Computer-use models will agentify the web, not APIs — Dhruv Batra, Yutori
Dhruv Batra argumenterar att AI-agenter inte kommer att kunna förlita sig på API:er för att interagera med webben.
Istället måste de lära sig att navigera webbsidor visuellt — genom att läsa skärminnehål och klicka, liksom en människa gör — eftersom de flesta av webben (omkring 200 miljoner aktiva webbplatser) aldrig kommer att bygga API:er. Mycket av det vi ser på webben är inte faktisk text utan ritad grafik: en "såld slut"-status är kanske bara en grå knapp, inte ord skrivna någonstans. Yutoris Navigator-modell löser detta genom att ta skärmbilder, klicka på element och ibland skriva JavaScript för att åstadkomma det den behöver — och fokuserar på att verifiera resultaten på skärmen snarare än att förvänta sig strukturerad data.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
What Runs Where? Local AI in Production — Ahmad Osman, Osmantic
AI Engineer 21 nov.
Experts say AI has made planning cyberattacks on industrial equipment faster by helping attackers read manuals and research past accidents more quickly
Techmeme för 2 tim sedan
Current and former officials from the US and other countries describe the Chinese spy agency MSS' campaign to help Chinese companies acquire advanced AI chips
Techmeme för 6 tim sedan
Tesla rolls out FSD v15, featuring a photorealistic rendering of car surroundings; Elon Musk says it is real-time AI video generation without using game engines
Techmeme för 7 tim sedan
