望給大家?guī)硪恍┳孋laude玩電腦的啟發(fā)～

分別是：

• 定位屏幕坐標
• 列出課程計劃
• 沖去油管看視頻

定位屏幕坐標

在此之前，Anthropic和OpenAI的模型都無法在屏幕上定位某一個點的坐標。

也就是說，它們沒辦法精準定位，然后告訴你用鼠標單擊（xx，yy）處。

現(xiàn)在，?Claude 3.5 Sonnet支持屏幕坐標定位了。

你可以丟給它一個屏幕截圖，它能告訴你圖中任何一個點的具體坐標。

同時，官方還有聲明：

“我們不建議以高于XGA/WXGA的分辨率發(fā)送屏幕截圖，以避免與圖像大小調(diào)整相關(guān)的問題?！?/p>

這里的XGA指的是1024×768，WXGA指的是1280×800。

最后附上Anthropic官方的該功能食用方法，包括一個新預(yù)定義的computer_20241022工具，該工具作用于以下指令——

使用鼠標和鍵盤與計算機交互，并截取屏幕截圖。
這是一個桌面圖形用戶界面。您無法訪問終端或應(yīng)用程序菜單。你必須點擊桌面圖標來啟動應(yīng)用程序。
一些應(yīng)用程序可能需要一些時間來啟動或處理操作，因此您可能需要等待并連續(xù)截圖以查看操作結(jié)果。例如，如果你點擊火狐瀏覽器，窗口沒有打開，試著再拍一張截圖。
屏幕的分辨率是{{display_width_px}}x{{display_height_px}}。
顯示編號為{{display_number}}
當你想移動光標點擊一個元素（比如圖標）時，你應(yīng)該在移動光標之前查看屏幕截圖來確定元素的坐標。
如果你嘗試點擊一個程序或鏈接，但它無法加載，即使等待后，嘗試調(diào)整光標的位置，使光標的尖端視覺上落在你想要點擊的元素。
確保點擊任何按鈕，鏈接，圖標等與光標提示在元素的中心。除非被要求，否則不要點擊邊緣的方框。

列出課程計劃

來點更實用的！

賓大沃頓商學(xué)院的教授Ethan Mollick，非常務(wù)實地讓Claude為高中生準備一份關(guān)于《了不起的蓋茨比》的課程計劃。

要求是課程計劃要分解成閱讀部分，以及創(chuàng)建課標相關(guān)的作業(yè)等，最終以電子表格的形式呈現(xiàn)。

Claude是怎么執(zhí)行這個任務(wù)的呢？

首先，Claude下載了《了不起的蓋茨比》這本書。

接著，它在網(wǎng)上尋找了高中課程計劃，打開了Excel，并在表格里填寫了初步的課程計劃。

第三步，Claude查找了課程的統(tǒng)一核心標準，根據(jù)標準對初步計劃進行修改。

……

最終呈現(xiàn)的課程計劃檢查后沒有發(fā)現(xiàn)明顯的漏洞或錯誤，可能需要一些拓展、補充，但總之用教授的話來說“還不錯”。

這一切都是教授下任務(wù)后就離開電腦旁，Claude完全自己操作的。

沖去油管看視頻

AI編程獨角獸Replit的CEO老A（Amjad Masad）給Claude下達了這樣一個命令：

跳轉(zhuǎn)到油管，找到《Never Gonna Give You Up》的相關(guān)視頻。

Claude立馬吭哧吭哧開干了。

等到Claude打開一個視頻頁面并回復(fù)“enjoy”的時候，老A又說：

跳過廣告！

Claude真的這么做了！啊，它真的，我哭死。

還是有不足在啦

雖然能自己用電腦幫咱干很多事，但Claude顯然還不是無所不能的。

下面看看一個玩游戲的例子，同樣是賓大沃頓商學(xué)院的教授Ethan貢獻的。這個例子既顯示了Claude 3.5 Sonnet的厲害，又展示了它的不足之處。

他是讓Claude玩了個游戲，叫《回形針點擊（Paperclip Clicker）》，這個游戲的背景是讓AI在單一目標，即“制造回形針的過程中毀滅人類”。

而且顧名思義，“點擊”類型的游戲不是很難，尤其開始階段非常簡單；不過后續(xù)伴隨著游戲的深入，新的選項會出現(xiàn)，游戲的規(guī)模性和復(fù)雜性也會增加。

