Anthropic opende donderdag een onderzoekspreview van de Model Hardware Standard (MHS), een gedeelde specificatie die is ontworpen om AI-agenten veilig fysieke apparaten zoals microscopen, vloeistofhandlers en robotarmen te laten bedienen, volgens een aankondiging gepubliceerd op de website van het bedrijf.
Het bedrijf geeft een eerste groep wetenschappelijke onderzoekslaboratoria en geavanceerde fabrikanten toegang tot de preview, en zegt dat het van plan is de standaard open source te maken zodra veiligheidsevaluaties en best practices zijn ontwikkeld met partners uit de wetenschap, robotica, elektronica en productie.
Het integratieknelpunt oplossen
Anthropic zegt dat het project begon als een samenwerking met HHMI Janelia Research Campus, de onderzoekscampus van het Howard Hughes Medical Institute. Het probleem dat ermee wordt aangepakt is bekend bij iedereen die in een laboratorium of op een fabrieksvloer heeft gewerkt: de meeste instrumenten communiceren niet met elkaar, en het integreren ervan vergt doorgaans weken of maanden specialistisch werk om op maat gemaakte verbindingen op te bouwen.
Met MHS zegt Anthropic dat het integratiewerk krimpt tot uren of minuten. Zodra apparaten zijn aangesloten, kunnen AI-agenten 24 uur per dag autonome experimenten orkestreren, elke stap van een experiment doordenken, parameters in realtime bijwerken en, in sommige gevallen, herstellen van hardwarefouten zonder menselijke tussenkomst. Het bedrijf zegt dat de standaard al is gebruikt voor taken variërend van routinematige experimenten met het ontdekken van medicijnen tot laserkalibratie op een kwantumcomputer.
Voor meer informatie over de tools die de AI-ontwikkeling een nieuwe vorm geven, volgt AI Buzz Wire elke grote release (https://aibuzzwire.news) in de hele branche.
Hoe de standaard werkt
De kern van MHS is een gestandaardiseerde driver: software die de vertaling maakt tussen het besturingssysteem van een computer en een hardwareapparaat. Het stuurprogramma biedt een eenvoudige reeks primitieven - opdrachten zoals 'lezen' (bijvoorbeeld de temperatuur ophalen) of 'schrijven' (temperatuur instellen) - die elk hardwareapparaat kan begrijpen en erop kan reageren.
Elk apparaat wordt ook in een standaardformaat vindbaar gemaakt, zodat agenten en instrumenten elkaar via een netwerk kunnen vinden zonder dat er een aangepaste vertaler tussen zit. Volgens Anthropic geeft de chauffeur een agent bovendien de contextuele kennis die traditioneel in papieren handleidingen of in het hoofd van een technicus zit – bijvoorbeeld het gewicht van een robotarm, die van belang is voor het veilig manipuleren ervan. Gebruikers kunnen die informatie zelf in tags in natuurlijke taal schrijven, of chatten met een agent die hen interviewt over hun hardware-installatie. De chauffeur maakt vervolgens automatisch een referentiebestand aan waarin wordt beschreven wat het apparaat kan meten, wat kan worden aangepast en welke veiligheidslimieten worden gehandhaafd.
Agenten besturen hardware via drie mechanismen: het Model Context Protocol (MCP), een opdrachtregelinterface en codebestanden met API's. Samen zorgen deze ervoor dat een agent meerdere apparaten kan orkestreren met één regel code, stappen over verschillende instrumenten heen kan zetten, resultaten kan monitoren en parameters kan aanpassen als de omstandigheden veranderen.
Wat Anthropic observeerde met Claude
Tijdens het testen meldt Anthropic dat Claude op een verkennende manier met hardware omging, vergelijkbaar met hoe een wetenschapper werkt. In één voorbeeld paste het model een laser aan, observeerde de resultaten via een camera om te zien hoe de straal bewoog, en herhaalde het proces om de volgorde van de gebeurtenissen te begrijpen. Claude verpakte vervolgens wat hij had geleerd in een deterministisch script, waardoor de uitlijningsprocedure als één enkele opdracht kon worden uitgevoerd zonder dat het model elke stap moest doorlopen.
Dat patroon – een agent die interactief onderzoekt en zijn bevindingen vervolgens samenvoegt in herhaalbare code – staat centraal in de manier waarop Anthropic verwacht dat MHS wordt gebruikt voor langlopende taken waarvan het continu toezicht langzaam of duur zou zijn.
Model-agnostisch door ontwerp
Anthropic positioneert MHS als infrastructuur in plaats van als een productlock-in. De standaard werkt met elk apparaat dat een programmeerbare interface heeft, en het bedrijf zegt dat het modelonafhankelijk is: elk agentenharnas heeft er toegang toe met behulp van standaardprotocollen zoals MCP. Dat zou van belang kunnen zijn voor adoptie in onderzoekslaboratoria, waar apparatuur van meerdere leveranciers en modellen van meerdere leveranciers vaak gemengd zijn.
De aankondiging komt terecht in een toenemende concurrentie om AI-modellen te verbinden met de fysieke wereld, waarbij rivalen op robotica gerichte modellen en hardwarepartners nastreven. Door zich eerst te richten op laboratoria en productielijnen – omgevingen met gestructureerde, instrument-zware workflows – gokt Anthropic erop dat wetenschappelijke en industriële automatisering het eerste commercieel betekenisvolle domein voor belichaamde agenten zal zijn.
Wat te kijken
De onderzoekspreview is beperkt tot een eerste groep partners en Anthropic heeft geen datum aangekondigd voor de open-source release. Belangrijke vragen voor de komende maanden zijn onder meer hoeveel fabrikanten van apparaten MHS-stuurprogramma's bouwen, hoe de veiligheidsevaluaties die samen met partners zijn ontwikkeld eruit zien en of concurrenten de standaard overnemen of ermee samenwerken.
Voor laboratoria die de adoptie overwegen, is het veld eenvoudig: hardware-integratie die ooit maanden in beslag nam, zou een configuratietaak kunnen worden die in uren wordt gemeten, waarbij agenten continu experimenten op de achtergrond kunnen uitvoeren. Of die belofte het contact met rommelige, echte apparatuur overleeft, is de test die de onderzoekspreview moet beantwoorden.
---
Blijf AI een stap voorOntvang het laatste AI-nieuws, analyses en doorbraken – allemaal op één plek.
Lees meer AI-nieuws →
