亚马逊推出 Nova Act：可操控网页浏览器的 AI 智能体

GoodNav 4月1日报道，亚马逊在当地时间周一正式推出其通用人工智能智能体（AI agent）——Nova Act。该智能体能够操控网络浏览器，并自主完成简单的在线任务。同时，亚马逊发布了与之配套的Nova Act软件开发工具包（SDK），旨在帮助开发者利用Nova Act构建智能体应用原型。

据悉，Nova Act由亚马逊在旧金山新成立的AGI（通用人工智能）实验室研发，该项技术未来将为备受期待的生成式AI增强版语音助手Alexa+提供关键功能支持。亚马逊表示，今天发布的版本为“研究预览版”，功能仍需进一步完善。

开发者可以通过新成立的专属网站 nova.amazon.com 获取Nova Act工具包，而该网站也作为亚马逊展示其旗下各种Nova基础模型的平台。

Nova Act的发布标志着亚马逊正式参与到AI智能体技术的竞争中，旨在通过自主研发的通用AI智能体技术，与OpenAI的Operator和Anthropic的Computer Use等产品展开竞赛。目前，许多科技公司普遍认为，能够替用户浏览网页和执行任务的AI智能体将显著提升现有AI聊天机器人的实用性。虽然亚马逊并非首个开发此类技术的公司，但凭借其庞大的Alexa用户基础，Nova Act未来有望拥有广泛的应用潜力。

亚马逊表示，开发者使用Nova Act SDK，将能为用户自动化执行一些基本的网络操作，例如通过餐饮品牌Sweetgreen订购沙拉或在线预订餐厅晚餐。该工具包提供了一系列工具，使AI智能体能够浏览网页、填写表单、在日历中选择日期等。

在性能方面，亚马逊声称，在公司内部的多个测试中，Nova Act的表现超越了来自OpenAI和Anthropic的同类智能体。例如，在衡量AI智能体与屏幕文本交互能力的ScreenSpot Web Text测试中，Nova Act得分高达94%，超过了OpenAI的CUA（88%）以及Anthropic的Claude 3.7 Sonnet（90%）。不过，需要注意的是，亚马逊并未公布Nova Act在如WebVoyager等行业常用的智能体评估基准上的测试结果。

Nova Act是亚马逊AGI实验室对外发布的第一个公开产品。该实验室由前OpenAI研究员David Luan和Pieter Abbeel共同领导。在被亚马逊聘用以主导其AI智能体研发工作之前，这两位专家分别创立了AI初创公司Adept和Covariant。

对于一个以AGI为目标的实验室为何会开发订购沙拉的AI智能体，Luan在接受TechCrunch采访时解释道，智能体是构建超智能AI系统的重要一步。他将AGI定义为“一个能帮助用户在计算机上完成任何人类可以做的事情的AI系统”。Luan还表示，其团队设计的Nova Act SDK旨在可靠地自动化执行简短、简单的任务，并为开发者提供精确定义何时需要人类介入智能体工作流程的工具，以帮助开发者创建更可靠的智能体应用，即使这些应用不一定完全自主运行。

目前，来自OpenAI、谷歌和Anthropic等公司的早期AI智能体普遍在跨不同领域应用时面临可靠性不足的重大挑战。据TechCrunch等媒体的测试，这些系统往往运行缓慢，难以长时间独立工作，并且容易出现人类通常不会犯的错误。亚马逊是否找到了解决这些问题的有效方法，抑或其Nova Act智能体也将面临同样的缺陷，市场将拭目以待。