Anthropic mở bản xem trước Tiêu chuẩn Phần cứng Mô hình (MHS): AI điều khiển thiết bị phòng thí nghiệm

Anthropic vừa mở cửa nghiên cứu xem trước cho Tiêu chuẩn Phần cứng Mô hình (Model Hardware Standard - MHS), một đặc tả chia sẻ nhằm cho phép AI an toàn vận hành các thiết bị vật lý trong phòng thí nghiệm và nhà máy. Tiêu chuẩn này giúp các tác nhân AI (agent) điều khiển song song nhiều thiết bị như kính hiển vi, máy xử lý chất lỏng và tay robot, từ thí nghiệm dược phẩm định kỳ đến hiệu chuẩn laser trong máy tính lượng tử. MHS được phát triển từ hợp tác giữa Anthropic và Viện nghiên cứu HHMI Janelia.

Vấn đề mà MHS giải quyết

Việc thiết lập và tích hợp thiết bị trong phòng thí nghiệm hoặc nhà máy thường mất nhiều tuần đến nhiều tháng do hầu hết các thiết bị không giao tiếp được với nhau, đòi hỏi các chuyên gia phải xây dựng tích hợp riêng (bespoke). MHS giải quyết bài toán này bằng cách giảm thời gian tích hợp xuống còn vài giờ hoặc vài phút.

Khi tích hợp AI vào các công cụ này, MHS giúp các nhà nghiên cứu và kỹ sư dễ dàng điều phối các thí nghiệm tự động, chạy liên tục 24/7. Các tác nhân AI có khả năng lý luận qua từng bước thí nghiệm, cập nhật tham số theo thời gian thực và trong một số trường hợp, tự phục hồi lỗi phần cứng mà không cần can thiệp của con người.

Cơ chế hoạt động của MHS

MHS giải quyết bài toán kết nối bằng cách giới thiệu một trình điều khiển (driver) chuẩn hóa — phần mềm biên dịch giữa hệ điều hành máy tính và thiết bị phần cứng. Điểm đặc biệt:

• Driver MHS sử dụng một tập hợp các lệnh cơ bản như "đọc" (ví dụ: "lấy nhiệt độ") và "ghi" (ví dụ: "cài đặt nhiệt độ") mà mọi thiết bị đều hiểu được.
• Các thiết bị được khám phá theo định dạng chuẩn, giúp chúng và các tác nhân AI tìm thấy nhau qua mạng mà không cần chương trình "phiên dịch" riêng.
• Driver chứa thẻ (tags) cho phép người dùng ghi thông tin về thiết bị bằng ngôn ngữ tự nhiên — như cân nặng của cánh tay robot — điều quan trọng để AI hiểu và thao tác an toàn.
• Từ đó, driver tự động tạo một tệp tham chiếu mô tả đặc tính tổng quát của thiết bị: đo được gì, điều chỉnh gì, giới hạn an toàn gì.

Sau khi kết nối, tác nhân AI có thể điều khiển phần cứng qua ba cơ chế: MCP (Model Context Protocol), giao diện dòng lệnh và tệp mã (API). Điều này cho phép phối hợp điều hành nhiều thiết bị chỉ qua một dòng lệnh duy nhất.

"Trong quá trình thử nghiệm MHS, chúng tôi thấy Claude tương tác với thí nghiệm và phần cứng một cách khám phá, giống như một nhà khoa học. Claude thực hiện điều chỉnh laser, quan sát kết quả qua camera, rồi lặp lại quy trình để hiểu chuỗi sự kiện." — Đội ngũ phát triển MHS tại Anthropic.

