Zurück zur Übersicht
ChatGPT führt „Computer History“ für macOS ein: KI analysiert Klicks und Tastatureingaben für automatisierte Arbeitsabläufe
BranchennachrichtenChatGPTmacOSOpenAI

ChatGPT führt „Computer History“ für macOS ein: KI analysiert Klicks und Tastatureingaben für automatisierte Arbeitsabläufe

OpenAI hat eine neue Funktion namens „Computer History“ für die ChatGPT-Desktop-App auf macOS angekündigt. Dieses Feature ermöglicht es der KI, Nutzerinteraktionen wie Klicks und Tastatureingaben systematisch zu erfassen und in Trainingsdaten umzuwandeln. Durch die Analyse dieser Aktivitäten lernt das System die spezifischen Arbeitsweisen der Anwender kennen, schlägt proaktive Automatisierungen vor und kann sogar Aufgaben identifizieren und fortführen, die vom Nutzer nur teilweise abgeschlossen wurden. Die gesammelten Informationen werden in einer Timeline organisiert, auf die sowohl ChatGPT als auch das Modell Codex zugreifen können, um bei Anfragen einen präzisen Kontext zu gewährleisten. Damit vertieft OpenAI die Integration seiner KI-Modelle direkt in den täglichen digitalen Workflow auf Betriebssystemebene.

The Verge

Die wichtigsten Punkte

  • Einführung von Computer History: Eine neue Funktion für die ChatGPT-Desktop-App unter macOS zur Erfassung von Nutzeraktivitäten.
  • Umfassendes Tracking: Das System protokolliert Klicks und Tastatureingaben, um die Arbeitsweise des Nutzers zu verstehen.
  • Generierung von Trainingsdaten: Die erfassten Aktionen werden direkt in Trainingsdaten umgewandelt, um die KI-Modelle zu personalisieren.
  • Timeline-Funktionalität: ChatGPT und Codex nutzen eine erstellte Chronologie der Aktivitäten als Referenz für zukünftige Anfragen.
  • Automatisierung und Aufgabenvervollständigung: Die KI schlägt auf Basis der Historie Automatisierungen vor und führt halbfertige Aufgaben fort.

Analyse

Funktionsweise der Computer History auf macOS

Die Einführung der „Computer History“ markiert eine signifikante Erweiterung der Funktionalität von ChatGPT innerhalb des macOS-Ökosystems. Im Kern handelt es sich um ein Überwachungstool, das tief in die Interaktion zwischen Mensch und Computer eingreift. Anstatt lediglich auf explizite Prompts im Chat-Fenster zu warten, agiert die App nun als Beobachter im Hintergrund.

Durch das Tracking von Klicks und Tastatureingaben erhält die KI einen detaillierten Einblick in die operativen Abläufe des Nutzers. Diese Daten dienen nicht nur der bloßen Dokumentation, sondern werden aktiv in Trainingsdaten transformiert. Das Ziel dieses Prozesses ist es, dass die KI lernt, wie ein spezifischer Nutzer arbeitet. Dies umfasst die Identifikation von Mustern in der Softwarenutzung, die Abfolge von Befehlen und die Art der bearbeiteten Inhalte.

Die Rolle von Codex und der Timeline-Struktur

Ein wesentliches technisches Element dieser Neuerung ist die Erstellung einer Timeline. Diese chronologische Aufarbeitung der Nutzeraktivitäten dient als Wissensbasis für die KI-Modelle. Wenn ein Nutzer eine Anfrage an ChatGPT stellt, kann das System auf diese Timeline zurückgreifen, um den Kontext der aktuellen Arbeit besser zu verstehen.

Hierbei spielt neben dem Standard-ChatGPT-Modell auch Codex eine zentrale Rolle. Codex, das speziell auf die Interpretation und Generierung von Code und technischen Abläufen optimiert ist, nutzt die Timeline, um komplexe Zusammenhänge in den Computeraktivitäten zu dekodieren. Dies ermöglicht es der KI, nicht nur Text zu generieren, sondern konkrete Vorschläge für Automatisierungen zu unterbreiten, die exakt auf die beobachteten Arbeitsgewohnheiten zugeschnitten sind.

Unterstützung bei der Aufgabenbewältigung

Ein besonders hervorzuhebender Aspekt der Computer History ist die Fähigkeit der KI, Aufgaben zu erkennen, die „halb fertig“ hinterlassen wurden. Durch die kontinuierliche Beobachtung der Tastatureingaben und Klicks kann ChatGPT identifizieren, an welchem Punkt ein Nutzer eine Tätigkeit unterbrochen hat. Die KI ist daraufhin in der Lage, diese Aufgaben aufzugreifen und Vorschläge zu deren Fertigstellung zu machen. Dies transformiert ChatGPT von einem reinen Antwort-Bot zu einem proaktiven Assistenten, der den Arbeitsfluss aktiv unterstützt und Lücken in der Produktivität schließt.

Bedeutung für die KI-Branche

Die Implementierung von Computer History verdeutlicht den Trend in der KI-Branche, weg von isolierten Anwendungen hin zu systemweiten Assistenten zu steuern. Indem OpenAI den Zugriff auf die unterste Ebene der Nutzerinteraktion – Klicks und Tippen – sucht, positioniert sich das Unternehmen an der Schnittstelle zwischen Betriebssystem und Anwendung.

