Интеграция лабораторного и производственного оборудования от разных производителей традиционно занимает недели, если не месяцы, из-за их несовместимости. Каждое устройство имеет свой собственный программный интерфейс, что требует создания уникальных связок. Anthropic представила Model Hardware Standard (MHS) — общую спецификацию, которая позволяет ИИ-агентам безопасно управлять физическими устройствами, сокращая время настройки до минут.
MHS — это общая спецификация, разработанная в сотрудничестве с HHMI Janelia Research Campus, которая позволяет ИИ-агентам управлять несколькими лабораторными и производственными инструментами одновременно. Это включает микроскопы, роботов-манипуляторов и дозаторы жидкостей. Стандарт позволяет ИИ выполнять сложные задачи: от рутинных экспериментов по поиску лекарств до калибровки лазеров на квантовых компьютерах.
MHS решает проблему разрозненности, вводя стандартизированный драйвер — программное обеспечение, которое переводит команды между операционной системой компьютера и аппаратным устройством.
Как работает MHS:
- Стандартизированный драйвер — переводит команды между ОС и устройством.
- Простые примитивы — команды вроде «прочитать» (например, «получить температуру») или «записать» (например, «установить температуру»), которые понимает любое устройство.
- Обнаруживаемость — устройства становятся видимыми в стандартном формате, позволяя им и агентам общаться без специальных программ-переводчиков.
- Понимание устройства — драйвер содержит теги, куда пользователь (или агент через интервью) вносит информацию о характеристиках оборудования на естественном языке. На основе этих данных автоматически создается файл со всеми параметрами, ограничениями безопасности и возможностями устройства, необходимыми для работы агента.
- Механизмы управления — для контроля оборудования агенты используют Model Context Protocol (MCP), командную строку или файлы кода (API), что позволяет оркестрировать несколько устройств одной строкой кода.
Ранние тесты показали, что агенты, такие как Claude, взаимодействуют с оборудованием исследовательски, подобно ученым. Например, Claude самостоятельно корректировал лазер, оценивал результаты через камеру и повторял процесс, пока не добивался точной настройки. Затем он упаковывал полученные знания в файлы кода, создавая детерминированный скрипт для автоматической калибровки.
MHS уже опробован в различных областях:
- Genentech — автоматизация анализа белка, координируя дозатор жидкостей, робота-манипулятора и планшетный ридер.
- Университет Вашингтона — удаленный мониторинг инструментов и управляемый агентом qPCR (полимеразная цепная реакция в реальном времени) с контролем кривых амплификации.
- Университет Карнеги-Меллон — ускорение экспериментов по дозозависимости примерно в три раза, с оркестрацией оборудования на трех несовместимых компьютерах.
- HHMI Janelia — ускорение исследований в микроскопии, объединяя семь различных программ без общего интерфейса.
- QuEra Computing — ИИ-агент восстанавливает «захват» лазера (ультраточную частоту) в квантовых компьютерах с точностью 99.3% без участия человека.
- Tetsuwan Scientific — оркестрация qPCR для мониторинга загрязнений.
Несколько производителей оборудования и разработчиков ПО уже начали добавлять поддержку MHS в свои продукты, включая Amazon Web Services (Strands Robots), Automata (LINQ), Doosan Robotics, MBF Bioscience (ScanImage), QIAGEN (QIAsymphony Connect), Tecan (Fluent) и Universal Robots. Ранними пользователями стали Hugging Face (LeRobot) и Raspberry Pi.
Несмотря на обнадеживающие результаты, MHS пока имеет ограничения. Claude, как большая языковая модель, все еще требует экспертного надзора из-за ограниченности пространственного и физического мышления (например, агент не смог самостоятельно распознать ошибку, вызванную пенообразованием в образцах). Стандарт пока не работает с оборудованием без программируемого интерфейса, но Anthropic сотрудничает с производителями для внедрения драйверов MHS. Компания также планирует расширить стандарт на большее количество устройств и усилить меры безопасности для применения ИИ в физическом мире.
MHS призван радикально ускорить научные открытия и производство, сокращая рутину и позволяя инженерам сосредоточиться на более сложных задачах. Его успех будет зависеть от широкого внедрения производителями и решения текущих ограничений. Ключевая задача — создание надежных систем безопасности для ИИ, действующего в физическом мире.