Các mô hình ngôn ngữ lớn hiện đã thực sự mọc tay rồi.
Vào thứ Năm tuần này, Anthropic đã công bố giới thiệu MCP dành cho phần cứng: Model Hardware Standard (MHS), một tiêu chuẩn mới nhằm giúp tất cả các tác nhân AI được điều khiển bởi mô hình lớn thao tác an toàn và nhanh chóng với các thiết bị vật lý.
Hiện tại, các mô hình lớn như Claude có thể điều khiển các thiết bị phần cứng như kính hiển vi, tay máy, thiết bị xử lý chất lỏng, laser... trong thế giới vật lý, tương tự như cách sử dụng MCP (Model Context Protocol). Tiến bộ này được ngành công nghiệp xem là bước đi quan trọng giúp AI chuyển từ thế giới số sang thế giới vật lý.
Người dùng agent ít nhiều đã nghe đến MCP, một giao thức tiêu chuẩn mở do Anthropic ra mắt vào tháng 11 năm 2024, nhằm cung cấp một giao diện giao tiếp hai chiều chuẩn hóa và an toàn giữa các mô hình ngôn ngữ lớn (LLM) với các nguồn dữ liệu bên ngoài, tệp cục bộ, công cụ phát triển và các dịch vụ ứng dụng khác nhau.
MCP được định vị cốt lõi là "giao diện USB-C cho lĩnh vực AI", có khả năng kết nối các mô hình lớn với các môi trường phần mềm như GitHub, Slack, hệ thống tệp cục bộ và cơ sở dữ liệu. Cùng với sự phát triển của công nghệ AI trong những năm gần đây, MCP đã trở thành tiêu chuẩn thực tế không thể thiếu trong toàn bộ hệ sinh thái tác nhân thông minh.
Hiện tại cũng là Anthropic, mong muốn thông qua phần cứng MCP, nâng cấp bộ tiêu chuẩn giao tiếp này lên mức phần cứng vật lý, cảm biến, hệ thống nhúng và thiết bị kiểm tra.
Việc phát triển MHS bắt đầu từ sự hợp tác giữa công ty Anthropic và Khu nghiên cứu Janelia của Viện Y học Howard Hughes (HHMI), và hiện đã mở bản xem trước nghiên cứu cho các phòng thí nghiệm khoa học và nhà sản xuất tiên tiến đầu tiên.
Thông thường, các phòng thí nghiệm hoặc nhà máy sản xuất cần vài tuần đến vài tháng để lắp đặt và tích hợp phần cứng. Hầu hết các thiết bị không thể giao tiếp trực tiếp với nhau, do đó cần chuyên gia xây dựng các giải pháp tích hợp tùy chỉnh. MHS có thể rút ngắn thời gian tích hợp này xuống còn vài giờ hoặc vài phút. Ngoài ra, bằng cách tích hợp AI vào các công cụ này, MHS còn giúp các nhà nghiên cứu và kỹ sư dễ dàng phối hợp các thí nghiệm và quy trình làm việc tự chủ, hoạt động 24/7. Các tác nhân có thể suy luận từng bước trong thí nghiệm, cập nhật thông số theo thời gian thực và trong một số trường hợp, có thể tự khôi phục từ sự cố phần cứng mà không cần can thiệp của con người.
MHS có thể được sử dụng cùng với bất kỳ thiết bị nào có giao diện có thể lập trình, và không phụ thuộc vào loại mô hình cơ sở; bất kỳ khung tác nhân nào cũng có thể sử dụng các giao thức tiêu chuẩn, chẳng hạn như MCP, để truy cập nó.
Ngay cả khi không tính đến độ phức tạp bổ sung khi tích hợp AI vào hệ thống, việc cho nhiều thiết bị trong phòng thí nghiệm hoặc xưởng sản xuất giao tiếp với nhau cũng không phải là điều dễ dàng. Mỗi thiết bị thường có giao diện lập trình riêng của mình, và hiện chưa có phương pháp tích hợp chuẩn hóa. Hơn nữa, sau khi các thiết bị được kết nối, vẫn không có phương pháp phổ quát để chúng chia sẻ dữ liệu với Agent, chưa nói đến việc cho phép Agent thao tác an toàn với các thiết bị này.