Die Nutzung von Nutzerinteraktionen als direktes Trainingsmaterial für personalisierte Modelle könnte die Effizienz von KI-Assistenten massiv steigern. Es zeigt zudem, dass die Integration von Modellen wie Codex in Alltagsprodukte entscheidend ist, um technisches Verständnis mit alltäglichen Büroaufgaben zu verknüpfen. Dieser Schritt könnte als Vorbild für andere Entwickler dienen, die ihre KI-Lösungen ebenfalls tiefer in die Arbeitsumgebungen der Endnutzer integrieren möchten.

Häufig gestellte Fragen

Welche Daten werden von der Computer History genau erfasst?

Die Funktion erfasst laut der Meldung von „The Verge“ spezifisch die Klicks und Tastatureingaben des Nutzers auf dem macOS-System, um daraus eine Timeline der Aktivitäten zu erstellen.

Wie hilft die Computer History bei der Automatisierung?

Indem die KI durch die erfassten Daten lernt, wie ein Nutzer arbeitet, kann sie Muster erkennen und darauf basierend Vorschläge für Automatisierungen machen, die repetitive oder komplexe Arbeitsabläufe vereinfachen.

Welche Rolle spielt das Modell Codex bei diesem Feature?

Codex wird zusammen mit ChatGPT eingesetzt, um auf die durch die Computer History erstellte Timeline zuzugreifen. Es hilft dabei, die technischen Interaktionen des Nutzers zu interpretieren und kontextbezogene Unterstützung bei Anfragen zu bieten.

Ähnliche Nachrichten

Google Duplex in Gemini: Wie sich der Dienst für Anrufe bei Unternehmen weiterentwickelt hat
Branchennachrichten

Google Duplex in Gemini: Wie sich der Dienst für Anrufe bei Unternehmen weiterentwickelt hat

Google Duplex wurde laut einer Überschrift im Google Research Blog so weiterentwickelt, dass es in Gemini auch im Auftrag von Nutzern bei Unternehmen anrufen kann. Die Meldung ist dem Thema generative KI zugeordnet. Der bereitgestellte Originalinhalt besteht allerdings nur aus dieser Themenangabe. Die Information über die Anrufe stammt daher aus der Überschrift. Sie benennt das Ergebnis der Weiterentwicklung, beschreibt aber weder die einzelnen Schritte noch die technische Umsetzung. Auch zur Verfügbarkeit, zu den Voraussetzungen für die Nutzung und zu konkreten Anwendungsfällen liegen keine Angaben vor. Entsprechend lässt sich die genannte Funktion einordnen, ohne daraus Rückschlüsse auf ihren Umfang oder ihre Funktionsweise zu ziehen.

Formale Verifikation von Software: Wie KI und Lean bei mathematischen Korrektheitsbeweisen helfen
Branchennachrichten

Formale Verifikation von Software: Wie KI und Lean bei mathematischen Korrektheitsbeweisen helfen

Softwarekorrektheit mathematisch nachzuweisen, war traditionell eine Aufgabe für Fachleute. Richard MacManus beschreibt bei Latent Space, wie KI und Lean heute dabei helfen, diesen Prozess zu automatisieren. Im Mittelpunkt steht die formale Verifikation: Der Nachweis, dass Software korrekt ist, wird mit mathematischen Mitteln geführt. Die Veränderung betrifft laut Meldung den Weg zu diesem Nachweis. KI und Lean unterstützen die Automatisierung eines Prozesses, für den bislang spezialisierte Arbeit nötig war. Der Titel rahmt die formale Verifikation als Mittel gegen minderwertige Inhalte. Die Kurzmeldung selbst bleibt beim konkreten Anwendungsfall Software. Sie nennt weder einzelne automatisierte Arbeitsschritte noch das Ausmaß der Automatisierung. Von einem vollständig automatisierten Verfahren ist nicht die Rede.

Riemannsche Vermutung: Eine KI und ein Mensch beanspruchen jeweils eine Lösung
Branchennachrichten

Riemannsche Vermutung: Eine KI und ein Mensch beanspruchen jeweils eine Lösung

Eine KI und ein Mensch beanspruchen laut TechCrunch AI jeweils, die Riemannsche Vermutung gelöst zu haben. Die Meldung bezeichnet die Vermutung als 167 Jahre alt und berichtet, dass das jüngste KI-gestützte Ergebnis unter Mathematikerinnen und Mathematikern für Erstaunen sorgt. Dem KI-gestützten Ergebnis steht ein konkurrierender menschlicher Lösungsanspruch gegenüber. Entscheidend ist die Unterscheidung zwischen dem Anspruch, eine Lösung gefunden zu haben, und der Bestätigung, dass die Vermutung tatsächlich gelöst wurde. Der vorliegende Meldungstext bestätigt weder den KI-gestützten noch den menschlichen Lösungsanspruch und erläutert auch nicht, worin die beiden Ansätze bestehen. Damit berichtet der Beitrag von Tim Fernholz über zwei konkurrierende Ansprüche, ohne über deren Gültigkeit zu entscheiden.