نفتح اليوم معاينة بحثية لمعيار الأجهزة النموذجي (MHS)، وهي مواصفة مشتركة ثورية تهدف إلى تمكين عملاء الذكاء الاصطناعي من تشغيل الأجهزة المادية بأمان وكفاءة. تتيح هذه المواصفة المتقدمة لوكلاء الذكاء الاصطناعي التحكم في مجموعة واسعة من أدوات المختبرات والتصنيع، مثل المجاهر ومعالجات السوائل والأذرع الروبوتية، وتشغيلها بالتوازي لإنجاز مهام معقدة تتراوح من تجارب اكتشاف الأدوية الروتينية إلى معايرة الليزر على أجهزة الكمبيوتر الكمومية. وقد بدأ تطوير MHS بالتعاون بين Anthropic والحرم الجامعي لأبحاث HHMI Janelia.
تقليدياً، يستغرق إعداد الأجهزة ودمجها في المختبرات أو منشآت التصنيع أسابيع أو حتى أشهر. فمعظم الأجهزة لا تتواصل مع بعضها البعض، مما يتطلب من المتخصصين إنشاء عمليات تكامل مخصصة ومعقدة. هنا يأتي دور MHS ليقلل هذا الجهد التكاملية إلى ساعات أو دقائق معدودة. من خلال دمج الذكاء الاصطناعي في هذه الأدوات، يساعد MHS الباحثين والمهندسين على تنسيق تجارب وسير عمل مستقلة على مدار الساعة، حيث يتمكن وكلاء الذكاء الاصطناعي من التفكير في كل خطوة، وتحديث المعلمات في الوقت الفعلي، وفي بعض الحالات، التعافي من أخطاء الأجهزة دون تدخل بشري.
نحن نشارك حاليًا إصدارًا مبكرًا من MHS مع شركاء متخصصين في مجالات العلوم والروبوتات والإلكترونيات والتصنيع. يهدف هذا التعاون إلى بناء تقييمات السلامة وتطوير أفضل الممارسات لأنظمة الذكاء الاصطناعي التي تشغل المعدات المادية، قبل أن يتم إتاحة المعيار كمصدر مفتوح. يعمل MHS مع أي جهاز يمتلك واجهة قابلة للبرمجة، كما أنه لا يعتمد على النموذج، مما يتيح لأي وكيل الوصول إليه باستخدام البروتوكولات القياسية مثل بروتوكول السياق النموذجي. لتقديم طلب الوصول إلى المعاينة البحثية، يُرجى زيارة موقع MHS.
كيف يعمل معيار الأجهزة النموذجي (MHS)
إن ربط أجهزة متعددة في المختبر أو على أرض المصنع للتواصل فيما بينها يُعد تحديًا كبيراً، حتى دون الأخذ في الاعتبار الصعوبة الإضافية لدمج الذكاء الاصطناعي. فكل جهاز يمتلك واجهة برمجية خاصة به، وحتى الآن لا توجد طريقة موحدة لدمجها. وبمجرد اتصال هذه الأجهزة، لا توجد طريقة مشتركة لتبادل البيانات مع وكيل الذكاء الاصطناعي أو السماح للوكيل بتشغيلها بأمان. لقد جاء MHS ليعالج هذه التحديات.
يعالج MHS هذه التحديات من خلال تقديم برنامج تشغيل قياسي (Standard Driver)، وهو برنامج يترجم بين نظام تشغيل الكمبيوتر والجهاز. يستخدم برنامج تشغيل MHS مجموعة بسيطة من الأوامر الأولية، مثل القراءة (على سبيل المثال، الحصول على درجة الحرارة) أو الكتابة (على سبيل المثال، ضبط درجة الحرارة)، التي يمكن لأي جهاز فهمها والتصرف بناءً عليها. وهذا يجعل كل جهاز قابلاً للاكتشاف بتنسيق قياسي، مما يتيح للأجهزة والوكلاء العثور على بعضهم البعض والتواصل عبر الشبكات دون الحاجة إلى برنامج مترجم مخصص بينهما.
