H Company、PC操作エージェント向けモデル「Holo4」を公開

H Companyが、Hugging Faceのブログで「Holo4」を発表した。汎用的なコンピューター操作エージェントを動かすためのものだとしている。

コンピューター操作エージェントは、人間と同じように画面を見て、ボタンをクリックしたり文字を入力したりしてソフトウェアを操作するAIを指す。APIが用意されていない業務アプリやWebサイトでも作業を自動化できるため、大手AI企業各社が取り組んでいる分野だ。「Holo」という名前から、同社がこれまで出してきたモデルの後継にあたるとみられる。

この種のエージェントでは、画面のどこに何があるかを正しく読み取り、操作すべき位置を正確に指し示す能力が性能を大きく左右する。Holo4がどのような仕組みでこの課題に取り組んでいるのか、モデルの規模、ベンチマークの結果、ライセンスや公開の形態は、見出しからは確認できない。詳細は出典を参照してほしい。