Anthropic ra mắt Model Hardware Standard: Chuẩn hóa kết nối AI với thiết bị vật lý

Model Hardware Standard (MHS) của Anthropic cung cấp cho các AI agent một giao diện thống nhất để điều khiển các thiết bị vật lý như kính hiển vi và cánh tay robot. Các thử nghiệm ban đầu trong phòng thí nghiệm và trên máy tính lượng tử đã giúp giảm đáng kể thời gian tích hợp, mặc dù Claude vẫn gặp khó khăn với các mối quan hệ nhân quả trong thế giới vật lý.

Các thiết bị trong phòng nghiên cứu và nhà máy thường đến từ nhiều nhà sản xuất khác nhau, sử dụng các API, định dạng dữ liệu và phần mềm điều khiển khác biệt, khiến việc kết nối chúng trở nên vô cùng tốn kém công sức. Anthropic muốn giải quyết vấn đề này bằng Model Hardware Standard (MHS), một tiêu chuẩn kỹ thuật cho phép các AI agent đọc dữ liệu từ và điều khiển phần cứng vật lý.

Anthropic cho biết MHS giúp giảm thời gian tích hợp thiết bị phòng thí nghiệm từ vài tuần hoặc vài tháng như thông thường xuống chỉ còn vài giờ hoặc vài phút. Công ty đã phát triển tiêu chuẩn này cùng với HHMI Janelia Research Campus và đang phát hành dưới dạng bản xem trước nghiên cứu (research preview) cho một số phòng thí nghiệm và nhà sản xuất chọn lọc, với kế hoạch phát hành mã nguồn mở trong tương lai.

Một driver cho mỗi thiết bị thay vì các tích hợp tùy chỉnh

Ý tưởng này được xây dựng dựa trên một dự án mà Anthropic đã triển khai cho phần mềm. Model Context Protocol (MCP) cung cấp cho các mô hình AI một cách thức tiêu chuẩn để truy cập vào các nguồn dữ liệu và công cụ bên ngoài. MHS mở rộng phương pháp đó sang các loại máy móc.

Mỗi thiết bị sẽ có một driver MHS giúp thống nhất các chức năng cơ bản như đọc và sửa đổi dữ liệu. Driver này giúp thiết bị có thể được nhận diện theo một định dạng chung và có thể bao gồm các chi tiết mà phần mềm đơn thuần không thể nắm bắt được, chẳng hạn như trọng lượng của cánh tay robot hoặc các giới hạn an toàn của nó. Người dùng có thể thêm thông tin này bằng ngôn ngữ tự nhiên, và MHS sẽ chuyển đổi nó thành một tệp tham chiếu cho agent.

Sau đó, một agent có thể nắm bắt các khả năng và giới hạn của một thiết bị mà nó chưa từng thấy trước đây và vận hành thiết bị đó thông qua một giao diện duy nhất. Dù vẫn cần có người viết driver cho từng phần cứng, nhưng một khi đã hoàn thành, driver đó có thể được tái sử dụng thay vì phải xây dựng lại cho mỗi tổ hợp thiết bị và bộ điều khiển.

Theo Anthropic, MHS không phụ thuộc vào mô hình (model-agnostic) và hoạt động với bất kỳ thiết bị nào có giao diện lập trình. Các agent có thể điều phối nhiều thiết bị và lưu lại các quy trình làm việc dưới dạng các tập lệnh (script) thông thường, sau đó có thể chạy mà không cần đến mô hình ngôn ngữ.

Cách Claude xử lý thiết bị phòng thí nghiệm thực tế

Anthropic đã thử nghiệm MHS với một số đối tác. Tại công ty công nghệ sinh học Genentech, Claude đã điều phối một thiết bị xử lý chất lỏng, một cánh tay robot và một máy đọc đĩa để tự động hóa quy trình xét nghiệm protein, một thử nghiệm đo nồng độ protein. Agent này đã tự tối ưu hóa các thông số hút mẫu cho các loại chất lỏng khác nhau, nhưng gặp sự cố khi bọt khí hình thành trong dung dịch có độ nhớt cao gây ra lỗi. Claude liên tục khởi động lại quy trình trong cùng một bình chứa với các thông số đã điều chỉnh, khiến tình hình trở nên tồi tệ hơn. Phải cần đến sự giải thích của con người về nguyên nhân vật lý thì agent mới tìm ra cách khắc phục khả thi.

Tại Đại học Carnegie Mellon, các nhà nghiên cứu đã kết nối một thiết bị xử lý chất lỏng, một máy đọc đĩa, một cánh tay robot và một số camera giám sát trên ba máy tính với các giao diện vốn không tương thích với nhau. Nhóm nghiên cứu cho biết việc xây dựng các driver và lớp điều phối chỉ mất khoảng tám giờ, so với vài tuần nếu thiết lập theo cách thông thường của nhà cung cấp. Claude cũng nhận thấy rằng lần chạy thử nghiệm đầu tiên không tạo ra đường cong đo lường đủ tốt, nên đã tự giảm nồng độ tối đa của chất đang thử nghiệm và đạt kết quả tốt hơn nhiều trong lần thử thứ hai.

Tại công ty máy tính lượng tử QuEra, Claude đã sử dụng MHS qua hàng trăm lần chạy tự động để phát triển một chương trình điều khiển giúp đưa tia laser trở lại trạng thái hoạt động ổn định sau khi bị gián đoạn. Tập lệnh thu được đã thành công 695 trên 700 lần trong một bài kiểm tra mù, đạt tỷ lệ thành công 99,3%, chạy hoàn toàn độc lập mà không cần sự can thiệp của mô hình ngôn ngữ.

Cả ba ví dụ trên đều đến từ các dự án đối tác do Anthropic trình bày và chưa được xác minh độc lập.

Sự giám sát của chuyên gia vẫn là một phần của quá trình thiết lập

Anthropic cho biết, vì Claude học về thế giới vật lý thông qua văn bản và hình ảnh, nên khả năng suy luận về không gian và vật lý của nó vẫn có những giới hạn cần sự giám sát của chuyên gia. Trong các thử nghiệm tại Genentech, các nhà nghiên cứu đã phải hướng dẫn Claude nhận ra rằng các lỗi do mẫu bị sủi bọt là lỗi vật lý chứ không phải lỗi phần mềm. Trong giai đoạn xem trước nghiên cứu, công ty dự định xây dựng thêm các đánh giá an toàn cùng với các đối tác và đang phát triển một lộ trình an toàn vật lý để ngăn chặn việc sử dụng sai mục đích.

Nếu phương pháp này thành công, nó có thể giúp các AI agent dễ dàng vượt ra khỏi các tác vụ kỹ thuật số thuần túy để tiến vào các phòng thí nghiệm, nhà máy và các hệ thống vật lý khác. Nhiều nhà sản xuất và tổ chức đã và đang xây dựng hỗ trợ MHS hoặc thử nghiệm tiêu chuẩn này, bao gồm AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face và Raspberry Pi.

Tin tức AI không thổi phồng – Được tuyển chọn bởi con người

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo độc quyền "AI Radar" sáu lần một năm, quyền truy cập toàn bộ kho lưu trữ và tham gia phần bình luận của chúng tôi.

Đăng ký ngay