Anthropic đã ra mắt bản xem trước nghiên cứu ban đầu của Model Hardware Standard (MHS) nhằm giúp các AI agent điều khiển thiết bị vật lý. Nếu bạn đang vận hành một phòng thí nghiệm hoặc nhà máy hiện đại, dự án này có thể thay thế hàng tuần viết mã tùy chỉnh bằng một tiêu chuẩn chung cho máy móc thực tế.
Cách tiêu chuẩn kết nối AI với các công cụ
Anthropic đã cùng phát triển MHS với HHMI Janelia Research Campus. Hệ thống này tạo ra một lớp phần mềm tiêu chuẩn nằm giữa hệ điều hành và các thiết bị vật lý. Nó nhắm tới các thiết bị có thể lập trình mà agent có thể vận hành song song, chẳng hạn như kính hiển vi, máy xử lý chất lỏng và cánh tay robot.
Thiết kế này hướng tới các công cụ vật lý thực tế. Giao diện mang lại cho các AI agent một số khả năng trực tiếp:
- Điều khiển tiêu chuẩn. Các agent sử dụng trình điều khiển dùng chung cùng các lệnh đọc và ghi cơ bản qua mạng cục bộ.
- Chuỗi tác vụ. Các agent có thể sắp xếp trình tự công việc, theo dõi tiến độ, điều chỉnh thông số và xâu chuỗi các bước phức tạp thông qua các tệp mã.
- Khả năng tương thích rộng. Tiêu chuẩn này không phụ thuộc vào mô hình và hoạt động với các khung quản lý agent sử dụng các giao thức phổ biến như
MCP.
Theo Anthropic, MHS có thể cắt giảm thời gian tích hợp phần cứng từ hàng tuần hoặc hàng tháng xuống còn vài giờ hoặc vài phút. Anthropic cũng cho biết các agent đôi khi có thể tự phục hồi sau các lỗi phần cứng mà không cần con người can thiệp.
Phần bạn chưa nên vội tin tưởng
Những tuyên bố về tốc độ tích hợp và khả năng phục hồi lỗi đó hoàn toàn đến từ tài liệu của chính Anthropic — chưa có ai bên ngoài công ty xác minh chúng. MHS hiện là bản xem trước nghiên cứu giới hạn cho đối tác, dành cho một nhóm nhỏ các phòng thí nghiệm nghiên cứu khoa học và các nhà sản xuất tiên tiến. Nó vẫn chưa phải là mã nguồn mở, chưa phát hành rộng rãi và chưa được chứng minh là an toàn cho môi trường vận hành thực tế.
Sai sót phần cứng mang lại mối nguy hiểm thực sự. Một lệnh gọi phần mềm thất bại có thể được khôi phục dễ dàng, nhưng một lệnh phần cứng sai sót thì không thể. Một chỉ thị sai có thể làm hỏng các mẫu vật đắt tiền, gãy vỡ dụng cụ tinh vi hoặc gây ra các hiểm họa vật lý.
Vì sao dự án này lại quan trọng
Hiện nay, việc kết nối một AI agent với thiết bị phòng thí nghiệm đòi hỏi mã nối tùy chỉnh cho từng thiết bị. Trở ngại tích hợp này khiến các AI agent chỉ dừng lại ở mức những bản demo đơn lẻ. Một lớp phần cứng dùng chung giúp việc so sánh các hệ thống agent, tái sử dụng công cụ và chuyển giao các mô hình tự động hóa giữa các cơ sở khác nhau trở nên dễ dàng hơn.
Các bước thực tế để thử nghiệm
Bạn không cần phải đợi đến khi phát hành công khai mới chuẩn bị. Nếu nhóm của bạn đang nghiên cứu các quy trình làm việc tự động, hãy lập bản đồ phân quyền thiết bị, nhật ký kiểm toán và các điều kiện dừng ngay từ bây giờ.
Hãy bắt đầu trong môi trường thử nghiệm an toàn trước. Khi thử nghiệm MHS, hãy làm theo các bước thực tế sau:
- So sánh thời gian thiết lập giữa mã tùy chỉnh và MHS trên cùng một tác vụ.
- Chạy các thử nghiệm ban đầu với phần cứng thử nghiệm thay vì các mẫu vật thực tế có giá trị cao.
- Luyện tập các kịch bản khôi phục khi thiết bị bị treo, đọc sai dữ liệu và gặp lỗi phát hiện mạng.
- Luôn yêu cầu con người phê duyệt trước khi chuyển từ chạy thử nghiệm sang các hoạt động vật lý thực tế.
Hãy theo dõi phản ứng của các nhà sản xuất thiết bị và xem liệu các phòng thí nghiệm độc lập có báo cáo kết quả có thể tái lập hay không. Cho đến lúc đó, MHS là một tín hiệu định hướng quan trọng, chứ chưa phải là một công cụ đã được chứng minh cho các phòng thí nghiệm tự hành.