OpenAI Codex സങ്കീർണ്ണമായ വർക്ക്ഫ്ലോകൾ ഓട്ടോമേറ്റ് ചെയ്യുന്നതിനായി Record & Replay അവതരിപ്പിക്കുന്നു

macOS-ലെ Codex ആപ്പിനായി OpenAI വിപ്ലവകരമായ ഒരു "Record & Replay" ഫീച്ചർ അവതരിപ്പിച്ചു, ഇത് ഓട്ടോണമസ് ഏജന്റ് (autonomous agent) ശേഷികളിൽ വലിയൊരു കുതിച്ചുചാട്ടമാണ്. ഒരു ഉപയോക്താവ് ചെയ്യുന്ന മാനുവൽ പ്രവർത്തനങ്ങൾ നിരീക്ഷിക്കുന്നതിലൂടെ, മനുഷ്യന്റെ പ്രവൃത്തികളെ സ്ഥിരവും വീണ്ടും ഉപയോഗിക്കാവുന്നതുമായ ഡിജിറ്റൽ കഴിവുകളാക്കി (digital skills) മാറ്റാൻ ഇപ്പോൾ AI-ക്ക് സാധിക്കും.

നിരീക്ഷണത്തിൽ നിന്ന് ഓട്ടോമേഷനിലേക്ക്: Record & Replay എങ്ങനെ പ്രവർത്തിക്കുന്നു

ഏറ്റവും പുതിയ Codex അപ്‌ഡേറ്റിലെ പ്രധാന നവീകരണം, ഒറ്റത്തവണത്തെ വർക്ക്ഫ്ലോകളെ ആവർത്തിക്കാവുന്ന ഓട്ടോമേഷനുകളാക്കി മാറ്റാനുള്ള കഴിവാണത്. ഒരു പ്രക്രിയ വിവരിക്കുന്നതിനായി സങ്കീർണ്ണമായ സ്ക്രിപ്റ്റുകളോ പ്രോംപ്റ്റുകളോ എഴുതുന്നതിന് പകരം, ഉപയോക്താക്കൾക്ക് ഒരു പ്രത്യേക ടാസ്ക് AI ഏജന്റിനെക്കൊണ്ട് ചെയ്യിപ്പിക്കാൻ സാധിക്കും. ഉദാഹരണത്തിന്, മെറ്റാഡാറ്റ ചേർക്കുക, തംബ്‌നെയിൽ തിരഞ്ഞെടുക്കുക, സബ്‌ടൈറ്റിലുകൾ അപ്‌ലോഡ് ചെയ്യുക എന്നിവയുൾപ്പെടെ ഒരു YouTube വീഡിയോ അപ്‌ലോഡ് ചെയ്യുന്ന മുഴുവൻ പ്രക്രിയയും ഒരു ഉപയോക്താവിന് കാണിച്ചുകൊടുക്കാം.

ഡെമോൺസ്‌ട്രേഷൻ പൂർത്തിയായിക്കഴിഞ്ഞാൽ, Codex ഈ പ്രവർത്തനങ്ങളെ ഒരു "skill" ആയി എൻകോഡ് ചെയ്യുന്നു. തുടർന്ന് ഏജന്റിന് ഭാവിയിൽ ഈ മുഴുവൻ പ്രക്രിയയും സ്വതന്ത്രമായി ചെയ്യാൻ കഴിയും. ഇത് AI സംവേദനം ലളിതമായ ചാറ്റ് അധിഷ്ഠിത നിർദ്ദേശങ്ങളിൽ നിന്ന് യഥാർത്ഥ "Computer Use" രീതിയിലേക്ക് മാറ്റുന്നു; ഇവിടെ മോഡൽ ഒരു മനുഷ്യനെപ്പോലെ തന്നെ ഓപ്പറേറ്റിംഗ് സിസ്റ്റവുമായും ആപ്ലിക്കേഷൻ ഇന്റർഫേസുകളുമായും സംവദിക്കുന്നു.

സാങ്കേതിക മെച്ചപ്പെടുത്തലുകളും വേർഷൻ 26.616 അപ്‌ഡേറ്റുകളും

Record & Replay ഫീച്ചറിന് പുറമെ, പ്രൊഫഷണൽ പവർ യൂസർമാർക്കും ഡെവലപ്പർമാർക്കുമായി രൂപകൽപ്പന ചെയ്ത നിർണ്ണായകമായ ഇൻഫ്രാസ്ട്രക്ചർ അപ്‌ഡേറ്റുകളും വേർഷൻ 26.616 അവതരിപ്പിക്കുന്നു. Automations ഹിസ്റ്ററിയിലെ പുതിയ ബൾക്ക് ആക്ഷനുകൾ (bulk actions) നേരത്തെ റെക്കോർഡ് ചെയ്ത ടാസ്ക്കുകൾ മികച്ച രീതിയിൽ കൈകാര്യം ചെയ്യാൻ സഹായിക്കുന്നു. കൂടാതെ, അത്യാധുനികമായ ഒരു "hand-off" കപ്പാബിലിറ്റിയും ഇതിൽ നടപ്പിലാക്കിയിട്ടുണ്ട്. ഇത് ഉപയോക്താക്കൾക്ക് ഒരു ലോക്കൽ മെഷീനും റിമോട്ട് ഹോസ്റ്റും തമ്മിൽ ആക്റ്റീവ് ത്രെഡുകൾ (active threads) കൈമാറാൻ അനുവദിക്കുന്നു, അതുവഴി കണക്റ്റഡ് ഹാർഡ്‌വെയറുകളിൽ സങ്കീർണ്ണമായ ജോലികൾ തടസ്സമില്ലാതെ തുടരാൻ സാധിക്കുന്നു.