Hiện tại, MHS đang giải quyết những thách thức này bằng cách giới thiệu trình điều khiển chuẩn hóa: đây là một phần mềm chuyển đổi giữa hệ điều hành máy tính và thiết bị phần cứng. Trình điều khiển MHS sử dụng một tập hợp các lệnh cơ bản đơn giản, như đọc (ví dụ: lấy nhiệt độ), ghi (ví dụ: thiết lập nhiệt độ), v.v., mà bất kỳ thiết bị phần cứng nào cũng có thể hiểu và thực hiện. Nó cho phép mỗi thiết bị được phát hiện theo định dạng chuẩn, giúp thiết bị và tác nhân có thể phát hiện lẫn nhau và giao tiếp qua mạng mà không cần sử dụng các chương trình “dịch” tùy chỉnh giữa chúng.
Bộ điều khiển MHS còn giúp các tác nhân hiểu và sử dụng các thiết bị chưa từng thấy, đồng thời cung cấp cho chúng các thông tin về đặc tính máy mà chỉ dựa vào mã có thể không thu thập được (ví dụ: trọng lượng của tay máy, điều này cực kỳ quan trọng để vận hành an toàn). Cho đến nay, phần lớn thông tin này được lưu trữ trong sách hướng dẫn giấy, máy tính người dùng hoặc dưới dạng kiến thức ngầm. Nhưng bộ điều khiển MHS chứa các thẻ cho phép người dùng nhập trực tiếp những thông tin này bằng ngôn ngữ tự nhiên (người dùng có thể tự nhập hoặc thông qua cuộc trò chuyện với tác nhân, khi AI hỏi về cài đặt phần cứng của họ).
Sử dụng thông tin từ các thẻ này, trình điều khiển MHS sẽ tự động tạo một tệp tham chiếu chứa thông tin về các đặc tính chung của thiết bị, chẳng hạn như nó có thể đo gì, có thể điều chỉnh gì và sẽ áp đặt những hạn chế bảo mật nào. Tệp này cung cấp mọi thông tin cần thiết cho tác nhân để vận hành thiết bị.
Sau khi thiết bị đã được kết nối và chương trình agent đã hiểu cách sử dụng từng thiết bị, vẫn cần một phương pháp để kiểm soát các thiết bị phần cứng này. Đối với MHS, có ba cơ chế như vậy: MCP, giao diện dòng lệnh và tệp mã (API). Chúng hoạt động cùng nhau để cho phép người dùng điều phối nhiều thiết bị thông qua một dòng mã.
Khi tác nhân có thể kiểm soát thiết bị, nó có thể nhận dữ liệu vận hành từ mỗi thiết bị và giám sát, hướng dẫn công việc ở cấp độ cao hơn. Tác nhân có thể sắp xếp các bước vận hành của các thiết bị khác nhau, theo dõi kết quả và điều chỉnh thông số dựa trên các thay đổi thời gian thực. Khi tác nhân cần thực hiện các nhiệm vụ chạy lâu dài hoặc vận hành thiết bị với tốc độ vượt quá khả năng suy luận trực tuyến của nó, nó có thể nối các lệnh điều khiển từ một hoặc nhiều thiết bị vào tệp mã. Nhờ đó, thiết bị có thể tự thực hiện các thao tác mà không cần tác nhân suy luận tại từng bước.
Trong quá trình kiểm thử MHS, Anthropic phát hiện Claude tương tác với thí nghiệm và phần cứng một cách đầy tính tò mò như một nhà khoa học.
Anthropic quan sát thấy Claude đang điều chỉnh laser và quan sát kết quả qua camera, đánh giá cách điều chỉnh ảnh hưởng đến hướng chùm tia laser, sau đó lặp lại quá trình này để hiểu trình tự các sự kiện. Sau đó, Claude đóng gói thông tin đã học thành một tệp mã, viết một kịch bản xác định để hiệu chuẩn laser mà không cần suy luận từng bước, cho phép toàn bộ quá trình được thực hiện như một lệnh duy nhất.
Trong quá trình phát triển MHS, Anthropic đã chia sẻ công nghệ này với một số phòng thí nghiệm và nhà sản xuất phần cứng trong các lĩnh vực như công nghệ sinh học, robot và tính toán lượng tử. Trong các dự án ban đầu này, chúng ta có thể thấy MHS đã rút ngắn thời gian tích hợp thiết bị, tăng tốc độ lặp lại trong nhiều môi trường thí nghiệm khác nhau, đồng thời hỗ trợ vận hành thời gian thực và phát hiện sự cố của máy móc.