يساعد برنامج تشغيل MHS أيضاً وكيل الذكاء الاصطناعي على فهم كيفية استخدام جهاز لم يسبق له رؤيته من قبل، من خلال تزويده بمعلومات حول خصائص الجهاز التي قد لا تكون واضحة من خلال الكود وحده (مثل وزن ذراع الروبوت، وهو أمر حيوي للتعامل الآمن). في الماضي، كانت الكثير من هذه المعلومات تُخزن في كتيبات ورقية، أو على أجهزة كمبيوتر المستخدمين، أو كانت معرفة ضمنية. لكن برنامج تشغيل MHS يتضمن علامات تتيح للمستخدم كتابة هذه المعلومات مباشرة باللغة الطبيعية (يمكن للمستخدمين القيام بذلك بأنفسهم، أو من خلال محادثة مع وكيل يجري معهم مقابلة حول إعداد أجهزتهم). باستخدام المعلومات المستقاة من هذه العلامات، يُنتج برنامج تشغيل MHS تلقائياً ملفاً مرجعياً يحتوي على معلومات حول الخصائص العامة للجهاز، مثل ما يمكن قياسه، وما يمكن تعديله، وحدود الأمان الواجب فرضها. يمنح هذا الملف الوكيل كل ما يحتاجه لتشغيل الجهاز.
بعد توصيل الأجهزة ومعرفة الوكيل بكيفية استخدام كل منها، يحتاج الوكيل إلى طريقة للتحكم فيها. بالنسبة لـ MHS، هناك ثلاث آليات رئيسية لهذا الغرض: بروتوكول السياق النموذجي (MCP)، وواجهة سطر الأوامر (CLI)، وملفات التعليمات البرمجية (APIs). تعمل هذه الآليات معاً لتمكين التزامن عبر أجهزة متعددة من خلال سطر واحد من التعليمات البرمجية.
بمجرد أن يتمكن الوكيل من التحكم في الأجهزة، يصبح قادراً على تلقي بيانات التشغيل من كل جهاز والإشراف على العمل وتوجيهه بمستوى عالٍ. يمكن للوكيل تسلسل الخطوات عبر الأدوات، ومراقبة النتائج، وتعديل المعلمات مع تغير الظروف في الوقت الفعلي. عندما يحتاج الوكيل إلى تنفيذ مهام طويلة الأجل أو تشغيل الأجهزة بسرعة أكبر مما يسمح به المنطق عبر الإنترنت، يمكنه تجميع أوامر برنامج التشغيل من جهاز واحد أو أكثر في ملفات التعليمات البرمجية. وهذا يسمح للأجهزة بتنفيذ العمليات بنفسها، دون الحاجة إلى أن يفكر الوكيل في كل خطوة.
أثناء اختبارنا لنظام MHS، وجدنا أن كلود يتفاعل مع التجارب والأجهزة بطريقة استكشافية، تماماً كما يفعل العالم. على سبيل المثال، لاحظنا أن كلود يقوم بتعديل الليزر، ويراقب النتائج عبر الكاميرا لتقييم كيفية تحريك شعاع الليزر بواسطة تعديله، ثم يكرر العملية سعياً لفهم تسلسل الأحداث. بعد ذلك، قام كلود بتجميع ما تعلمه في ملفات برمجية، وكتب نصاً حتمياً يسمح له بمحاذاة الليزر دون الحاجة إلى التفكير في كل خطوة، بحيث يمكن تشغيل العملية برمتها كأمر واحد.
أمثلة مبكرة من معيار الأجهزة النموذجي (MHS)
لقد بدأنا للتو في رؤية الإمكانات التي يمكن أن يقدمها المستخدمون بالاستعانة بالنماذج الرائدة ومعيار الأجهزة النموذجي (MHS). نأمل أن يكون هذا المعيار مفيداً للباحثين والمهندسين والممارسين الآخرين لتسريع عملية الاكتشاف والتجريب في أي مجال يستخدم أجهزة ذات واجهة قابلة للبرمجة.
أثناء تطوير MHS، شاركناه مع عدد محدود من المختبرات وشركات تصنيع الأجهزة في مجالات التكنولوجيا الحيوية والروبوتات والحوسبة الكمومية وغيرها. عبر هذه المشاريع المبكرة، لاحظنا أن MHS يقلل من الوقت المستغرق لدمج الأجهزة، ويجعل التكرار أسرع في مجموعة متنوعة من الإعدادات التجريبية، ويساعد في التشغيل المباشر للآلات واكتشاف الأخطاء في الوقت الفعلي. في ما يلي، يشارك شركاؤنا تفاصيل بعض مشاريعهم الأولية التي تتضمن MHS:
Genentech: تنفيذ MHS لأتمتة المختبرات
قام الباحثون في Genentech بتطبيق واختبار MHS كإثبات لمفهوم أتمتة فحص البروتين BCA، وهو إجراء قياسي لقياس تركيز البروتين الكلي في العينة، ويتطلب التنسيق بين معالج السوائل، والذراع الروبوتية، وقارئ اللوحة.
