آنتروپیک استاندارد سخت‌افزاری مدل را رونمایی کرد؛ آیا هوش مصنوعی کلود واقعاً می‌تواند تجهیزات آزمایشگاهی را کنترل کند؟

آنتروپیک چارچوبی را معرفی کرده است که برای اجازه دادن به عامل‌های هوش مصنوعی‌اش جهت به کارگیری مستقیم تجهیزات فیزیکی آزمایشگاهی و تولیدی طراحی شده است. «استاندارد سخت‌افزاری مدل» (MHS) قصد دارد شکاف بین مدل‌های دیجیتال هوش مصنوعی و دنیای فیزیکی را پر کند و به سیستم‌هایی مانند کلود (Claude) امکان کنترل میکروسکوپ‌ها، بازوهای رباتیک و لیزرها را بدهد.[1]

آنچه آنتروپیک در واقع این هفته عرضه کرده، یک پیش‌نمایش تحقیقاتی محدود است، نه یک استاندارد صنعتی کاملاً متن‌باز. این استاندارد در حال حاضر تنها در دسترس گروه منتخبی از همکاران اولیه، از جمله مؤسسه پزشکی هاوارد هیوز (HHMI)، جننتک (Genentech) و کوئرا کامپیوتینگ (QuEra Computing) قرار دارد.[2][7]

برای درک دلیل وجود MHS، باید به وضعیت فعلی خودکارسازی آزمایشگاهی نگاه کرد. مراکز تحقیقاتی مدرن مملو از تجهیزات بسیار تخصصی از فروشندگان مختلف هستند. یک آزمایش واحد ممکن است به یک دستگاه جابجایی مایعات از یک شرکت، یک بازوی رباتیک از شرکت دیگر و یک دوربین از شرکت سوم نیاز داشته باشد.[1][3]

برقراری ارتباط بین این ماشین‌های ناهمگون معمولاً هفته‌ها یا ماه‌ها یکپارچه‌سازی نرم‌افزاری سفارشی نیاز دارد. هر دستگاه رابط برنامه‌نویسی کاربردی (API)، محیط اسکریپت‌نویسی یا رابط گرافیکی خاص خود را دارد و مهندسان را مجبور می‌کند تا صرفاً برای اجرای یک گردش کار هماهنگ، برنامه‌های «مترجم» اختصاصی بسازند.[3][6]

MHS تلاش می‌کند این مشکل را با معرفی یک لایه درایور نرم‌افزاری استاندارد شده بین سیستم عامل کامپیوتر و دستگاه سخت‌افزاری حل کند. به جای اینکه یک مدل هوش مصنوعی مجبور باشد رابط متفاوتی را برای هر ماشین یاد بگیرد، MHS به هر دستگاه یک رابط نرم‌افزاری مشترک می‌دهد.[1][4]

این استاندارد از مجموعه‌ای ساده از «اولیه»‌های «خواندن» (read) و «نوشتن» (write) استفاده می‌کند. یک دستگاه دستورات اساسی—مانند خواندن دما یا نوشتن مختصات حرکت جدید—را در معرض دید قرار می‌دهد که هر عامل هوش مصنوعی سازگار می‌تواند آن‌ها را درک کرده و بر اساس آن‌ها عمل کند.[4][5]

نکته حیاتی این است که MHS بر «مانیفست‌های دستگاه» (Device Manifests) تکیه دارد. یک ماشین اساساً می‌تواند به هوش مصنوعی بگوید که چه کارهایی می‌تواند انجام دهد، چه چیزهایی را می‌تواند اندازه‌گیری کند، چه تنظیماتی قابل تغییر هستند و از همه مهم‌تر، محدودیت‌های ایمنی آن چیست. این امر به هوش مصنوعی اجازه می‌دهد تا بدون نیاز به ساخت سیستم یکپارچه‌سازی از ابتدا توسط مهندسان، دستگاه را کشف و به کار گیرد.[1][2]

این چارچوب در واقع بسطی از «پروتکل زمینه مدل» (MCP) آنتروپیک است که این شرکت قبلاً برای اتصال عامل‌های هوش مصنوعی به منابع داده نرم‌افزاری منتشر کرده بود. MHS همان مفهوم ترجمه جهانی را برای سخت‌افزار فیزیکی به کار می‌برد و به عامل‌ها اجازه می‌دهد از طریق MCP، ابزارهای خط فرمان یا APIهای مبتنی بر کد متصل شوند.[2][6]

