एंथ्रोपिक भौतिक दुनिया में एआई एजेंट्स को सक्षम बनाने के लिए मॉडल हार्डवेयर स्टैंडर्ड (एमएचएस) लॉन्च करता है

Large language models have now truly grown hands.

इस सप्ताह के गुरुवार को, Anthropic ने हार्डवेयर के लिए MCP: Model Hardware Standard (MHS) लॉन्च करने की घोषणा की, जो सभी बड़े मॉडल आधारित AI एजेंट्स को भौतिक उपकरणों को सुरक्षित और तेजी से संचालित करने में मदद करने के लिए एक नया मानक है।

अब, Claude जैसे बड़े मॉडल माइक्रोस्कोप, मैकेनिकल आर्म, तरल प्रोसेसर, लेजर आदि हार्डवेयर को MCP (मॉडल कॉन्टेक्स्ट प्रोटोकॉल) की तरह फिजिकल दुनिया में ऑपरेट कर सकते हैं। इस प्रगति को उद्योग में AI के डिजिटल दुनिया से फिजिकल दुनिया में जाने का एक महत्वपूर्ण कदम माना जा रहा है।

जो लोग एजेंट का उपयोग करते हैं, उनमें से अधिकांश MCP के बारे में सुन चुके होंगे, जो Anthropic द्वारा नवंबर 2024 में लॉन्च की गई एक खुली मानक प्रोटोकॉल है, जिसका उद्देश्य बड़े भाषा मॉडल (LLM) और बाहरी डेटा स्रोतों, स्थानीय फ़ाइलों, विकास उपकरणों और विभिन्न एप्लिकेशन सेवाओं के बीच एक मानकीकृत, सुरक्षित द्विदिशात्मक संचार इंटरफ़ेस प्रदान करना है।

MCP की केंद्रीय स्थिति «AI क्षेत्र का USB-C इंटरफेस» है, जो बड़े मॉडल को GitHub, Slack, स्थानीय फाइल सिस्टम, डेटाबेस आदि सॉफ्टवेयर वातावरणों से जोड़ता है। पिछले कुछ वर्षों में AI तकनीक के विकास के साथ, MCP पूरे एजेंट पारिस्थितिकी का अनिवार्य वास्तविक मानक बन गया है।

अब Anthropic भी है, जो हार्डवेयर के माध्यम से MCP के माध्यम से इस मानक संचार विनिर्देश को भौतिक हार्डवेयर, सेंसर, एम्बेडेड सिस्टम और परीक्षण उपकरणों तक बढ़ाना चाहता है।

MHS का विकास Anthropic और हावर्ड ह्यूजेस मेडिकल इंस्टीट्यूट (HHMI) Janelia रिसर्च कैंपस के सहयोग से शुरू हुआ, और अब इसका अनुसंधान प्रीव्यू संस्करण पहले अनुसंधान प्रयोगशालाओं और उन्नत निर्माताओं के लिए उपलब्ध है।

सामान्यतः, प्रयोगशाला या निर्माण कारखाने को हार्डवेयर स्थापित और एकीकृत करने में सप्ताहों या महीनों का समय लगता है। अधिकांश उपकरणों के बीच सीधा संचार संभव नहीं होता, इसलिए विशेषज्ञों को कस्टम एकीकरण समाधान बनाने की आवश्यकता होती है। MHS इस एकीकरण कार्य को कुछ घंटों या कुछ मिनटों में समाप्त कर सकता है। इसके अलावा, AI को इन उपकरणों में एकीकृत करके, MHS शोधकर्ताओं और इंजीनियरों को स्वायत्त, 24/7 प्रयोग और प्रक्रियाओं को समन्वयित करने में आसानी प्रदान करता है। एजेंट प्रयोग के प्रत्येक चरण का तर्क दे सकते हैं, पैरामीटर को वास्तविक समय में अपडेट कर सकते हैं, और कुछ मामलों में, मानव हस्तक्षेप के बिना ही हार्डवेयर विफलता से बच सकते हैं।

