全自動webブラウザ

ChatGPTのブラウザ、「ChatGPT Atlas」を少しだけ試してみました。
ChatGPTのスタンドアロンアプリといえばチャット欄とチャット履歴があるだけでそれ以上の機能はありませんが、
ChatGPT Atlasはそれに加えてブラウザ機能が搭載されているのが特徴です。
新規タブからできることは従来のChatGPTそのものですが、
インポートしたブックマークから辿ればWebサイトを普通に利用することもできます。
ちなみにブラウザエンジンはChromiumと思われ、要するにGoogle ChromeとChatGPTアプリが合体したアプリです。
普通に使う分には、ブラウザでありChatGPTであるだけでこれといった特徴はありません。

しかし「エージェント機能」というのがぶっちぎりでヤバいです。
これは簡単にいうとChatGPTがブラウザの操作を肩代わりすることができるというもの。
特定の情報についてWeb検索してきてまとめる、といったことはChatGPT単独でも普通にできますが、
Atlasがすごいのはユーザーがログインしているページに対して直接的に操作できるということです。
これはさまざまなwebサービスとの連携が考えられます。
個人的にすごいと思うのはGoogleドキュメントも普通に扱えるということ。
たとえばAtlasでGoogleアカウントにログインしておいて、
「スプレッドシートを新規作成してA1に〇〇という内容を入力して」みたいな指示もできます。
これを応用すれば簡単に情報の数だけループする全自動タスクも指示することができるわけで、
ChatGPTの活用の幅がまたさらに広がったと言えるのではないでしょうか。
さすがにブラウザゲームを代わりに操作する、といったようなリアルタイムの判断が必要なタスクは難しいと思いますが。

また、YouTubeアカウント（＝Googleアカウント）でログインしておいて動画の再生ページに行けば、
「この動画を要約して」と指示するとその通りに要約してくれます。
ただ、動画ソースを直接読み取って要約を作成しているというよりは推測に基づいている部分もあるようで、
これについては今後の精度向上に期待といったところでしょうか。
もし動画の要約や和訳がそれなりの精度でできるなら、海外向けの動画なんかも抵抗なく視聴できるようになりそう。

現状、まだ複雑なタスクをこなせる段階ではないですが、
AtlasはこれまでのChatGPTと違ってユーザーのセッション情報を利用できるという点で
かなりのポテンシャルを秘めていると言えます。実質的にアプリとしては上位互換とも言えるかも。
個人的にはスプレッドシートとの連携方法についてはある程度習得しておきたいと思っています。
先述のように、スプレッドシートを使えば理論上は指示内容に変数を含むループ処理が簡単に実現できるわけですからね。
ただ多少工夫が必要らしく、その辺はこれから試行錯誤していくことになりそう。