Η Anthropic άνοιξε την Πέμπτη μια ερευνητική προεπισκόπηση του Model Hardware Standard (MHS), μιας κοινής προδιαγραφής που έχει σχεδιαστεί για να επιτρέπει στους πράκτορες AI να χειρίζονται με ασφάλεια φυσικές συσκευές όπως μικροσκόπια, χειριστές υγρών και ρομποτικούς βραχίονες, σύμφωνα με ανακοίνωση που δημοσιεύτηκε στον ιστότοπο της εταιρείας.
Η εταιρεία δίνει σε μια πρώτη ομάδα εργαστηρίων επιστημονικής έρευνας και προηγμένων κατασκευαστών πρόσβαση στην προεπισκόπηση και λέει ότι σκοπεύει να δημιουργήσει το πρότυπο ανοιχτού κώδικα μόλις αναπτυχθούν αξιολογήσεις ασφάλειας και βέλτιστες πρακτικές με συνεργάτες στην επιστήμη, τη ρομποτική, την ηλεκτρονική και την κατασκευή.
Επίλυση της συμφόρησης της ολοκλήρωσης
Η Anthropic λέει ότι το έργο ξεκίνησε ως συνεργασία με το HHMI Janelia Research Campus, την ερευνητική πανεπιστημιούπολη του Ιατρικού Ινστιτούτου Howard Hughes. Το πρόβλημα που στοχεύει είναι γνωστό σε οποιονδήποτε έχει εργαστεί σε εργαστήριο ή σε εργοστάσιο: τα περισσότερα όργανα δεν επικοινωνούν μεταξύ τους και η ενσωμάτωσή τους συνήθως απαιτεί εβδομάδες ή μήνες εξειδικευμένης εργασίας για τη δημιουργία εξατομικευμένων συνδέσεων.
Με το MHS, η Anthropic λέει ότι η εργασία ολοκλήρωσης συρρικνώνεται σε ώρες ή λεπτά. Μόλις συνδεθούν οι συσκευές, οι πράκτορες τεχνητής νοημοσύνης μπορούν να ενορχηστρώσουν αυτόνομα πειράματα όλο το εικοσιτετράωρο, να συλλογιστούν σε κάθε βήμα ενός πειράματος, να ενημερώνουν τις παραμέτρους σε πραγματικό χρόνο και, σε ορισμένες περιπτώσεις, να ανακτούν από σφάλματα υλικού χωρίς ανθρώπινη παρέμβαση. Η εταιρεία λέει ότι το πρότυπο έχει ήδη χρησιμοποιηθεί για εργασίες που κυμαίνονται από πειράματα ρουτίνας ανακάλυψης φαρμάκων έως βαθμονόμηση λέιζερ σε κβαντικό υπολογιστή.
Για περισσότερη κάλυψη των εργαλείων που αναδιαμορφώνουν την ανάπτυξη της τεχνητής νοημοσύνης, το [AI Buzz Wire παρακολουθεί κάθε σημαντική κυκλοφορία] (https://aibuzzwire.news) σε ολόκληρο τον κλάδο.
Πώς λειτουργεί το πρότυπο
Στον πυρήνα του MHS βρίσκεται ένα τυποποιημένο πρόγραμμα οδήγησης: λογισμικό που μεταφράζεται μεταξύ του λειτουργικού συστήματος ενός υπολογιστή και μιας συσκευής υλικού. Το πρόγραμμα οδήγησης εκθέτει ένα απλό σύνολο πρωτόγονων - εντολές όπως "read" (για παράδειγμα, λήψη θερμοκρασίας) ή "write" (ρυθμισμένη θερμοκρασία) - που οποιαδήποτε συσκευή υλικού μπορεί να κατανοήσει και να ενεργήσει.
Κάθε συσκευή είναι επίσης ανιχνεύσιμη σε τυπική μορφή, έτσι ώστε οι πράκτορες και τα όργανα να μπορούν να βρουν ο ένας τον άλλον σε ένα δίκτυο χωρίς προσαρμοσμένο μεταφραστή ενδιάμεσα. Σύμφωνα με το Anthropic, ο οδηγός δίνει επιπλέον σε έναν πράκτορα τη γνώση των συμφραζομένων που παραδοσιακά ζουν σε εγχειρίδια σε χαρτί ή στο κεφάλι ενός τεχνικού - για παράδειγμα, το βάρος ενός βραχίονα ρομπότ, που έχει σημασία για τον ασφαλή χειρισμό του. Οι χρήστες μπορούν να γράψουν αυτές τις πληροφορίες σε ετικέτες φυσικής γλώσσας οι ίδιοι ή να συνομιλήσουν με έναν πράκτορα που τους παίρνει συνέντευξη σχετικά με τη ρύθμιση του υλικού τους. Στη συνέχεια, το πρόγραμμα οδήγησης παράγει αυτόματα ένα αρχείο αναφοράς που περιγράφει τι μπορεί να μετρήσει η συσκευή, τι μπορεί να προσαρμοστεί και ποια όρια ασφαλείας θα επιβληθούν.
