Anthropic ra mắt Tiêu chuẩn Phần cứng Mô hình (MHS): Đưa AI vào điều khiển thiết bị phòng thí nghiệm

Chúng tôi đang mở bản xem trước nghiên cứu của Model Hardware Standard (MHS), một đặc tả chung dành cho các tác nhân AI (AI agents) để vận hành thiết bị vật lý một cách an toàn, dành cho nhóm đầu tiên gồm các phòng thí nghiệm nghiên cứu khoa học và các nhà sản xuất tiên tiến. MHS cho phép các tác nhân AI vận hành đồng thời nhiều thiết bị phòng thí nghiệm và sản xuất, chẳng hạn như kính hiển vi, thiết bị xử lý chất lỏng và cánh tay robot, đồng thời thực hiện các tác vụ phức tạp từ các thí nghiệm khám phá thuốc định kỳ đến hiệu chuẩn laser trên máy tính lượng tử. Việc phát triển MHS bắt đầu từ sự hợp tác giữa Anthropic và HHMI Janelia Research Campus.

Thông thường, một phòng thí nghiệm hoặc cơ sở sản xuất phải mất vài tuần, thậm chí vài tháng để thiết lập và tích hợp phần cứng của họ. Hầu hết các thiết bị không giao tiếp được với nhau mà đòi hỏi các chuyên gia phải xây dựng các tích hợp tùy chỉnh. MHS rút ngắn công việc tích hợp này xuống còn vài giờ hoặc vài phút. Bằng cách kết hợp AI vào các công cụ này, MHS cũng giúp các nhà nghiên cứu và kỹ sư điều phối các thí nghiệm và quy trình làm việc tự động, hoạt động suốt ngày đêm một cách dễ dàng hơn, với các tác nhân có khả năng suy luận qua từng bước trong thí nghiệm, cập nhật tham số theo thời gian thực và trong một số trường hợp, tự phục hồi sau các lỗi phần cứng mà không cần sự can thiệp của con người.

Chúng tôi đang chia sẻ phiên bản sớm của MHS với các đối tác trong lĩnh vực khoa học, robot, điện tử và sản xuất để cùng hợp tác xây dựng các đánh giá an toàn và phát triển các phương pháp thực hành tốt nhất cho các hệ thống AI vận hành thiết bị vật lý, trước khi đưa tiêu chuẩn này thành mã nguồn mở. MHS hoạt động với bất kỳ thiết bị nào có giao diện lập trình. Nó cũng không phụ thuộc vào mô hình (model-agnostic) và bất kỳ bộ khung tác nhân (agent harness) nào cũng có thể truy cập nó bằng cách sử dụng các giao thức tiêu chuẩn, chẳng hạn như Model Context Protocol. Để đăng ký quyền truy cập bản xem trước nghiên cứu, hãy truy cập tại đây.

MHS hoạt động như thế nào

Việc khiến nhiều thiết bị trong phòng thí nghiệm hoặc trên sàn nhà máy giao tiếp với nhau có thể là một thách thức, ngay cả khi chưa tính đến độ khó tăng thêm của việc tích hợp AI vào hệ thống. Mỗi thiết bị thường có giao diện lập trình riêng và cho đến nay vẫn chưa có cách chuẩn hóa nào để tích hợp chúng. Và một khi các thiết bị đã được kết nối, cũng không có cách chung nào để chúng chia sẻ dữ liệu với một tác nhân AI, cũng như không có cách nào để tác nhân đó vận hành chúng một cách an toàn.

MHS giải quyết những thách thức này bằng cách giới thiệu một trình điều khiển (driver) chuẩn hóa: phần mềm đóng vai trò phiên dịch giữa hệ điều hành của máy tính và thiết bị phần cứng. Trình điều khiển MHS sử dụng một tập hợp các lệnh nguyên thủy đơn giản—các lệnh như “đọc” (ví dụ: “lấy nhiệt độ”) hoặc “ghi” (ví dụ: “thiết lập nhiệt độ”)—mà bất kỳ thiết bị phần cứng nào cũng có thể hiểu và thực hiện. Nó cũng giúp mỗi thiết bị có thể được khám phá theo một định dạng chuẩn, để các thiết bị và tác nhân có thể tìm thấy nhau và giao tiếp qua mạng mà không cần một chương trình “phiên dịch” tùy chỉnh ở giữa.

