パソコンの操作、AIが代わりにやってくれる時代が来た…？話題の「UI-TARS」について調べてみた

【この記事でわかること】

• UI-TARS（ユーアイ・ターズ？）ってそもそも何なのか
• 今までの自動化ツールと何が違うの？
• 私たちの日常はどう変わるかもしれないか

こんにちは。 最近、AIの進化が早すぎて、追いつくのに必死な毎日です（笑）。

実は先日、ネットサーフィンをしていたら、「UI-TARS」というちょっと面白そうなツールを見つけまして。 名前だけ聞くと「なんかの必殺技？」って感じですよね。私も最初はそう思ってました。

でも、色々と調べてみるとこれ、もしかしたら私たちのパソコン作業を劇的に変えちゃうかもしれない、すごいAIみたいなのです。

今回は、この「UI-TARS」について、私なりに噛み砕いてまとめてみようと思います。専門用語はできるだけナシでいくので、一緒に「へー、そんなのがあるんだ」くらいのゆるい気持ちで読んでみてくださいね。

UI-TARSって、要するに何をしてくれるの？

一言でいうと、「人間と同じように、パソコンの画面を見て操作してくれるAI」みたいな感じです。

たとえば、「ブラウザを開いて、〇〇を検索して、その結果をメモ帳に貼って」みたいにお願いすると、AIが勝手にマウスを動かしてクリックしたり、キーボードで文字を打ったりしてくれる……らしいんですよ。

えっと、ちょっと信じられないですよね。

正直、こういう話を聞くと、「いやいや、どうせあらかじめ設定した通りにしか動かないんでしょ？」って思いませんか？

私も最初は、「ああ、昔よくあったマクロ（自動でクリックするツール）の最新版みたいなものかな」と思ってました。

ちょっと話が逸れますが、私、昔単純作業を自動化しようとして、無料のクリックツールを使ったことがあるんです。でも、画面のサイズが少し変わっただけで全然違うところをクリックしちゃって、とんでもないことになった苦い記憶がありまして……。

だから、こういう「パソコンの自動操作」には、ちょっと疑り深いところがあったんです。

今までのツールとは何が違う気がするのか

でも、このUI-TARSについて公開されている情報（参照：UI-TARSのGitHubページなど）を読んでみると、どうやら仕組みが根本的に違うみたいなんです。

今までのツールは、「画面のこの座標（上から何センチのところ）をクリックしてね」という指示で動いていました。

でも、このAIは「画面そのものを人間の目みたいに『見て』理解している」らしいんです。 だから、ボタンの場所が少しずれていたり、デザインが変わったりしても、「あ、ここが検索ボタンだな」って自分で判断してクリックできるんだとか。

これ、なんだかすごくないですか？ 「パソコンの画面を理解できる」って、もう半分人間が中にいるようなものですよね。

私たちでも今日から使えるの？

ここが一番気になるところですよね。 「で、それは今日から私の仕事を手伝ってくれるの？」っていう。

うーん、これについては、現状だと「誰でも明日から簡単に使いこなせる！」という段階ではなさそうな気がします。

まだ開発が進んでいる途中の最新技術みたいで、自分のパソコンに入れて動かすには、ちょっとプログラミングに近い専門知識が必要みたいです。 私みたいな一般ユーザーが、スマホのアプリ感覚でポンと入れてすぐ使えるようになるには、もう少し時間がかかるのかな、と。

でも、これだけAIの進化が早いと、1年後くらいには「ねえAI、今日の夕飯のレシピ調べて、必要な材料をネットスーパーのカートに入れといて」なんて、普通にお願いできている世界が来るのかもしれないですよね。

おわりに

今回は、パソコンを自動で操作してくれるかもしれないAI「UI-TARS」について、私が調べた範囲で書いてみました。

まだ完全に理解できたわけじゃないですし、本当に自分の生活にすぐ入ってくるのかは未知数です。 でも、「パソコンの面倒な操作を、全部自分でやらなくてよくなる未来」が、すぐそこまで来ているのは間違いない気がします。

皆さんは、もしAIがパソコンを代わりに操作してくれるとしたら、何をお願いしたいですか？ 個人的にはやっぱり、面倒な家計簿の入力とか、メールの整理とかを丸投げしたいですね……（笑）。

また新しいことがわかったら、このブログでシェアしてみたいと思います。 それでは、今日はこの辺で！