Οι πράκτορες ελέγχουν το υλικό μέσω τριών μηχανισμών: του Πρωτοκόλλου Περιεχομένου Μοντέλου (MCP), μιας διεπαφής γραμμής εντολών και αρχείων κώδικα που περιέχουν API. Μαζί, λέει ο Anthropic, αυτά επιτρέπουν σε έναν πράκτορα να ενορχηστρώνει πολλαπλές συσκευές με μία μόνο γραμμή κώδικα, να ακολουθεί τα βήματα στα όργανα, να παρακολουθεί τα αποτελέσματα και να προσαρμόζει τις παραμέτρους καθώς αλλάζουν οι συνθήκες.
Τι παρατήρησε ο Anthropic με τον Claude
Σε δοκιμές, το Anthropic αναφέρει ότι ο Claude αλληλεπιδρούσε με το υλικό με έναν διερευνητικό τρόπο που μοιάζει με τον τρόπο λειτουργίας ενός επιστήμονα. Σε ένα παράδειγμα, το μοντέλο προσάρμοσε ένα λέιζερ, παρατήρησε τα αποτελέσματα μέσω μιας κάμερας για να δει πώς κινήθηκε η δέσμη και επανέλαβε τη διαδικασία για να κατανοήσει τη σειρά των γεγονότων. Στη συνέχεια, ο Claude συσκεύασε ό,τι είχε μάθει σε ένα ντετερμινιστικό σενάριο, επιτρέποντας στη διαδικασία ευθυγράμμισης να εκτελεστεί ως μια ενιαία εντολή χωρίς το μοντέλο να συλλογίζεται σε κάθε βήμα.
Αυτό το μοτίβο - ένας πράκτορας που εξερευνά διαδραστικά και στη συνέχεια συγκεντρώνει τα ευρήματά του σε επαναλαμβανόμενο κώδικα - είναι κεντρικός στο πώς η Anthropic αναμένει ότι το MHS θα χρησιμοποιηθεί για μακροχρόνιες εργασίες που θα ήταν αργή ή δαπανηρή για συνεχή επίβλεψη.
Μοντέλο-αγνωστικό από το σχεδιασμό
Η Anthropic τοποθετεί το MHS ως υποδομή και όχι ως κλείδωμα προϊόντος. Το πρότυπο λειτουργεί με οποιαδήποτε συσκευή που διαθέτει προγραμματιζόμενη διεπαφή και η εταιρεία λέει ότι είναι αγνωστική ως προς το μοντέλο: κάθε πλεξούδα πράκτορα μπορεί να έχει πρόσβαση σε αυτό χρησιμοποιώντας τυπικά πρωτόκολλα όπως το MCP. Αυτό θα μπορούσε να έχει σημασία για υιοθέτηση σε ερευνητικά εργαστήρια, όπου συχνά αναμιγνύεται εξοπλισμός από πολλούς προμηθευτές και μοντέλα από πολλούς παρόχους.
Η ανακοίνωση προσγειώνεται εν μέσω εντεινόμενου ανταγωνισμού για τη σύνδεση μοντέλων τεχνητής νοημοσύνης με τον φυσικό κόσμο, με τους ανταγωνιστές να επιδιώκουν μοντέλα εστιασμένα στη ρομποτική και συνεργάτες υλικού. Στοχεύοντας πρώτα τα εργαστήρια και τις γραμμές παραγωγής — περιβάλλοντα με δομημένες ροές εργασιών που απαιτούν βαριά εργαλεία — η Anthropic στοιχηματίζει ότι ο επιστημονικός και βιομηχανικός αυτοματισμός θα είναι ο πρώτος εμπορικά σημαντικός τομέας για ενσωματωμένους πράκτορες.
Τι να παρακολουθήσετε
Η προεπισκόπηση της έρευνας περιορίζεται σε μια αρχική ομάδα συνεργατών και η Anthropic δεν έχει ανακοινώσει ημερομηνία για την κυκλοφορία ανοιχτού κώδικα. Τα βασικά ερωτήματα για τους επόμενους μήνες περιλαμβάνουν πόσοι κατασκευαστές συσκευών κατασκευάζουν προγράμματα οδήγησης MHS, πώς φαίνονται οι αξιολογήσεις ασφάλειας που αναπτύχθηκαν με συνεργάτες και εάν οι ανταγωνιστές υιοθετούν ή διαλειτουργούν με το πρότυπο.
Για τα εργαστήρια που σταθμίζουν την υιοθέτηση, το βήμα είναι απλό: η ενσωμάτωση υλικού που κάποτε χρειαζόταν μήνες θα μπορούσε να γίνει μια εργασία διαμόρφωσης μετρημένη σε ώρες, με πράκτορες ικανούς να εκτελούν πειράματα συνεχώς στο παρασκήνιο. Το αν αυτή η υπόσχεση επιβιώνει από την επαφή με ακατάστατο, πραγματικό εξοπλισμό είναι το τεστ στο οποίο έχει σχεδιαστεί να απαντήσει η προεπισκόπηση της έρευνας.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα τελευταία νέα, αναλύσεις και ανακαλύψεις AI — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