Trình điều khiển MHS cũng giúp tác nhân AI hiểu cách sử dụng một thiết bị mà nó chưa từng thấy trước đây, cung cấp cho nó thông tin về các đặc tính máy móc mà có thể không nhận biết được chỉ từ mã nguồn (ví dụ: trọng lượng của một cánh tay robot, điều quan trọng để biết cách thao tác an toàn). Cho đến nay, phần lớn thông tin này được lưu trữ trong các tài liệu hướng dẫn bằng giấy, trên máy tính của người dùng hoặc dưới dạng kiến thức ngầm định. Tuy nhiên, trình điều khiển MHS chứa các thẻ (tags) cho phép người dùng viết thông tin này trực tiếp bằng ngôn ngữ tự nhiên (người dùng có thể tự làm việc này hoặc thông qua trò chuyện với một tác nhân phỏng vấn họ về thiết lập phần cứng). Với thông tin từ các thẻ này, trình điều khiển MHS sẽ tự động tạo ra một tệp tham chiếu chứa thông tin về các đặc tính chung của thiết bị, chẳng hạn như những gì nó có thể đo lường, những gì có thể điều chỉnh và các giới hạn an toàn sẽ được thực thi. Tệp này cung cấp cho tác nhân mọi thứ cần biết để vận hành thiết bị.

Sau khi các thiết bị được kết nối và tác nhân biết cách sử dụng từng thiết bị, tác nhân cần một cách để điều khiển phần cứng. Đối với MHS, có ba cơ chế như vậy: MCP, giao diện dòng lệnh và các tệp mã (API). Chúng hoạt động cùng nhau để cho phép điều phối trên nhiều thiết bị thông qua một dòng mã duy nhất.

Khi tác nhân có thể điều khiển các thiết bị, nó có thể nhận dữ liệu vận hành từ từng thiết bị, đồng thời giám sát và chỉ đạo công việc ở cấp độ cao. Tác nhân có thể sắp xếp các bước giữa các thiết bị, theo dõi kết quả và điều chỉnh các tham số khi điều kiện thay đổi theo thời gian thực. Khi tác nhân cần thực hiện các tác vụ chạy dài hạn hoặc vận hành thiết bị nhanh hơn mức suy luận trực tuyến cho phép, nó có thể liên kết các lệnh điều khiển từ một hoặc nhiều thiết bị trong các tệp mã. Điều này cho phép các thiết bị tự thực hiện các thao tác mà tác nhân không cần phải suy luận ở từng bước.

Khi thử nghiệm MHS, chúng tôi nhận thấy Claude tương tác với các thí nghiệm và phần cứng theo cách khám phá, giống như cách một nhà khoa học thực hiện. Ví dụ, chúng tôi quan sát thấy Claude thực hiện điều chỉnh một tia laser, quan sát kết quả qua camera để đánh giá việc điều chỉnh của nó đã làm tia laser di chuyển như thế nào và lặp lại quy trình đó để hiểu trình tự các sự kiện. Sau đó, Claude đóng gói những gì nó đã học được vào các tệp mã, viết một tập lệnh tất định (deterministic script) cho phép nó căn chỉnh tia laser mà không cần phải suy luận ở từng bước, để toàn bộ quy trình có thể chạy như một lệnh duy nhất.

Các ví dụ ban đầu từ MHS

Chúng ta mới chỉ bắt đầu thấy những gì con người có thể làm với các mô hình tiên phong (frontier models) và MHS, nhưng hy vọng của chúng tôi là tiêu chuẩn này có thể hữu ích cho các nhà nghiên cứu, kỹ sư và những người thực hành khác trong việc tăng tốc quá trình khám phá và thử nghiệm trong bất kỳ lĩnh vực nào sử dụng các thiết bị có giao diện lập trình.

Trong quá trình phát triển MHS, chúng tôi đã chia sẻ nó với một số phòng thí nghiệm và nhà sản xuất phần cứng trong lĩnh vực công nghệ sinh học, robot, máy tính lượng tử và các lĩnh vực khác. Thông qua các dự án ban đầu này, chúng tôi thấy MHS giúp giảm thời gian tích hợp thiết bị, cho phép lặp lại nhanh hơn trong nhiều môi trường thí nghiệm khác nhau và hỗ trợ vận hành máy móc trực tiếp cũng như phát hiện lỗi theo thời gian thực. Dưới đây, các đối tác của chúng tôi chia sẻ chi tiết về một số dự án ban đầu của họ liên quan đến MHS.