آنتروپیک و شرکای آن چندین مورد استفاده اولیه را به نمایش گذاشته‌اند. در جننتک، مهندسان MHS را در یک گردش کار خودکار سنجش پروتئین به کار بردند. یک عامل کلود به طور مستقل یک دستگاه جابجایی مایعات، یک بازوی رباتیک و یک صفحه خوان را هماهنگ کرد و نرخ‌های انتقال مایع را برای ویسکوزیته‌های مختلف بهینه ساخت.[2][4]

در محاسبات کوانتومی، کوئرا کامپیوتینگ از این استاندارد برای خودکارسازی تثبیت لیزرها استفاده کرد. تیمی از نمونه‌های کلود فرآیند قفل مجدد لیزر را بازسازی کردند و زمان بازیابی را از ۱۵۰ ثانیه به ۶ ثانیه کاهش دادند و پارامترهای وابسته به هم را طی ۱۶ ساعت بدون نظارت تنظیم کردند.[2][4]

در پردیس تحقیقاتی ژانلیا (Janelia) وابسته به HHMI، دانشمندان از MHS برای هماهنگی پرتوهای لیزر چرخان، میکروسکوپ‌ها و دوربین‌ها در طول آزمایش‌های تشکیل حافظه استفاده کردند. رابط مشترک به عامل هوش مصنوعی اجازه داد تا داده‌های تجربی را مشاهده کند، الگوها را تشخیص دهد و آزمایش را در زمان واقعی تنظیم نماید.[7]

آنتروپیک مشتاق است تأکید کند که MHS شامل محدودیت‌های ایمنی در سطح دستگاه است و صرفاً به رفتار صحیح مدل هوش مصنوعی متکی نیست. در آزمایش‌های ایمنی در دانشگاه کارنگی ملون، این استاندارد ظاهراً شش وضعیت خطای القا شده را قبل از هرگونه حرکت فیزیکی سخت‌افزار مسدود کرده است.[2]

با وجود این نمایش‌های چشمگیر، فاصله بین یک پروژه آزمایشی موفق با شرکای دوست و یک استاندارد صنعتی که به طور جهانی پذیرفته شود، بسیار زیاد است. آنتروپیک ادعا می‌کند که MHS می‌تواند زمان یکپارچه‌سازی را از ماه‌ها به ساعت‌ها کاهش دهد، اما این معیار به شدت به تجهیزات خاص و کیفیت زیرساخت دیجیتال موجود بستگی دارد.[6]

اگرچه MHS توسط آنتروپیک توسعه یافته است، اما به گونه‌ای طراحی شده که مستقل از مدل باشد. این استاندارد به طور سخت‌گیرانه محدود به کلود نیست؛ سایر عامل‌های هوش مصنوعی نیز می‌توانند به صورت تئوری از این استاندارد برای تعامل با همان سخت‌افزار استفاده کنند، مشروط بر اینکه درایورهای لازم نصب شده باشند.[3][5]

موفقیت نهایی MHS به این بستگی دارد که آیا جامعه گسترده‌تر تولیدکنندگان سخت‌افزار آن را بپذیرند یا خیر. شرکت‌هایی مانند AWS، یونیورسال روباتس و دوسان روباتیکس به عنوان شرکت‌کنندگان اولیه معرفی شده‌اند، اما پذیرش گسترده مستلزم آن است که رقبا با معماری پیشنهادی آنتروپیک موافقت کنند.[3][6]

در حال حاضر، MHS همچنان یک پیش‌نمایش بسته باقی مانده است، در حالی که آنتروپیک در حال توسعه ارزیابی‌های ایمنی و بهترین شیوه‌ها است. این شرکت قصد دارد در نهایت این استاندارد را متن‌باز کند، اگرچه هنوز جدول زمانی مشخص یا مدل حاکمیتی خاصی برای نحوه نگهداری از این استاندارد ارائه نکرده است.[2][5]

در صورت موفقیت، MHS نشان‌دهنده یک تغییر مهم در نحوه استقرار هوش مصنوعی است. این فناوری را فراتر از نوشتن ایمیل و تحلیل داده‌ها می‌برد و عامل‌های هوش مصنوعی را به عنوان هماهنگ‌کنندگان فعال کارهای فیزیکی در محیط‌های بسیار ساختاریافته قرار می‌دهد.[1][6]