Các nhà cung cấp phần cứng và công ty phần mềm đi kèm cũng đã tích hợp hỗ trợ MHS vào thiết bị để các tác nhân có thể phát hiện và vận hành thiết bị. Ví dụ:
Amazon Web Services (AWS) hỗ trợ MHS thông qua Strands Robots, một thư viện dùng để kết nối các tác nhân AI với thiết bị vật lý. Trong giai đoạn nghiên cứu sơ bộ của MHS, AWS sẽ cung cấp phiên bản prerelease riêng của gói phần mềm Strands Robots cho những người tham gia.
Automata đang thêm hỗ trợ MHS cho nền tảng tự động hóa phòng thí nghiệm LINQ của mình để xử lý lỗi thông minh đối với các thiết bị trong phòng thí nghiệm tự chủ.
Danaher đang tích cực khám phá các tính năng được hỗ trợ bởi MHS để mở rộng quy mô các thiết bị thông minh và phòng thí nghiệm tự chủ trong nghiên cứu và phát triển sinh học y tế.
Doosan Robotics đang sử dụng tay máy của mình để thử nghiệm MHS, bao gồm thực hiện tự động hóa đảm bảo chất lượng và phối hợp các nhiệm vụ giữa nhiều robot.
MBF Bioscience đang phát triển trình điều khiển MHS cho ScanImage, phần mềm được sử dụng trong hàng trăm phòng thí nghiệm thần kinh học trên toàn cầu để vận hành kính hiển vi quét laser, nhằm tích hợp các tác nhân AI vào phân tích dữ liệu và thí nghiệm theo thời gian thực.
QIAGEN đang thử nghiệm MHS thông qua các thí nghiệm khái niệm trên nền tảng tinh chế axit nucleic QIAsymphony Connect để chứng minh cách các tác nhân AI có thể giúp phòng thí nghiệm loại bỏ sự cố thiết bị nhanh hơn, hướng dẫn nhân viên vận hành khôi phục hệ thống, tăng thời gian hoạt động của thiết bị và đồng thời giảm rủi ro đối với mẫu sinh học.
Tecan đang bổ sung hỗ trợ MHS cho nền tảng xử lý chất lỏng Fluent để các tác nhân AI có thể trực tiếp phát hiện và vận hành các nền tảng này.
Universal Robots đã nhận quyền sử dụng MHS sớm hơn dự kiến và lên kế hoạch thêm hỗ trợ cho MHS trên nền tảng robot của mình.
Trước khi mở nguồn, Anthropic vẫn muốn hoàn thiện thêm tiêu chuẩn này.
Là một mô hình ngôn ngữ lớn, Claude học về thế giới vật lý thông qua văn bản và hình ảnh, điều này có nghĩa là khả năng suy luận không gian và vật lý của nó còn hạn chế và vẫn cần sự giám sát của chuyên gia. Ví dụ, khi xử lý mẫu protein, các nhà nghiên cứu của Genentech phải hướng dẫn Claude nhận ra rằng sai số do mẫu sủi bọt là lỗi vật lý, chứ không phải lỗi phần mềm, và chỉ có thể được khắc phục thông qua các điều chỉnh vật lý tương ứng.
MHS hiện chưa tương thích với các thiết bị phần cứng không có giao diện lập trình, do đó Anthropic đang hợp tác với các nhà sản xuất thiết bị này để tích hợp trình điều khiển MHS vào phần cứng. Nhiều nhà phát triển đã và đang sử dụng Claude Code để vận hành các thiết bị vật lý đơn lẻ. Trong giai đoạn tiếp theo của MHS, Anthropic mong muốn mở rộng tiêu chuẩn này để bao phủ nhiều thiết bị hơn mà các nhà phát triển đang sử dụng.
Các người dùng sớm bao gồm Hugging Face (họ đang thêm hỗ trợ MHS vào thư viện robot LeRobot của mình) và Raspberry Pi (họ đang kích hoạt tích hợp MHS trên nhiều sản phẩm của mình sau khi thử nghiệm thành công với trình điều khiển Camera MHS của họ).
Nội dung tham khảo:
https://www.anthropic.com/news/model-hardware-standard-research-preview
Bài viết này đến từ tài khoản chính thức WeChat "Machine Heart" (ID: almosthuman2014), tác giả: Machine Heart quan tâm đến Agent