مختبرات جامعة واشنطن بيكر وبينجلاي: جلب عملاء الذكاء الاصطناعي إلى مقاعد البحث
استخدم زيهاو سونج، طالب الدكتوراه في مختبري بيكر وبينجلاي بجامعة واشنطن، نظام MHS لبناء لوحة تحكم لمراقبة أدواته عن بعد؛ بما في ذلك جهاز qPCR تحت إشراف وكيل الذكاء الاصطناعي (الذي ينسخ تسلسل الحمض النووي المستهدف عبر دورات متكررة من التسخين والتبريد) الذي يراقب منحنيات التضخيم ويوقف الإجراء في اللحظة المناسبة؛ كما قام بدمج الذراع الآلية ومعالج السوائل لعمليات تسليم الألواح الخالية من الاصطدام.
جامعة كارنيجي ميلون: تحديد منحنيات الاستجابة للجرعة من خلال الأتمتة السريعة
استخدم الباحثون في جامعة كارنيجي ميلون نظام MHS لإجراء تجارب الاستجابة لجرعة التخفيف التسلسلية بشكل أسرع بحوالي ثلاث مرات من ذي قبل، حيث يقوم وكيل الذكاء الاصطناعي بتنسيق معالج السوائل، وقارئ اللوحة، والذراع الروبوتية، وكاميرات المراقبة المنتشرة عبر ثلاثة أجهزة كمبيوتر ذات واجهات غير متوافقة بشكل أساسي.
HHMI Janelia: استخدام MHS لتسريع أبحاث الفحص المجهري
في الحرم الجامعي لأبحاث HHMI Janelia، يستخدم الباحثون MHS لتسريع مجموعة من المشاريع المتعلقة بالفحص المجهري. هنا، تشاركنا فيرجيني روتين، العالمة في مختبر آرينز والتي تدرس كيف يساعد النوم الجسم على التعافي من التوتر، كيف استخدمت MHS لتوحيد وتنظيم منصة كانت تتضمن في السابق سبعة برامج بائعين مختلفة دون واجهة مشتركة.
حوسبة QuEra: استخدام MHS في تثبيت الليزر الكمي
استخدمت شركة QuEra، وهي شركة تصنع أجهزة كمبيوتر كمومية باستخدام ذرات محايدة، تقنية MHS لمنح وكيل الذكاء الاصطناعي التحكم في أجزاء من نظام الليزر داخل أجهزتها الكمومية. وقد طور العميل وحدة تحكم تستعيد قفل الليزر – وهو التردد فائق الدقة الذي يجب أن يحمله الليزر للتفاعل مع الذرات – بنسبة 99.3% من الوقت دون تدخل بشري.
Tetsuwan Scientific: استخدام MHS لتشغيل اختبارات qPCR لتحليل التلوث المحلي
قام الباحثون في Tetsuwan بدمج MHS مع منصة مختبر الأحياء الآلية الخاصة بهم، ResearchOS. وقد ساعد MHS في تنظيم سير عمل اختبارات qPCR للمساهمة في الجهود العلمية للمواطنين لتوصيف التلوث في سان بيدرو كريك بكاليفورنيا.
يعمل بائعو الأجهزة وشركات البرمجيات التي تدعمهم أيضاً على بناء دعم MHS في أجهزتهم، حتى يتمكن وكلاء الذكاء الاصطناعي من اكتشاف أجهزتهم وتشغيلها بسهولة أكبر. على سبيل المثال:
- ستدعم Amazon Web Services خدمة MHS من خلال Strands Robots، وهي مكتبة لتوصيل عملاء الذكاء الاصطناعي بالأجهزة المادية. ستوفر AWS للمشاركين نسخة خاصة ما قبل النشر من حزمة Strands Robots طوال مدة معاينة بحث MHS.
- تقوم Automata بإضافة دعم MHS إلى LINQ، منصة أتمتة المختبرات الخاصة بها، لإجراء معالجة ذكية للأخطاء في الأدوات في المختبرات المستقلة.
- تستكشف Danaher وAnthropic بفعالية كيف يمكن للقدرات المدعومة من MHS تمكين أدواتها الذكية ومختبراتها المستقلة من توسيع نطاق البحث والتطوير في مجال الطب الحيوي.
- تقوم شركة Doosan Robotics باختبار MHS بأذرعها الآلية، بما في ذلك إجراء ضمان الجودة الآلي وتنسيق المهام عبر روبوتات متعددة.
- تقوم شركة MBF Bioscience ببناء برنامج تشغيل MHS لبرنامج ScanImage، وهو البرنامج الذي يقوم بتشغيل مجاهر المسح بالليزر في مئات من مختبرات علم الأعصاب في جميع أنحاء العالم، لدمج عوامل الذكاء الاصطناعي في تحليل البيانات والتجارب في الوقت الفعلي.