Genentech: Triển khai MHS cho tự động hóa phòng thí nghiệm

Các nhà nghiên cứu tại Genentech đã triển khai và thử nghiệm MHS như một bằng chứng khái niệm (proof of concept) để tự động hóa xét nghiệm protein BCA, một quy trình tiêu chuẩn để đo tổng nồng độ protein trong mẫu, đòi hỏi sự phối hợp giữa thiết bị xử lý chất lỏng, cánh tay robot và máy đọc đĩa.

Đại học Washington, các phòng thí nghiệm Baker và Pinglay: Đưa các tác nhân AI vào bàn làm việc

Zihao Song, một nghiên cứu sinh tiến sĩ tại các phòng thí nghiệm Baker và Pinglay của Đại học Washington, đã sử dụng MHS để xây dựng một bảng điều khiển nhằm giám sát từ xa các thiết bị của mình; một quy trình qPCR được giám sát bởi tác nhân AI (sao chép một trình tự DNA mục tiêu thông qua các chu kỳ gia nhiệt và làm mát lặp đi lặp lại) giúp theo dõi các đường cong khuếch đại và dừng quy trình vào đúng thời điểm; và một tích hợp giữa cánh tay robot và thiết bị xử lý chất lỏng để chuyển đĩa mà không xảy ra va chạm.

Đại học Carnegie Mellon: Xác định các đường cong đáp ứng liều lượng thông qua tự động hóa nhanh

Các nhà nghiên cứu tại Đại học Carnegie Mellon đã sử dụng MHS để chạy các thí nghiệm đáp ứng liều lượng pha loãng nối tiếp nhanh hơn khoảng ba lần so với trước đây, với một tác nhân AI điều phối thiết bị xử lý chất lỏng, máy đọc đĩa, cánh tay robot và các camera giám sát được phân bổ trên ba máy tính với các giao diện về cơ bản là không tương thích.

HHMI Janelia: Sử dụng MHS để tăng tốc nghiên cứu hiển vi

Tại HHMI Janelia Research Campus, các nhà nghiên cứu đang sử dụng MHS để tăng tốc một loạt các dự án liên quan đến kính hiển vi. Tại đây, Virginie Ruetten, một nhà khoa học trong phòng thí nghiệm Ahrens, người nghiên cứu cách giấc ngủ giúp cơ thể phục hồi sau căng thẳng, chia sẻ cách cô sử dụng MHS để thống nhất và điều phối một hệ thống trước đây bao gồm bảy chương trình của các nhà cung cấp khác nhau mà không có giao diện chung.

QuEra Computing: Sử dụng MHS trong ổn định laser lượng tử

QuEra, một công ty chế tạo máy tính lượng tử sử dụng các nguyên tử trung hòa, đã sử dụng MHS để trao quyền cho tác nhân AI kiểm soát các bộ phận của hệ thống laser bên trong máy tính lượng tử của họ. Tác nhân này đã phát triển một bộ điều khiển giúp khôi phục “khóa” của tia laser—tần số siêu chính xác mà các tia laser phải duy trì để tương tác với các nguyên tử—đạt tỷ lệ 99,3% mà không cần sự can thiệp của con người.

Tetsuwan Scientific: Sử dụng MHS để chạy qPCR nhằm lập hồ sơ ô nhiễm địa phương

Các nhà nghiên cứu tại Tetsuwan đã tích hợp MHS với nền tảng phòng thí nghiệm sinh học tự động của họ, ResearchOS. MHS đã giúp điều phối quy trình qPCR để đóng góp vào các nỗ lực khoa học công dân nhằm xác định đặc điểm ô nhiễm tại San Pedro Creek, California.

