Model bahasa besar kini benar-benar telah mengembangkan tangan.
Pada hari Kamis minggu ini, Anthropic mengumumkan pelancaran MCP untuk peranti keras: Model Hardware Standard (MHS), sebuah piawaian baharu yang bertujuan membantu semua agen AI yang didorong oleh model besar mengendalikan peranti fizikal dengan selamat dan pantas.
Sekarang, model besar seperti Claude boleh mengendalikan peralatan fizikal seperti mikroskop, lengan mekanikal, pemproses cecair, dan laser, sebagaimana menggunakan MCP (Model Context Protocol). Kemajuan ini dianggap sebagai langkah penting oleh industri dalam peralihan AI dari dunia digital ke dunia fizikal.
Sebilangan pengguna agen pasti pernah mendengar tentang MCP, protokol open standard yang dilancarkan oleh Anthropic pada November 2024, yang bertujuan untuk menyediakan antaramuka komunikasi dua hala yang standard dan selamat antara model bahasa besar (LLM) dengan sumber data luar, fail tempatan, alat pembangunan, dan pelbagai perkhidmatan aplikasi.
MCP diletakkan sebagai "antaramuka USB-C untuk bidang AI", yang mampu menghubungkan model besar dengan persekitaran perisian seperti GitHub, Slack, sistem fail tempatan, dan pangkalan data. Seiring dengan perkembangan teknologi AI dalam beberapa tahun terakhir, MCP telah berkembang menjadi standard de facto yang tak terpisahkan dalam ekosistem agen pintar.
Sekarang juga Anthropic, berharap melalui peranti keras MCP, memperluas standard komunikasi ini ke peranti keras fizikal, sensor, sistem terbenam, dan peranti ujian.
Pembangunan MHS bermula daripada kerjasama antara syarikat Anthropic dan Janelia Research Campus, Howard Hughes Medical Institute (HHMI), dan kini versi pra-penyelidikan telah dibuka kepada laboratorium penyelidikan dan pengilang canggih pertama.
Biasanya, makmal atau pabrik pembuatan memerlukan berminggu-minggu hingga berbulan-bulan untuk memasang dan mengintegrasikan peralatan. Kebanyakan peralatan tidak dapat berkomunikasi secara langsung, oleh itu memerlukan pakar membina penyelesaian integrasi tersuai. MHS boleh mengurangkan masa integrasi ini kepada beberapa jam atau bahkan beberapa minit. Selain itu, dengan mengintegrasikan AI ke dalam alat-alat ini, MHS juga membantu penyelidik dan jurutera untuk lebih mudah mengkoordinasikan eksperimen dan alur kerja autonomi yang beroperasi 24 jam. Agen mampu menarik kesimpulan mengenai setiap langkah eksperimen, mengemas kini parameter secara masa nyata, dan dalam beberapa kes, pulih daripada kegagalan peralatan tanpa campur tangan manusia.
MHS boleh digunakan bersama mana-mana peranti yang mempunyai antaramuka boleh atur, dan ia tidak bergantung kepada jenis model asas; mana-mana kerangka agen boleh menggunakan protokol standard seperti MCP untuk mengaksesnya.
Walaupun tidak mempertimbangkan kesukaran tambahan dalam mengintegrasikan AI ke dalam sistem, membuat pelbagai peranti di makmal atau lantai kilang berkomunikasi antara satu sama lain bukanlah perkara yang mudah. Setiap peranti biasanya mempunyai antaramuka pengaturcaraan sendiri, dan belum ada kaedah integrasi yang distandardkan. Selain itu, selepas peranti disambungkan, tiada kaedah universal untuk membolehkan mereka berkongsi data dengan Agent, apalagi membolehkan Agent mengendalikan peranti-peranti ini dengan selamat.