MHS किसी भी प्रोग्रामेबल इंटरफेस वाले डिवाइस के साथ उपयोग किया जा सकता है, और यह बेस मॉडल के प्रकार से स्वतंत्र है; कोई भी एजेंट फ्रेमवर्क मानक प्रोटोकॉल, जैसे MCP, का उपयोग करके इसका उपयोग कर सकता है।

AI को सिस्टम में एकीकृत करने की अतिरिक्त कठिनाई को ध्यान में न लाएं, लैब या फैक्ट्री शॉपफ्लोर में कई उपकरणों को आपस में संचार करना आसान नहीं है। प्रत्येक उपकरण के पास अक्सर अपना अलग प्रोग्रामिंग इंटरफ़ेस होता है, और अभी तक कोई मानकीकृत एकीकरण विधि नहीं है। इसके अलावा, उपकरणों को कनेक्ट करने के बाद, उन्हें एजेंट के साथ डेटा साझा करने का कोई सामान्य तरीका नहीं है, और एजेंट द्वारा इन उपकरणों को सुरक्षित रूप से संचालित करने का कोई तरीका भी नहीं है।

अब, MHS इन चुनौतियों का सामना मानक ड्राइवर्स के माध्यम से करता है: यह एक सॉफ्टवेयर है जो कंप्यूटर ऑपरेटिंग सिस्टम और हार्डवेयर उपकरणों के बीच अनुवाद करता है। MHS ड्राइवर एक सरल बेसिक कमांड सेट का उपयोग करता है, जैसे पढ़ना (जैसे तापमान प्राप्त करना), लिखना (जैसे तापमान सेट करना) आदि, जिन्हें कोई भी हार्डवेयर उपकरण समझ सकता है और निष्पादित कर सकता है। यह प्रत्येक उपकरण को मानक प्रारूप में खोजने में सक्षम बनाता है, जिससे उपकरण और एजेंट आपस में खोज सकते हैं और नेटवर्क पर संचार कर सकते हैं, बिना दोनों के बीच कस्टम 'अनुवादक' प्रोग्राम के।

MHS ड्राइवर स्मार्ट एजेंट को अभी तक नहीं देखे गए उपकरणों को समझने और उपयोग करने में मदद कर सकते हैं और उन्हें केवल कोड द्वारा प्राप्त नहीं किए जा सकने वाली मशीनी विशेषताओं की जानकारी प्रदान कर सकते हैं (जैसे कि रोबोटिक बाह का वजन, जो सुरक्षित संचालन के लिए अत्यंत महत्वपूर्ण है)। अब तक, यह जानकारी अधिकांशतः कागजी हस्तलिखित पुस्तिकाओं, उपयोगकर्ता कंप्यूटर या अनुमानित ज्ञान के रूप में संग्रहीत की जाती रही है। लेकिन MHS ड्राइवर में टैग होते हैं, जिनके माध्यम से उपयोगकर्ता इन जानकारियों को प्राकृतिक भाषा में सीधे इनपुट कर सकते हैं (उपयोगकर्ता स्वयं इनपुट कर सकते हैं या AI द्वारा अपने हार्डवेयर सेटअप के बारे में पूछकर स्मार्ट एजेंट के साथ चैट करके)।

इन टैग्स की जानकारी का उपयोग करके, MHS ड्राइवर एक संदर्भ फ़ाइल स्वयं उत्पन्न करता है जिसमें उपकरण के सामान्य विशेषताओं की जानकारी शामिल होती है, जैसे कि यह क्या माप सकता है, क्या समायोजित किया जा सकता है और कौन सी सुरक्षा सीमाएँ लागू की जाएँगी। यह फ़ाइल एजेंट को उपकरण को संचालित करने के लिए सभी आवश्यक जानकारी प्रदान करती है।

डिवाइस कनेक्ट हो जाने और एजेंट प्रोग्राम को हर डिवाइस का उपयोग कैसे करना है, यह समझ जाने के बाद, इन हार्डवेयर को नियंत्रित करने की एक विधि की आवश्यकता होती है। MHS के लिए ऐसी तीन तंत्र हैं: MCP, कमांड लाइन इंटरफेस और कोड फाइल (API)। ये एक साथ काम करते हैं ताकि उपयोगकर्ता एक पंक्ति कोड के माध्यम से कई डिवाइस को समन्वयित कर सकें।

