TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
Anthropic เปิด Research Preview ของ Model Hardware Standard (MHS) สเปกกลางที่ให้ AI Agent เชื่อมต่อและสั่งงานอุปกรณ์ในห้องปฏิบัติการและสายการผลิตหลายเครื่องพร้อมกัน ช่วยลดเวลาการทำ integration จากหลักสัปดาห์หรือหลักเดือนเหลือเพียงหลักชั่วโมงหรือหลักนาที
MHS เริ่มต้นจากความร่วมมือระหว่าง Anthropic กับ HHMI Janelia Research Campus ก่อนจะเปิดให้ห้องปฏิบัติการวิจัยและโรงงานผลิตขั้นสูงกลุ่มแรกเข้าทดลองใช้ ปัญหาที่ MHS ต้องการแก้คืออุปกรณ์ในแล็บและบนสายการผลิตแต่ละตัวมี programming interface เป็นของตัวเอง และยังไม่มีวิธีมาตรฐานสำหรับเชื่อมต่อเข้าด้วยกัน องค์กรจึงต้องให้ผู้เชี่ยวชาญเขียน integration เฉพาะทางทีละชิ้น และแม้จะเชื่อมอุปกรณ์เข้าหากันได้แล้ว ก็ยังไม่มีรูปแบบกลางสำหรับส่งข้อมูลให้ AI Agent หรือให้ Agent สั่งงานอุปกรณ์ได้อย่างปลอดภัย ทั้งนี้ MHS รองรับอุปกรณ์ทุกชิ้นที่มี programmable interface เป็นแบบ model-agnostic และเข้าถึงได้ผ่าน standard protocol อย่าง Model Context Protocol จาก agent harness ใดก็ได้
แกนหลักของ MHS คือ standardized driver ซึ่งเป็นซอฟต์แวร์ที่แปลภาษาระหว่างระบบปฏิบัติการกับตัวอุปกรณ์ โดยใช้ชุดคำสั่งพื้นฐานอย่าง read (เช่น อ่านค่าอุณหภูมิ) และ write (เช่น ตั้งค่าอุณหภูมิ) ที่อุปกรณ์ทุกชนิดเข้าใจและทำงานตามได้ พร้อมทำให้ค้นพบอุปกรณ์แต่ละตัวได้ในรูปแบบมาตรฐาน อุปกรณ์กับ AI Agent จึงมองเห็นและสื่อสารกันข้ามเครือข่ายได้โดยไม่ต้องมีโปรแกรมตัวกลางเฉพาะทาง นอกจากนี้ driver ยังช่วยให้ Agent เข้าใจวิธีใช้อุปกรณ์ที่ไม่เคยเจอมาก่อน ผ่าน tag ที่ให้ผู้ใช้งานอธิบายคุณลักษณะของเครื่องเป็นภาษาธรรมชาติ เช่น น้ำหนักของแขนกลซึ่งจำเป็นต่อการเคลื่อนย้ายอย่างปลอดภัย โดยผู้ใช้งานจะเขียนเองหรือให้ Agent สัมภาษณ์เก็บข้อมูลก็ได้ ข้อมูลเหล่านี้เดิมมักอยู่ในคู่มือกระดาษหรือเป็นความรู้เฉพาะตัวของผู้ปฏิบัติงาน และ driver จะนำไปสร้างไฟล์อ้างอิงที่ระบุว่าอุปกรณ์วัดค่าอะไรได้ ปรับค่าอะไรได้ และมี safety limit ใดบ้างโดยอัตโนมัติ
ในฝั่งการควบคุม MHS เปิดไว้ 3 ช่องทาง ได้แก่ MCP, command line interface และไฟล์โค้ด (API) ซึ่งทำงานร่วมกันจนสั่งงานอุปกรณ์หลายเครื่องได้จากโค้ดบรรทัดเดียว AI Agent สามารถจัดลำดับขั้นตอนข้ามเครื่องมือ ติดตามผลลัพธ์ และปรับพารามิเตอร์แบบ real-time ตามเงื่อนไขที่เปลี่ยนไป และเมื่อต้องรันงานที่กินเวลานานหรือต้องการความเร็วเกินกว่าการประมวลผลแบบ online จะตามทัน Agent จะรวบคำสั่งของ driver หลายตัวไว้ในไฟล์โค้ดให้อุปกรณ์ทำงานเองโดยไม่ต้องรอ Agent คิดในทุกขั้นตอน จากโครงการนำร่องร่วมกับกลุ่มผู้ใช้งานแรก Genentech นำ MHS มาทำ automation ของ BCA protein assay ที่ต้องประสานงานระหว่าง liquid handler แขนกล และ plate reader ขณะที่ทีมวิจัยจาก Carnegie Mellon University รันการทดลอง dose-response แบบ serial dilution ได้เร็วขึ้นราว 3 เท่า ด้วย Agent ที่คุมอุปกรณ์และกล้องซึ่งกระจายอยู่บนคอมพิวเตอร์ 3 เครื่องที่มี interface เข้ากันไม่ได้ ส่วน QuEra Computing ให้ Agent เข้าไปคุมบางส่วนของระบบเลเซอร์ในเครื่องคอมพิวเตอร์ควอนตัม จนได้ controller ที่ดึงค่า lock ของเลเซอร์กลับคืนมาได้สำเร็จ 99.3% โดยไม่ต้องมีคนเข้าไปแก้ไข
ฝั่งผู้ผลิตฮาร์ดแวร์และผู้พัฒนาซอฟต์แวร์ที่เกี่ยวข้องก็เริ่มทยอยรองรับหรืออยู่ระหว่างทดสอบ MHS กับอุปกรณ์ของตนแล้ว ทั้ง Amazon Web Services ที่รองรับผ่านไลบรารี Strands Robots, Automata บนแพลตฟอร์ม LINQ, Doosan Robotics ที่ทดสอบกับแขนกล, MBF Bioscience ที่ทำ driver ให้ ScanImage, QIAGEN บนแพลตฟอร์ม QIAsymphony Connect, Tecan บนกลุ่มผลิตภัณฑ์ Fluent รวมถึง Danaher และ Universal Robots ขณะที่ Hugging Face กำลังเพิ่มการรองรับใน LeRobot และ Raspberry Pi เตรียมขยายไปยังผลิตภัณฑ์อีกหลายรุ่น อย่างไรก็ตาม Anthropic ระบุข้อจำกัดไว้ชัดเจนว่า LLM เรียนรู้โลกกายภาพผ่าน text และภาพ ความสามารถด้าน spatial reasoning และการให้เหตุผลเชิงกายภาพจึงยังมีขีดจำกัดและต้องมีผู้เชี่ยวชาญคอยกำกับ เช่น กรณีที่ทีมวิจัยต้องอธิบายให้ Claude เข้าใจว่าฟองในตัวอย่างโปรตีนเป็นความผิดพลาดเชิงกายภาพ ไม่ใช่บั๊กของซอฟต์แวร์ อีกทั้ง MHS ยังใช้กับอุปกรณ์ที่ไม่มี programming interface ไม่ได้ Anthropic จึงจะใช้ช่วง Research Preview นี้พัฒนา safety evaluation ร่วมกับพันธมิตรและจัดทำ physical safety roadmap ก่อนปล่อยมาตรฐานเป็น Open Source พร้อมเผยแพร่ผลการทดสอบเป็นแนวทางการนำไปใช้งาน ผู้ที่สนใจสามารถลงทะเบียนเข้าร่วม Research Preview ได้ที่ https://www.modelhardwarestandard.com/
ที่มา: https://www.anthropic.com/news/model-hardware-standard-research-preview
