Budowanie asystenta laboratoryjnego AI

Wyobraź sobie asystenta laboratoryjnego, który może dla Ciebie robić notatki, sterować Twoim sprzętem laboratoryjnym, wykreślać Twoje dane i analizować wszystkie Twoje wyniki za jednym zamachem. Ten koncept istnieje od zawsze. Nowością w tej dziedzinie jest to, że żadna osoba nie będzie wykonywać wspomnianych czynności - zrobi to AI. W tym artykule przyjrzymy się przełomowej technologii, która daje nam możliwość wykorzystania asystenta laboratoryjnego sterowanego przez AI, używając tylko naszego smartfona i Raspberry Pi.

Praktyczne zastosowania

Zamiast najpierw pokazywać implementację, przyjrzyjmy się praktycznym zastosowaniom naszego asystenta laboratoryjnego AI. Częstym wyzwaniem, z którym się spotykam, jest uruchomienie nowej płytki. Ciągle sonduję różne części płytki jedną ręką, reguluję oscyloskop drugą, a także próbuję włączać i wyłączać moje zasilanie (aby obserwować prąd rozruchowy lub inne charakterystyki włączania). Do tego dochodzi zadanie włączenia elektronicznego obciążenia DC, i szybko kończą się ręce. W najlepszym przypadku możesz mieć partnera, który pomoże Ci uruchomić płytę. Jeśli jesteś sam, żonglowanie wszystkimi tymi zadaniami może być dość irytujące. A co, jeśli mielibyśmy sposób, aby dawać instrukcje naszemu asystentowi AI, aby włączał lub aktywował nasze przyrządy sekwencyjnie?

Rysunek 1: Prośba o ustawienie i włączenie mojego zasilania przy użyciu języka naturalnego

Spróbujmy pójść o krok dalej i zobaczyć, czy może również zdobyć dla nas dane

Rysunek 2: Odczyt napięcia i prądu z zasilania

Korzystając z Interpretera Kodu (znany również jako Zaawansowana Analiza Danych), możemy wykorzystać biblioteki wizualizacyjne do wykreślania danych, które uzyskaliśmy z przyrządów, nie podnosząc nawet palca.

Rysunek 3: Żądanie wykresu

Rysunek 4: Kod wykresu i wyniki

Teraz, gdy widzieliście już kilka przykładów, przejdźmy do tego, jak to wszystko działa.

Jak to działa

W artykule Jak zbudować niestandardową akcję GPT do komunikacji z Twoim sprzętem złożyliśmy bardzo prostą aplikację, która za pomocą naturalnych poleceń językowych dla ChatGPT przełącza diodę LED podłączoną do Raspberry Pi. W artykule Modernizacja instrumentów laboratoryjnych poprzez dodanie funkcji IoT za pomocą AI generatywnego, zbudowaliśmy usługę internetową wokół naszych instrumentów, aby można było nimi sterować przez internet. Połączymy koncepcje z obu artykułów, aby stworzyć naszego asystenta laboratoryjnego AI.

W zasadzie nasze podejście odzwierciedla to z poprzedniego artykułu, ale z dodaną złożonością. Duży Model Językowy, w tym przypadku silnik GPT 4 ChatGPT, się nie zmienia. Jedyna aktualizacja ChatGPT to zmodyfikowany dokument OpenAPI, który zawiera szczegóły dotyczące funkcjonalności, którą zapewniam dla niestandardowej akcji GPT. Na przykład, zamiast po prostu podawać mu podstawowy punkt końcowy, tak jak „przełączanie diody LED” czy „pobieranie losowo wygenerowanego numeru z mojego serwera”, instruuję go, aby „włączył wyjście na zasilaczu DP832”. Wszystkie te instrukcje można znaleźć w pliku openapi.yaml w repozytorium.