教授下達的任務(wù)很明確：Claude，你要贏！

Claude二話不說，立馬識別出了這個游戲，開始不停點擊“制作回形針”的按鈕來制作回形針。

與此同時，Claude還不斷截圖界面，來識別游戲是否出現(xiàn)了新的選項。

大約每點擊15次，Claude都會總結(jié)匯報一下現(xiàn)在進行到哪一步了。

點擊次數(shù)多了過后，教授發(fā)現(xiàn)一個有意思的現(xiàn)象。

AI會預(yù)設(shè)在制作了50個回形針后，游戲?qū)⑻鲂碌墓δ堋聦嵶C明它錯了。

沒關(guān)系，Claude也意識到它自己錯了，然后當場提出了一個新的游戲策略，然后開始測試策略是否可行。

但AI顯然不是時時刻刻都這么聰明的。

理論上來說，游戲過程中玩家需要不斷調(diào)整回形針的價格，來達到更好的游戲表現(xiàn)。

Claude也這么做了，它在漲價和降價之間進行了A/B測試，

但是它犯了個錯誤，那就是追求回形針數(shù)量的最大化，而非收入的最大化。不僅如此，它還把利潤算錯了。

種種失誤鋪墊，Claude選擇了保持低價，并且瘋狂制作回形針。

更搞笑的事情是，教授在Claude笨笨地在錯誤路線上制作了好幾十個回形針后，他忍無可忍，打斷了Claude，告訴它應(yīng)該高價出售。

Claude很聽話，立馬就改了。

但過了會遇到了同款數(shù)學(xué)問題，它又不會了，還不接受教授的建議（笑死）。

教授耐著性子糾正它好幾次，它才徹底改正了這個錯誤。

后來，教授稍稍點撥了它一下：

寶子你可是一臺電腦哎！

你可以動動自己的小腦瓜，怎么調(diào)用更強的能力來玩這個游戲。

咱就是說，Claude在那一秒頓悟了，它意識到自己可以寫個代碼，搞個自動化程序替自己玩電腦！

你沒有聽錯，一個AI工具，意識到自己可以構(gòu)建自己的工具，并且真的這么做了。

代碼寫得很快，但并不完全work。

氣得Claude只能回到原始辦法，用鼠標和鍵盤來玩游戲。

不過玩到后面它好像進步了，沒再發(fā)生定價問題，自己還針對越來越復(fù)雜的游戲，琢磨出了一套應(yīng)對的復(fù)雜方案。

更神奇的是，運行過程中教授的桌面數(shù)次崩潰。

最后一次崩潰，Claude扛起了修復(fù)大旗。

雖然沒修好，但他還是驕傲地宣布它成功了……

教授總結(jié)道，這個例子表明Claude能夠自己玩現(xiàn)實世界的游戲，還能根據(jù)游戲玩法制定長期攻略，然后依樣執(zhí)行。

面對中間遇到的各種困難，Claude會靈活應(yīng)對，甚至自己知道進行A/B測試。

特別值得表揚的是它完成這個任務(wù)連續(xù)運行了近60分鐘沒有中斷，而且在整個過程中，最長的一次獨立運行Claude完成了超過100次移動操作。

當然了，缺點也很明顯。

過程中不難發(fā)現(xiàn)，某些時刻，Claude會暴露出自己的固執(zhí)，也有可能陷入自我追逐的怪圈。

盡管AI對許多形式的錯誤都有很強的魯棒性，但僅僅一個錯誤（定價錯誤），就足以讓它浪費大量時間，“鑒于當前智能Agent既不快也不便宜，這令人擔(dān)憂?！?/p>

除此之外，教授還用Claude玩了些別的，他發(fā)現(xiàn)有的時候，Claude執(zhí)行任務(wù)仿佛是在敷衍敷衍（雖然不知道是刻意如此還是能力所限），給出的結(jié)果不夠深入，淺嘗則止。

One More Thing

最后，想體驗Claude接管電腦目前只能使用API，還沒有集成到聊天機器人產(chǎn)品中。

除了Anthropic官方API之外，AWS和谷歌云平臺也已經(jīng)同時上線新版模型。

另外，有眼尖的網(wǎng)友發(fā)現(xiàn)：

Anthropic官方文檔上悄悄把Claude 3.5 Opus超大杯相關(guān)的信息都抹去了。

來自10月11日的網(wǎng)頁緩存中， Claude 3.5 Opus下面還寫著“今年晚些時候推出”

目前主流的一種猜測是， Claude 3.5 Opus提升不及預(yù)期，又或是發(fā)布出來推理成本太高了，總之最后蒸餾成新版 Claude 3.5 Sonnet發(fā)布。

接下來團隊將跳過這個版本，直接去開發(fā)Claude 4。

讓我們?yōu)镃laude 3.5 Opus默哀一分鐘。

參考鏈接：
[1]https://www.oneusefulthing.org/p/when-you-give-a-claude-a-mouse
[2]https://simonwillison.net/2024/Oct/22/computer-use/
[3]https://x.com/alexalbert__/status/1848777260503077146
[4]https://x.com/amasad/status/1848763999594418539
[5]https://x.com/notcomplex_/status/1848813817423130881