ഈ അഡ്വാൻസ്ഡ് ഓട്ടോമേഷൻ ഫീച്ചറുകൾ ഉപയോഗിക്കുന്നതിന് ഉപയോക്താക്കൾ "Computer Use" എനേബിൾ ചെയ്തിരിക്കണം. Codex ഡൗൺലോഡ് ചെയ്യാൻ സൗജന്യമാണെങ്കിലും, ഈ വർക്ക്ഫ്ലോകൾ നടപ്പിലാക്കാൻ ആവശ്യമായ ഉയർന്ന നിലവാരത്തിലുള്ള റീസണിംഗിനായി (high-level reasoning) പെയ്ഡ് ChatGPT അക്കൗണ്ട് ആവശ്യമാണ്.

പ്രാദേശിക ലഭ്യതയും വിപുലമായ AI പശ്ചാത്തലവും

ഈ ഫീച്ചറുകളുടെ അവതരണത്തിന് ചില ഭൂമിശാസ്ത്രപരമായ നിയന്ത്രണങ്ങളുണ്ട്. നിലവിൽ, UK, സ്വിറ്റ്സർലൻഡ്, EU എന്നിവിടങ്ങളിൽ Record & Replay ലഭ്യമല്ല. എന്നിരുന്നാലും, അടിസ്ഥാനപരമായ "Computer Use" കപ്പാബിലിറ്റി ജൂൺ 16 മുതൽ EU-വിൽ ലഭ്യമാണ്, ഇത് ഭാവിയിൽ ഫീച്ചറുകൾ എല്ലാ സ്ഥലങ്ങളിലും ഒരുപോലെ ലഭ്യമാക്കുന്നതിനുള്ള ഒരു ചുവടുവെപ്പാണ്.

ഈ വികസനം AI വ്യവസായത്തിന് ഒരു നിർണ്ണായക നിമിഷമാണ്. LLM-കൾ വെറും "knowledge engines" എന്ന നിലയിൽ നിന്ന് "action engines" ആയി മാറുന്ന ഒരു മാറ്റത്തിന് നമ്മൾ സാക്ഷ്യം വഹിക്കുകയാണ്. GUI അധിഷ്ഠിത ജോലികൾ നിരീക്ഷിക്കാനും അവ കൃത്യമായി അനുകരിക്കാനുമുള്ള കഴിവ് നേടിയെടുക്കുന്നതിലൂടെ, വൈറ്റ് കോളർ ജോലികൾ ഓട്ടോമേറ്റ് ചെയ്യുന്ന മേഖലയിൽ ആധിപത്യം സ്ഥാപിക്കാൻ Codex OpenAI-യെ പ്രാപ്തമാക്കുന്നു. ഇത് ഡെസ്ക്ടോപ്പ് ഓപ്പറേറ്റിംഗ് സിസ്റ്റത്തെ മാനുവൽ ക്ലിക്കുകൾക്ക് പകരം ബുദ്ധിപരമായ ഏജന്റുകൾ (intelligent agents) നിയന്ത്രിക്കുന്ന ഒരു അന്തരീക്ഷമാക്കി മാറ്റുന്നു.

പ്രധാന കാര്യങ്ങൾ

• Behavioral Mimicry: പുതിയ Record & Replay ഫീച്ചറിലൂടെ ഒരു മാനുവൽ ഡെമോൺസ്‌ട്രേഷനെ പുനരുപയോഗിക്കാവുന്ന ഒരു ഓട്ടോമേഷൻ സ്കില്ലായി മാറ്റാൻ Codex-ന് സാധിക്കുന്നു.
• Advanced Workflow Management: വേർഷൻ 26.616 ലോക്കൽ, റിമോട്ട് ഹോസ്റ്റുകൾ തമ്മിലുള്ള thread hand-offs-ഉം ഓട്ടോമേഷൻ ഹിസ്റ്ററി മികച്ച രീതിയിൽ കൈകാര്യം ചെയ്യാനുള്ള സംവിധാനവും അവതരിപ്പിക്കുന്നു.
• Agentic Evolution: ടെക്സ്റ്റ് അധിഷ്ഠിത AI സഹായത്തിൽ നിന്ന് സങ്കീർണ്ണമായ സോഫ്റ്റ്‌വെയർ ഇന്റർഫേസുകൾ കൈകാര്യം ചെയ്യാൻ ശേഷിയുള്ള സ്വയംഭരണാധികാരമുള്ള (autonomous) 'Computer Use' ഏജന്റുകളിലേക്കുള്ള മാറ്റത്തെയാണ് ഈ നീക്കം സൂചിപ്പിക്കുന്നത്.