01 /

06

Các nhà cung cấp phần cứng và các công ty phần mềm hỗ trợ họ cũng đang tích hợp hỗ trợ MHS vào thiết bị của mình để các tác nhân AI có thể dễ dàng khám phá và vận hành thiết bị của họ hơn. Ví dụ:

Tham gia bản xem trước nghiên cứu

Những kết quả ban đầu từ các đối tác của chúng tôi rất đáng khích lệ, nhưng chúng tôi còn nhiều việc phải làm với tiêu chuẩn này trước khi mở mã nguồn. Là một mô hình ngôn ngữ lớn, Claude tìm hiểu về thế giới vật lý thông qua văn bản và hình ảnh, nghĩa là khả năng suy luận không gian và vật lý của nó có những hạn chế vẫn cần sự giám sát của chuyên gia. Ví dụ, khi làm việc với các mẫu protein, các nhà nghiên cứu tại Genentech đã phải hướng dẫn Claude nhận ra rằng các lỗi do tạo bọt trong mẫu là lỗi vật lý, không phải lỗi phần mềm, và chỉ có thể được giảm thiểu thông qua các điều chỉnh vật lý phù hợp.

MHS cũng chưa hoạt động với phần cứng thiếu giao diện lập trình, vì vậy chúng tôi đang làm việc với các nhà sản xuất các thiết bị như vậy để tích hợp trình điều khiển MHS. Nhiều nhà phát triển đã sử dụng Claude Code để làm việc với từng thiết bị vật lý riêng lẻ; đối với giai đoạn tiếp theo của MHS, chúng tôi hy vọng sẽ mở rộng tiêu chuẩn để bao phủ nhiều thiết bị hơn mà các nhà phát triển đang xây dựng. Những người áp dụng sớm bao gồm Hugging Face, họ đang thêm hỗ trợ MHS vào LeRobot, thư viện robot của họ, và Raspberry Pi, họ đang cho phép tích hợp MHS trên một số sản phẩm của mình sau các thử nghiệm thành công bằng cách sử dụng Camera MHS Driver của họ.

Chúng tôi cũng sẽ sử dụng bản xem trước nghiên cứu để xây dựng các đánh giá an toàn bổ sung với các đối tác ra mắt và tăng cường bảo vệ cho việc sử dụng AI trong thế giới vật lý. Chúng tôi đang phát triển một lộ trình an toàn vật lý để củng cố hơn nữa chính sách bảo vệ và phạm vi thực thi của chúng tôi chống lại rủi ro lạm dụng. Khi chúng tôi mở mã nguồn MHS, chúng tôi sẽ công bố các phát hiện từ bản xem trước nghiên cứu như một phần trong hướng dẫn triển khai tiêu chuẩn một cách an toàn.

Chúng tôi mời các bên liên quan trong các ngành tham gia danh sách chờ cho bản xem trước nghiên cứu MHS của chúng tôi. Nếu bạn muốn tham gia, hãy gửi thông tin của bạn tại đây.

Lời cảm ơn

MHS bắt đầu như một sự hợp tác giữa Alek Kemeny thuộc nhóm Beneficial Deployments của Anthropic và Arco Bast, một nhà khoa học sau tiến sĩ tại HHMI Janelia Research Campus. Bast đã thực hiện các thí nghiệm hình ảnh não phức tạp trên một hệ thống kết hợp laser, bộ lấy nét cơ giới và các camera chuyên dụng từ các nhà cung cấp khác nhau mà không có giao diện chung. Để tăng tốc các thí nghiệm của mình, anh đã phát triển một từ điển bộ nhớ chia sẻ cho phép các thiết bị giao tiếp với nhau ở tốc độ bộ nhớ. Kemeny và Bast đã làm việc cùng nhau để tích hợp các mô hình AI vào giao diện đó.

Chúng tôi cảm ơn tất cả những người đã đóng góp cho công việc này cho đến nay, bao gồm nhưng không giới hạn ở Aaron Boswell, Ben Arthur, Boaz Mohar, Gagan Bhat, Mark Kittisopikul, Nadine Yasser, Nick Purcell, Takashi Kawase và Virginie Ruetten. Chúng tôi mong muốn thúc đẩy MHS cùng với các đối tác trong ngành và sớm nhất có thể là với cộng đồng mã nguồn mở.

Nội dung liên quan

Mở rộng hỗ trợ cho các nhà khoa học

Bắt đầu từ hôm nay, 10.000 nhà khoa học trên khắp thế giới có thể nhận Claude miễn phí để bắt đầu. Các nhà nghiên cứu chính (principal investigators) đã được xác minh đủ điều kiện cho gói đăng ký Claude Team và sau đó thêm nhóm nghiên cứu của họ vào các chỗ ngồi Standard miễn phí, hoặc chỗ ngồi Premium với giá 15 đô la mỗi tháng, trong tối đa một năm.