Tak jak zrobiliśmy to w Jak zbudować niestandardową akcję GPT do komunikacji z Twoim sprzętem, będziemy potrzebować naszego certyfikatu SSL, pliku openapi.yaml, plików konfiguracyjnych Nginx oraz wszystkich naszych plików Docker, aby zbudować pełną aplikację. Konfiguracja Nginx zmienia się nieco, ponieważ teraz mamy wiele niezależnych od siebie aplikacji internetowych. Skonfigurowałem trasy do każdej z nich osobno, zamiast uruchamiać pojedynczy monolit. Możesz je połączyć w jedną aplikację internetową, jeśli chcesz. Plik Dockerfile i Docker Compose są nieco bardziej skomplikowane, ponieważ budujemy obraz bazowy, a następnie dostosowujemy go dwa razy dla każdej indywidualnej aplikacji internetowej. Wszystkie szczegóły można znaleźć w repozytorium.

Repozytorium zostało skonfigurowane tak, aby działało od razu, zakładając, że masz zainstalowanego Dockera i postępowałeś zgodnie z README, aby skonfigurować swój certyfikat i zastąpić niektóre pliki nazwą swojej domeny. Dla uproszczenia, uruchomienie tego na Raspberry Pi (lub innym lekkim systemie Linux) da najlepsze rezultaty. Spójrzmy na jeden ostatni przykład, który naprawdę demonstruje moc AI w połączeniu z kontrolą instrumentów laboratoryjnych.

Zaawansowany Asystent

Teraz, gdy mamy cały nasz ekosystem złożony, możemy zacząć zadawać naszemu asystentowi bardziej złożone zadania, takie jak to:
Podłączyłem moje zasilanie bezpośrednio do mojego elektronicznego obciążenia DC. Chcę przyjrzeć się stratom w przewodach między dwoma instrumentami. Oto kroki, które musisz wykonać, aby uzyskać te informacje:

1. Ustaw zasilanie na 5V przy 1A

2. Włącz zasilanie

3. Ustaw elektroniczne obciążenie DC na tryb kontroli prądu i włącz je

4. Zmierz napięcie zasilania (i zapisz to na później)

5. Zmierz napięcie elektronicznego obciążenia DC (i zapisz to na później)

6. Ustaw prąd zanikania elektronicznego obciążenia DC na 0.1A

7. Powtórz kroki 4-6 dla następujących wartości prądu zanikania: 0.5A, 0.9A

8. Stwórz wykres z numerem przebiegu na osi X. Napięcie zasilania i napięcie elektronicznego obciążenia DC powinny być oddzielnymi liniami na osi Y.

Uwaga: Jedyną odpowiedzią, której oczekuję od Ciebie, jest jednolinijkowe podsumowanie analizy i widok wykresu, który mi dostarczysz.

Wynik:

Rysunek 5: Ostateczna odpowiedź

Jak widać, nie tylko wykonuje dla nas serię operacji, ale może również rysować i analizować wyniki. To nie jest tylko standardowy „instruktażowy robot”, który obserwowaliśmy w przeszłości - to coś znacznie większego.

Podsumowanie

W tym artykule zademonstrowaliśmy niektóre z możliwości naszego asystenta laboratoryjnego AI i przeszliśmy przez niektóre z komponentów potrzebnych do jego złożenia. Repozytorium zawiera wszystko, czego potrzebujesz, aby zacząć, oprócz poprzednich samouczków, takich jak Jak zbudować niestandardową akcję GPT do komunikacji ze sprzętem oraz Modernizacja instrumentów laboratoryjnych za pomocą możliwości IoT przy użyciu generatywnego AI, na których ten projekt jest oparty. Ten projekt odkrywa transformacyjną moc AI i jak wykorzystać ją w laboratorium. Jak AI transformuje Twoje laboratorium? Wypróbuj ten przykładowy projekt (lub jego wariację) i podziel się swoimi przemyśleniami na temat tego, co poszło dobrze, a co nie.

Cały kod źródłowy użyty w tym projekcie można znaleźć pod adresem: https://gitlab.com/ai-examples/instrument-controllables.