Sekarang, MHS mengatasi cabaran-cabaran ini dengan memperkenalkan driver standard: driver ini adalah perisian yang menterjemahkan antara sistem pengendalian komputer dan peranti keras. Driver MHS menggunakan set perintah asas yang mudah, seperti baca (contohnya, mendapatkan suhu), tulis (contohnya, menetapkan suhu), dan sebagainya, yang boleh difahami dan dilaksanakan oleh mana-mana peranti keras. Ia membolehkan setiap peranti ditemui dalam format standard, membolehkan peranti dan agen saling menemui dan berkomunikasi melintasi rangkaian tanpa memerlukan program 'terjemahan' khusus di antara keduanya.
Penggerak MHS juga dapat membantu agen memahami dan menggunakan peranti yang belum pernah dilihat sebelumnya, serta menyediakan maklumat ciri mesin yang mungkin tidak boleh diperoleh hanya melalui kod (seperti berat lengan mekanikal, yang sangat penting untuk operasi selamat). Sejauh ini, maklumat ini kebanyakannya disimpan dalam manual kertas, komputer pengguna, atau sebagai pengetahuan tersirat. Tetapi penggerak MHS mengandungi label yang membolehkan pengguna memasukkan maklumat ini secara langsung menggunakan bahasa semula jadi (pengguna boleh memasukkannya sendiri, atau melalui perbualan dengan agen, di mana AI akan menanya tentang tetapan peranti kerasnya).
Menggunakan maklumat dalam tag-tag ini, pemandu MHS akan menghasilkan fail rujukan secara automatik yang mengandungi maklumat ciri umum peranti, seperti apa yang boleh diukur, apa yang boleh disesuaikan, dan sekatan keselamatan apa yang akan dikenakan. Fail ini memberikan semua maklumat yang diperlukan oleh agen untuk mengendalikan peranti.
Setelah peranti disambungkan dan agen memahami cara menggunakan setiap peranti, diperlukan cara untuk mengawal peranti-peranti keras ini. Bagi MHS, terdapat tiga mekanisme seperti itu: MCP, antaramuka baris arahan, dan fail kod (API). Ketiganya bekerjasama untuk membolehkan pengguna mengkoordinasikan beberapa peranti melalui satu baris kod.
Apabila agen mampu mengawal peranti, ia boleh menerima data operasi dari setiap peranti dan mengawasi serta membimbing operasi pada aras tinggi. Agen boleh menyusun langkah-langkah operasi untuk pelbagai instrumen, memantau hasil, dan menyesuaikan parameter berdasarkan perubahan secara masa nyata. Apabila agen perlu menjalankan tugas jangka panjang atau mengendalikan peranti pada kelajuan yang melebihi kemampuan inferensnya semasa dalam talian, ia boleh menggabungkan arahan pemandu dari satu atau lebih peranti ke dalam fail kod. Dengan cara ini, peranti boleh menjalankan operasi sendiri tanpa agen perlu membuat inferens pada setiap langkah.
Semasa menguji MHS, Anthropic mendapati bahawa Claude berinteraksi dengan eksperimen dan peralatan dengan cara yang penuh penyelidikan, seolah-olah seorang saintis.
Anthropic memperhatikan bahawa Claude menyesuaikan laser dan memantau hasilnya melalui kamera, menilai bagaimana penyesuaian tersebut menggerakkan sinar laser, kemudian mengulangi proses ini untuk memahami urutan peristiwa. Selepas itu, Claude mengemas maklumat yang dipelajari menjadi fail kod, menulis skrip penentu yang membolehkannya mengkalibrasi laser tanpa perlu membuat pertimbangan pada setiap langkah, sehingga keseluruhan proses boleh dijalankan sebagai satu arahan sahaja.
Semasa membangunkan MHS, Anthropic berkongsi teknologi ini dengan beberapa laboratorium dan pembuat peranti di bidang bioteknologi, robotik, dan pengiraan kuantum. Dalam projek awal ini, kami melihat MHS memperpendek masa integrasi peranti, meningkatkan kelajuan iterasi dalam pelbagai persekitaran eksperimen, serta membantu operasi masa nyata dan pengesanan kegagalan mesin.