जब एजेंट उपकरणों को नियंत्रित करने में सक्षम हो जाता है, तो यह प्रत्येक उपकरण से ऑपरेशनल डेटा प्राप्त कर सकता है और उच्च स्तर पर कार्यों की निगरानी और दिशा-निर्देश दे सकता है। एजेंट विभिन्न उपकरणों के कार्य चरणों को क्रमबद्ध कर सकता है, परिणामों की निगरानी कर सकता है और वास्तविक समय में होने वाले परिवर्तनों के आधार पर पैरामीटर्स को समायोजित कर सकता है। जब एजेंट को लंबे समय तक चलने वाले कार्यों को निष्पादित करना हो या उपकरणों को अपनी ऑनलाइन निष्कर्षण क्षमता से अधिक गति से संचालित करना हो, तो यह एक या अधिक उपकरणों से ड्राइवर कमांड्स को कोड फ़ाइल में जोड़ सकता है। इस प्रकार, उपकरण स्वयं कार्य कर सकते हैं, बिना एजेंट के प्रत्येक चरण पर निष्कर्ष निकाले।

MHS के परीक्षण के दौरान, Anthropic ने पाया कि Claude प्रयोगों और हार्डवेयर के साथ वैज्ञानिक की तरह अन्वेषणात्मक रूप से बातचीत करता है।

Anthropic ने देखा कि Claude लेजर को समायोजित कर रहा है और कैमरे के माध्यम से परिणाम का निरीक्षण कर रहा है, यह मूल्यांकन कर रहा है कि समायोजन कैसे लेजर बीम को विस्थापित करता है, और फिर इस प्रक्रिया को दोहराकर घटनाओं के क्रम को समझने का प्रयास कर रहा है। इसके बाद, Claude ने सीखी गई जानकारी को एक कोड फ़ाइल में पैक किया, एक निर्धारणात्मक स्क्रिप्ट लिखी जिससे उसे प्रत्येक चरण पर तर्क करने की आवश्यकता नहीं है और लेजर कैलिब्रेट करने की पूरी प्रक्रिया एकल आदेश के रूप में चल सकती है।

MHS के विकास के दौरान, Anthropic ने बायोटेक्नोलॉजी, रोबोटिक्स, क्वांटम कंप्यूटिंग आदि क्षेत्रों के कई प्रयोगशालाओं और हार्डवेयर निर्माताओं के साथ इस तकनीक को साझा किया। इन प्रारंभिक परियोजनाओं में, हमने देखा कि MHS ने उपकरण समाकलन समय को कम किया, विभिन्न प्रयोगात्मक परिवेशों में आवर्तन दर को बढ़ाया, और मशीनों के रीयल-टाइम संचालन और खराबी का पता लगाने में मदद की।

हार्डवेयर आपूर्तिकर्ता और उनकी संबंधित सॉफ्टवेयर कंपनियाँ भी उपकरणों में MHS समर्थन एम्बेड कर रही हैं, ताकि एजेंट उपकरणों की खोज कर सकें और उनका संचालन कर सकें। उदाहरण के लिए:

अमेज़न वेब सर्विसेज (AWS) Strands Robots के माध्यम से MHS को समर्थन प्रदान करती है। यह एक ऐसा लाइब्रेरी है जो AI एजेंट्स को भौतिक उपकरणों से जोड़ती है। MHS रिसर्च प्रीव्यू के दौरान, AWS प्रतिभागियों को Strands Robots सॉफ्टवेयर पैकेज का निजी प्री-रिलीज संस्करण प्रदान करेगी।

Automata, अपने प्रयोगशाला स्वचालन प्लेटफॉर्म LINQ के लिए MHS समर्थन जोड़ रहा है, ताकि स्वायत्त प्रयोगशालाओं में उपकरणों के लिए बुद्धिमान त्रुटि संसाधन किया जा सके।

Danaher महत्वपूर्ण रूप से अन्वेषण कर रहा है कि MHS समर्थित कार्य कैसे उसके बुद्धिमान उपकरणों और स्वायत्त प्रयोगशालाओं को बायोमेडिकल अनुसंधान और विकास को मापदंड देने में सक्षम बना सकते हैं।