- تقوم QIAGEN بتجربة MHS من خلال إثبات عملي للمفهوم على منصتها لتنقية الحمض النووي، QIAsymphony Connect، مما يوضح كيف يمكن لوكلاء الذكاء الاصطناعي مساعدة المختبرات في استكشاف مشكلات الأجهزة وإصلاحها بشكل أسرع، وتوجيه المشغلين خلال عملية الاسترداد، وتحسين وقت تشغيل الأداة مع تقليل المخاطر على العينات البيولوجية.
- تضيف شركة Tecan دعم MHS لمنصات معالجة السوائل Fluent الخاصة بها حتى يتمكن عملاء الذكاء الاصطناعي من اكتشافها وتشغيلها مباشرةً.
- حصلت شركة Universal Robots على إمكانية الوصول المبكر إلى MHS وتخطط لإضافة الدعم إلى منصة الروبوتات الخاصة بها.
الانضمام إلى معاينة البحث
تعتبر هذه النتائج المبكرة من شركائنا مشجعة للغاية، ولكن لا يزال أمامنا المزيد من العمل لإنجازه بشأن المعيار قبل أن نجعله مفتوح المصدر. فكنموذج لغوي كبير، يتعلم كلود عن العالم المادي من خلال النصوص والصور، مما يعني أن تفكيره المكاني والمادي له قيود لا تزال تتطلب إشراف الخبراء. عند العمل مع عينات البروتين، على سبيل المثال، كان على باحثي Genentech توجيه كلود للاعتراف بأن الأخطاء الناجمة عن الرغوة في العينات كانت إخفاقات فيزيائية، وليست أخطاء برمجية، ولا يمكن تخفيفها إلا من خلال التصحيحات المادية المناسبة.
كما أن MHS لا يعمل حالياً مع الأجهزة التي تفتقر إلى واجهة برمجة، لذا فإننا نعمل مع الشركات المصنعة لهذه الأجهزة لإنشاء برامج تشغيل MHS لها. يستخدم العديد من المطورين بالفعل Claude Code للعمل مع قطع فردية من المعدات المادية؛ وبالنسبة للمرحلة التالية من MHS، نأمل في توسيع المعيار ليشمل المزيد من الأجهزة التي يعتمد عليها المطورون. من بين أوائل المتبنين Hugging Face، الذين أضافوا دعم MHS في LeRobot ومكتبة الروبوتات الخاصة بهم، وRaspberry Pi، الذين قاموا بتمكين تكامل MHS عبر عدد من منتجاتهم بعد اختبارات ناجحة باستخدام برنامج تشغيل الكاميرا MHS الخاص بهم.
سنستخدم أيضاً معاينة البحث لبناء تقييمات إضافية للسلامة مع شركائنا عند الإطلاق وتعزيز وسائل الحماية لاستخدام الذكاء الاصطناعي في العالم المادي. نحن نعمل على تطوير خارطة طريق للسلامة الجسدية لتعزيز سياستنا للضمانات وتغطية الإنفاذ لدينا ضد مخاطر سوء الاستخدام. وعندما نطلق MHS كمصدر مفتوح، سننشر النتائج المستخلصة من معاينة البحث كجزء من إرشاداتنا لنشر المعيار بأمان.
ندعو أصحاب المصلحة من مختلف الصناعات للانضمام إلى قائمة الانتظار لمعاينة بحثنا عن MHS. إذا كنت ترغب في المشاركة، يرجى إبداء اهتمامك عبر الموقع الرسمي.
شكر وتقدير
بدأت MHS كتعاون بين أليك كيمني من فريق النشر المفيد في Anthropic وآركو باست، عالم ما بعد الدكتوراه في الحرم الجامعي لأبحاث HHMI Janelia. كان باست يجري تجارب معقدة لتصوير الدماغ على منصة تجمع بين أشعة الليزر وأجهزة التركيز الآلية والكاميرات المتخصصة من بائعين مختلفين دون واجهة مشتركة. ولتسريع تجاربه، طور قاموس الذاكرة المشتركة الذي مكّن الأدوات من التواصل مع بعضها البعض بسرعة الذاكرة. عمل كيمني وباست معًا لدمج نماذج الذكاء الاصطناعي في تلك الواجهة.
ونشكر كل من ساهم في هذا العمل حتى الآن، بما في ذلك، على سبيل المثال لا الحصر، آرون بوسويل، وبن آرثر، وبواز موهار، وجاغان بهات، ومارك كيتيزوبيكول، ونادين ياسر، ونيك بورسيل، وتاكاشي كاواسي، وفيرجيني روتين. نتطلع إلى المضي قدماً بمعيار MHS مع شركائنا في الصناعة، وقريباً مع مجتمع المصادر المفتوحة.