Pembekal peranti dan syarikat perisian berkaitan juga telah membina sokongan MHS ke dalam peranti, supaya agen dapat mengesan dan mengendalikan peranti. Contohnya:
Amazon Web Services (AWS) menyokong MHS melalui Strands Robots, sebuah pustaka untuk menghubungkan agen AI ke peralatan fizikal. Semasa pra-pelancaran penyelidikan MHS, AWS akan memberikan versi pra-rilis peribadi pakej Strands Robots kepada peserta.
Automata sedang menambahkan sokongan MHS kepada platform automasi makmal LINQ mereka untuk penanganan ralat pintar terhadap peralatan dalam makmal autonomi.
Danaher sedang secara aktif menyelidiki bagaimana fungsi yang disokong oleh MHS dapat membolehkan instrumen pintar dan laboratorium autonominya memperluas skala penyelidikan dan pembangunan biomedi.
Doosan Robotics sedang menguji MHS menggunakan lengan robotiknya, termasuk melaksanakan jaminan kualiti automatik dan mengkoordinasikan tugas antara beberapa robot.
MBF Bioscience sedang membangun pemandu MHS untuk ScanImage, perisian yang digunakan di ratusan makmal neurosains di seluruh dunia untuk menjalankan mikroskop pemindai laser, dengan tujuan mengintegrasikan agen AI ke dalam analisis data dan eksperimen secara masa nyata.
QIAGEN sedang menguji MHS melalui konsep bukti kerja di platform pemurnian asid nukleik QIAsymphony Connect untuk menunjukkan bagaimana agen AI boleh membantu makmal mengesan dan mengatasi gangguan peralatan lebih cepat, membimbing operator dalam pemulihan, meningkatkan masa operasi peralatan, serta mengurangkan risiko sampel biologi.
Tecan sedang menambahkan sokongan MHS kepada platform pemprosesan cecair Fluentnya, supaya agen AI boleh secara langsung mengesan dan mengendalikan platform-platform ini.
Universal Robots telah mendapatkan akses awal kepada MHS dan merancang untuk menambahkan sokongan kepada MHS di platform robotiknya.
Sebelum sumber terbuka, Anthropic masih ingin menyempurnakan piawaian ini lebih lanjut.
Sebagai model bahasa besar, Claude belajar tentang dunia fizikal melalui teks dan gambar, yang bermakna kemampuan penalaran ruang dan fizikalnya terhadap batasan dan masih memerlukan pengawasan pakar. Sebagai contoh, semasa mengendalikan sampel protein, penyelidik Genentek mesti membimbing Claude untuk mengenal pasti bahawa kesilapan yang disebabkan oleh buih dalam sampel adalah kegagalan fizikal, bukan ralat perisian, dan hanya boleh dikurangkan melalui koreksi fizikal yang sesuai.
MHS saat ini tidak kompatibel dengan peranti yang tidak memiliki antaramuka pengaturan program, oleh itu Anthropic bekerjasama dengan pembuat peranti sebegini untuk mengintegrasikan pemandu MHS ke dalam peranti. Banyak pembangun sudah menggunakan Claude Code untuk mengendalikan peranti fizikal tunggal. Pada peringkat seterusnya MHS, Anthropic ingin memperluaskan piawaian ini supaya dapat merangkumi lebih banyak peranti yang digunakan oleh pembangun.
Pengguna awal termasuk Hugging Face (yang sedang menambahkan sokongan MHS ke dalam pustaka robot mereka, LeRobot) dan Raspberry Pi (yang sedang mengaktifkan integrasi MHS dalam pelbagai produk mereka setelah berjaya menguji penggerak Kamera MHS mereka).
Rujukan:
https://www.anthropic.com/news/model-hardware-standard-research-preview
Artikel ini berasal daripada akaun微信公众号 "Machine Heart" (ID: almosthuman2014), penulis: Machine Heart yang memperhatikan Agent