Jim Fan 回顾 OpenAI 2016 年 World of Bits：计算机使用智能体的前世与「先泛后专」

NVIDIA 资深研究员 Jim Fan 近日在 X 平台发文，回顾了他在 OpenAI 时期参与的「World of Bits」项目，并以此为切入点反思了计算机使用智能体（Computer-Use Agent）十年来的方法论变迁。他指出，当下的 Astra 等系统可以被视作当年 OpenAI Universe 设想在同一宇宙中的「重生」。

2016 年的 World of Bits：用像素和鼠标「上网」

Jim Fan 描述的场景发生在 2016 年的 OpenAI：一个智能体直接观察屏幕像素、移动鼠标，最终在 United 航空网站上完成机票预订。这个项目被命名为 World of Bits，是 OpenAI Universe 基础设施计划的一部分。

• 智能体对「提交」按钮等 UI 元素没有任何先验知识；
• 策略网络必须通过试错，从零「重新发现」整个互联网的视觉语言；
• 训练手段是在 Pascal Titan X 显卡集群上，针对每个手绘任务奖励函数从零做强化学习。

Jim Fan 直言，这一路线在今天看来「注定失败」。

为何当年的方案「注定失败」

在反思中，Jim Fan 认为问题出在训练范式上：用针对单一任务手工设计的奖励函数，从零开始做强化学习，既无法获得足够的泛化能力，也难以扩展到复杂的真实网页交互。

他随后给出了今天看来更可行的路径——先在尽可能多的通用任务上做大规模能力爬升（hillclimb），再把模型专门化回落到屏幕像素与键盘按键层面。他将这一思路概括为 Specialized Generalist（专业化通才）：先泛化，再特化。

与 Astra 的呼应，以及对「超前」的看法

Jim Fan 提到，如今的 Astra 等计算机使用智能体，可以视作当年 OpenAI Universe 设想在同一个「Universe」里的再次演化。他以略带自嘲的语气写道，那架 United 航班「这一次终于被可靠地订到了」。

在文末，他抛出一段在 AI 社区广为流传的感悟：

• 比所有人领先一步，你是先驱；
• 领先三步，你是先知；
• 领先五步，你是殉道者。

他把这句寄语送给了「GPT-6」，并表示 2016 年的那个实习生（暗指当年的自己）正在微笑。