آزمایشگاه پژوهشی پیشرو Anthropic با ارائه بهروزرسانی بزرگ برای پرچمدار خود یعنی مدل Claude 3.5 Sonnet، یکی از مهمترین نقاط عطف تاریخ محاسبات شناختی و اتوماسیون نرمافزاری را رقم زد. این کمپانی با رونمایی رسمی از قابلیت بنیادین Computer Use (استفاده از کامپیوتر) از طریق API، هوش مصنوعی را از یک تولیدکننده متن و کد منفعل، به یک عامل اجرایی خودمختار (Autonomous Agent) بدل ساخت که میتواند محیط دسکتاپ را مستقیماً همانند یک انسان کنترل کند.
سازوکار بصری؛ اسکرینشات گرفتن، محاسبه مختصات پیکسلی و کلیک دقیق
برخلاف روشهای سنتی اتوماسیون که نیازمند APIهای اختصاصی برای هر نرمافزار بودند، فناوری Computer Use با چشمانداز تعمیمپذیر انسانی عمل میکند. مدل ابتدا از صفحه مانیتور یک اسکرینشات باکیفیت تهیه کرده و با تحلیل بصری عمیق چندوجهی (Multimodal Vision)، مختصات X و Y عناصر گرافیکی نظیر دکمهها، منوها و فیلدهای متنی را تخمین میزند. سپس دستورات فیزیکی شبیهسازیشده نظیر حرکت مکاننما، کلیک چپ/راست، اسکرول صفحه و تایپ متن با کیبورد را اجرا میکند.
اجرای وظایف چندمرحلهای اداری و تست نرمافزاری بدون مداخله کاربر
در آزمونهای عملی منتشرشده، کلود ۳.۵ سونات توانسته است وظایف اداری فوقالعاده پیچیدهای نظیر استخراج داده از فایلهای اکسل، باز کردن مرورگر کروم، جستجو و تطبیق اطلاعات در سیستمهای ابری CRM و پر کردن فرمهای اینترنتی را به صورت کاملاً مستقل و در دهها گام متوالی بدون خطا به پایان برساند. علاوه بر این، در بنچمارک معتبر مهندسی نرمافزار SWE-bench Verified، مدل ارتقایافته سونات بالاترین امتیاز حل باگهای برنامهنویسی واقعی تاریخ صنعت را به نام خود ثبت کرده است.
پروتکلهای ایمنی اختصاصی و نظارت بر سوءاستفادههای سایبری
تیم ایمنی آنتروپیک به موازات این جهش اتوماسیون، فیلترهای ضد خرابکاری قدرتمندی را درون API پیادهسازی کرده است که مانع از اجرای اقداماتی نظیر اسپم خودکار، فیشینگ، تغییر تنظیمات امنیتی سیستمعامل و دور زدن لایههای اعتبارسنجی بدون اجازه کاربر میشود. برای آگاهی از تازهترین تحولات هوش مصنوعی، بخش اخبار هوش مصنوعی در مجله IMDbnews را دنبال کنید و تحلیل انقلابی مدلهای استدلالی متنباز DeepSeek-R1 را نیز مطالعه فرمایید.
پرسشهای متداول (FAQ)
❓ قابلیت Computer Use کلود چیست و چه تفاوتی با چتباتهای عادی دارد؟
این قابلیت به هوش مصنوعی امکان میدهد به جای فقط نوشتن متن، مستقیماً صفحه مانیتور را تماشا کرده و نشانگر ماوس و کلیدهای کیبورد را برای کار با نرمافزارهای مختلف کنترل کند.
❓ دسترسی به این قابلیت از چه طریقی امکانپذیر است؟
دسترسی به قابلیت Computer Use در حال حاضر برای توسعهدهندگان از طریق API رسمی شرکت آنتروپیک (Anthropic API) و سرویسهای ابری Amazon Bedrock و Google Cloud Vertex AI فراهم است.