Kết quả ban đầu từ các đối tác

Những thử nghiệm đầu tiên cho thấy MHS giảm thời gian tích hợp thiết bị và tăng tốc độ lặp thí nghiệm:

• Genentech: Tự động hóa quy trình đo protein BCA assay, phối hợp giữa máy xử lý chất lỏng, tay robot và máy đọc đĩa.
• Đại học Washington (Baker và Pinglay labs): Xây dựng bảng điều khiển từ xa, giám sát qPCR có AI và tích hợp tay robot với máy xử lý chất lỏng không va chạm.
• Đại học Carnegie Mellon: Chạy thí nghiệm phản ứng liều lượng nhanh hơn 3 lần so với trước, AI điều phối bốn thiết bị trên ba máy tính không tương thích.
• HHMI Janelia: Hợp nhất và điều phối một hệ thống rig trước đây phải dùng tới bảy phần mềm nhà cung cấp khác nhau.
• QuEra Computing: AI kiểm soát một phần hệ thống laser trong máy tính lượng tử, tự phục hồi "khóa laser" 99,3% thời gian mà không cần con người.
• Tetsuwan Scientific: Tích hợp MHS để vận hành qPCR, đóng góp vào nghiên cứu khoa học cộng đồng về ô nhiễm môi trường tại California.

Sự ủng hộ từ các nhà cung cấp phần cứng

Nhiều nhà sản xuất lớn đang xây dựng hỗ trợ MHS cho thiết bị của họ:

• Amazon Web Services: Hỗ trợ MHS qua thư viện Strands Robots, cung cấp bản pre-release cho người tham gia.
• Automata: Thêm hỗ trợ MHS vào nền tảng tự động hóa phòng thí nghiệm LINQ.
• Danaher: Hợp tác để mở rộng khả năng cho các thiết bị thông minh và phòng thí nghiệm tự trị.
• Doosan Robotics: Thử nghiệm MHS với tay robot để đảm bảo chất lượng tự động.
• QIAGEN: Thử nghiệm trên nền tảng QIAsymphony Connect giúp khắc phục sự cố nhanh hơn.
• Universal Robots: Lên kế hoạch thêm hỗ trợ MHS sau giai đoạn truy cập sớm.

Giới hạn và hướng đi tiếp theo

Anthropic thừa nhận MHS vẫn còn những hạn chế: Claude học về thế giới vật lý qua văn bản và hình ảnh, nên khả năng lý luận không gian còn hạn chế, cần sự giám sát của chuyên gia. Ví dụ, các nhà nghiên cứu Genentech phải hướng dẫn Claude nhận ra lỗi do tạo bọt trong mẫu là lỗi vật lý, không phải lỗi phần mềm.

MHS hiện chưa hỗ trợ thiết bị không có giao diện lập trình, nhưng Anthropic đang làm việc với nhà sản xuất để xây dựng driver. Hugging Face sẽ thêm hỗ trợ MHS vào thư viện robot LeRobot, và Raspberry Pi đang kích hoạt tích hợp trên một số sản phẩm sau thử nghiệm thành công với Camera MHS Driver.

Anthropic dự kiến mở mã nguồn MHS sau khi hoàn thiện thêm các đánh giá an toàn với đối tác. Khi đó, họ sẽ công bố kết quả nghiên cứu như một phần trong hướng dẫn triển khai an toàn. Các bên quan tâm có thể đăng ký tham gia danh sách chờ cho bản nghiên cứu xem trước.

Nguồn gốc và đội ngũ phát triển

MHS bắt đầu từ sự hợp tác giữa Alek Kemeny (đội Beneficial Deployments của Anthropic) và Arco Bast (nhà khoa học sau tiến sĩ tại HHMI Janelia). Bast gặp khó khăn khi chạy thí nghiệm chụp não phức tạp trên hệ thống kết hợp laser, ống kính tự động và camera chuyên dụng không có giao diện chung. Anh đã phát triển một bộ nhớ chia sẻ cho phép các thiết bị giao tiếp ở tốc độ bộ nhớ, sau đó Kemeny và Bast cùng tích hợp AI vào giao diện này.

Với việc MHS được mở rộng, một tiêu chuẩn mới cho phép AI vận hành thế giới vật lý đang dần thành hình — một bước tiến quan trọng cho tự động hóa phòng thí nghiệm và sản xuất thông minh trong tương lai gần.