Doosan Robotics अपने मैनिपुलेटर्स का उपयोग MHS का परीक्षण कर रहा है, जिसमें स्वचालित गुणवत्ता निरीक्षण करना और कई रोबोट्स के बीच कार्यों को समन्वयित करना शामिल है।

MBF Bioscience, ScanImage के लिए MHS ड्राइवर विकसित कर रहा है, जो दुनिया भर के सैकड़ों न्यूरोसाइंस लैब्स में लेजर स्कैनिंग माइक्रोस्कोप चलाने के लिए उपयोग किया जाता है, ताकि AI एजेंट्स को रीयल-टाइम डेटा विश्लेषण और प्रयोगों में एकीकृत किया जा सके।

QIAGEN, अपने न्यूक्लिक एसिड शुद्धिकरण प्लेटफॉर्म QIAsymphony Connect पर कार्य के सत्यापन के माध्यम से MHS का परीक्षण कर रहा है, ताकि दर्शाया जा सके कि AI एजेंट कैसे प्रयोगशालाओं को उपकरणों की खराबी को तेजी से निकालने, संचालकों को पुनर्स्थापना के लिए मार्गदर्शन करने, उपकरणों के सक्रिय समय को बढ़ाने और जैविक नमूनों के जोखिम को कम करने में मदद कर सकते हैं।

Tecan अपने Fluent तरल पदार्थ प्रसंस्करण प्लेटफॉर्म के लिए MHS समर्थन जोड़ रहा है, ताकि AI एजेंट सीधे इन प्लेटफॉर्म्स को खोज सकें और उनका संचालन कर सकें।

Universal Robots ने MHS के उपयोग की अग्रिम अनुमति प्राप्त कर ली है और अपने रोबोट प्लेटफॉर्म पर MHS के समर्थन को जोड़ने की योजना बना रहा है।

ओपन सोर्स से पहले, एंथ्रोपिक इस मानक को और अधिक सुधारना चाहती है।

एक बड़े भाषा मॉडल के रूप में, क्लॉड टेक्स्ट और इमेज के माध्यम से भौतिक दुनिया सीखता है, जिसका अर्थ है कि इसकी स्थानिक और भौतिक तर्क क्षमता सीमित है और इसे अभी भी विशेषज्ञों की निगरानी की आवश्यकता है। उदाहरण के लिए, प्रोटीन सैंपल के साथ काम करते समय, जेनेटेक के शोधकर्ताओं को क्लॉड को निर्देश देना पड़ा कि सैंपल में बुलबुले बनने के कारण हुई त्रुटि एक सॉफ्टवेयर त्रुटि नहीं, बल्कि एक भौतिक खराबी है, जिसे केवल संबंधित भौतिक सुधारों से ही कम किया जा सकता है।

MHS अभी तक प्रोग्रामिंग इंटरफेस वाले हार्डवेयर के साथ संगत नहीं है, इसलिए Anthropic ऐसे उपकरणों के निर्माताओं के साथ काम कर रहा है ताकि MHS ड्राइवर को हार्डवेयर में एकीकृत किया जा सके। कई डेवलपर्स पहले से ही Claude Code का उपयोग करके एकल भौतिक उपकरणों को संचालित कर रहे हैं। MHS के अगले चरण में, Anthropic इस मानक को विस्तारित करना चाहता है ताकि डेवलपर्स द्वारा उपयोग किए जाने वाले अधिक उपकरणों को कवर किया जा सके।

प्रारंभिक उपयोगकर्ताओं में Hugging Face (जो अपने रोबोट लाइब्रेरी LeRobot में MHS समर्थन जोड़ रहे हैं) और Raspberry Pi (जो अपने Camera MHS ड्राइवर के साथ सफल परीक्षण के बाद अपने कई उत्पादों में MHS एकीकरण सक्षम कर रहे हैं) शामिल हैं।

Reference content:

https://www.anthropic.com/news/model-hardware-standard-research-preview

यह लेख वेचेन ग्रुप "मशीन इंटेलिजेंस" (ID: almosthuman2014) से आया है, लेखक: एजेंट पर ध्यान केंद्रित करने वाली मशीन इंटेलिजेंस