Jak wynika z ogłoszenia opublikowanego na stronie internetowej firmy, firma Anthropic uruchomiła w czwartek wersję zapoznawczą modelu sprzętu sprzętowego (MHS), wspólnej specyfikacji zaprojektowanej, aby umożliwić agentom sztucznej inteligencji bezpieczną obsługę urządzeń fizycznych, takich jak mikroskopy, podnośniki cieczy i ramiona robotyczne.

Firma zapewnia dostęp do wersji zapoznawczej pierwszej grupie laboratoriów zajmujących się badaniami naukowymi i zaawansowanym producentom i twierdzi, że planuje udostępnić standardowe oprogramowanie typu open source po opracowaniu ocen bezpieczeństwa i najlepszych praktyk we współpracy z partnerami z dziedzin nauki, robotyki, elektroniki i produkcji.

Rozwiązanie wąskiego gardła integracji

Anthropic twierdzi, że projekt rozpoczął się we współpracy z kampusem badawczym HHMI Janelia Research Campus, kampusem badawczym Instytutu Medycznego Howarda Hughesa. Problem, którego dotyczy, jest znany każdemu, kto pracował w laboratorium lub na hali produkcyjnej: większość przyrządów nie komunikuje się ze sobą, a ich integracja zazwyczaj zajmuje tygodnie lub miesiące specjalistycznej pracy polegającej na budowaniu połączeń na zamówienie.

Anthropic twierdzi, że w przypadku MHS praca integracyjna skraca się do godzin lub minut. Po podłączeniu urządzeń agenci sztucznej inteligencji mogą organizować autonomiczne, całodobowe eksperymenty, analizując każdy etap eksperymentu, aktualizując parametry w czasie rzeczywistym, a w niektórych przypadkach naprawiając błędy sprzętowe bez interwencji człowieka. Firma twierdzi, że standard był już używany do różnych zadań, od rutynowych eksperymentów z odkrywaniem leków po kalibrację lasera na komputerze kwantowym.

Aby uzyskać więcej informacji na temat narzędzi zmieniających rozwój sztucznej inteligencji, AI Buzz Wire śledzi każdą główną wersję w całej branży.

Jak działa standard

Sercem MHS jest ustandaryzowany sterownik: oprogramowanie, które dokonuje translacji pomiędzy systemem operacyjnym komputera a urządzeniem sprzętowym. Sterownik udostępnia prosty zestaw podstawowych poleceń — poleceń takich jak „odczyt” (na przykład uzyskanie temperatury) lub „zapis” (ustawienie temperatury) — które każde urządzenie sprzętowe może zrozumieć i na których można wykonać działanie.

Każde urządzenie jest również wykrywalne w standardowym formacie, dzięki czemu agenci i instrumenty mogą odnajdywać się nawzajem w sieci bez konieczności stosowania niestandardowego tłumacza pomiędzy nimi. Według Anthropic kierowca dodatkowo zapewnia agentowi wiedzę kontekstową, która tradycyjnie żyła w papierowych instrukcjach obsługi lub w głowie technika – na przykład wagę ramienia robota, która ma znaczenie dla bezpiecznego manipulowania nim. Użytkownicy mogą sami zapisać te informacje w znacznikach w języku naturalnym lub porozmawiać z agentem, który przeprowadza z nimi wywiad na temat konfiguracji sprzętu. Następnie sterownik automatycznie tworzy plik referencyjny opisujący, co urządzenie może zmierzyć, co można wyregulować i jakie limity bezpieczeństwa będą egzekwowane.

Agenci kontrolują sprzęt za pomocą trzech mechanizmów: protokołu kontekstowego modelu (MCP), interfejsu wiersza poleceń i plików kodu zawierających interfejsy API. Łącznie, jak twierdzi Anthropic, pozwalają one agentowi koordynować wiele urządzeń za pomocą jednego wiersza kodu, sekwencjonować kroki między instrumentami, monitorować wyniki i dostosowywać parametry w miarę zmiany warunków.

Co Anthropic zaobserwował u Claude’a

Anthropic donosi, że podczas testów Claude wchodził w interakcję ze sprzętem w sposób eksploracyjny, przypominający pracę naukowca. W jednym przykładzie model dostosował laser, obserwował wyniki przez kamerę, aby zobaczyć, jak porusza się wiązka, i powtórzył proces, aby zrozumieć sekwencję zdarzeń. Następnie Claude spakował to, czego się nauczył, w deterministyczny skrypt, umożliwiając wykonanie procedury wyrównywania jako pojedynczego polecenia, bez konieczności stosowania rozumowania modelu na każdym kroku.

Ten wzorzec — agent interaktywnie badający, a następnie kompilujący swoje ustalenia w powtarzalny kod — ma kluczowe znaczenie dla tego, jak Anthropic oczekuje, że MHS będzie używany do długotrwałych zadań, których ciągły nadzór byłby powolny lub kosztowny.

Z założenia niezależny od modelu

Anthropic pozycjonuje MHS jako infrastrukturę, a nie uzależnienie od produktu. Standard współpracuje z każdym urządzeniem wyposażonym w programowalny interfejs, a firma twierdzi, że jest niezależny od modelu: dostęp do niego może uzyskać każdy agent za pomocą standardowych protokołów, takich jak MCP. Może to mieć znaczenie w przypadku zastosowania w laboratoriach badawczych, gdzie często miesza się sprzęt od wielu dostawców i modele od wielu dostawców.

Ogłoszenie następuje w obliczu nasilającej się konkurencji w zakresie łączenia modeli sztucznej inteligencji ze światem fizycznym, a rywale poszukują modeli zorientowanych na robotykę i partnerów sprzętowych. Koncentrując się w pierwszej kolejności na laboratoriach i liniach produkcyjnych – środowiskach o zorganizowanym przepływie pracy wymagającym dużej liczby instrumentów – Anthropic stawia na to, że automatyzacja naukowa i przemysłowa stanie się pierwszą komercyjnie znaczącą dziedziną dla wcielonych agentów.

Co obejrzeć

Zapowiedź badania jest ograniczona do początkowej grupy partnerów, a Anthropic nie ogłosił daty udostępnienia oprogramowania typu open source. Kluczowe pytania na nadchodzące miesiące dotyczą tego, ilu producentów urządzeń produkuje sterowniki MHS, jak wyglądają oceny bezpieczeństwa opracowane z partnerami oraz czy konkurenci przyjmują ten standard lub współdziałają z nim.

Dla laboratoriów rozważających wdrożenie rozwiązanie jest proste: integracja sprzętu, która kiedyś zajmowała miesiące, może stać się zadaniem konfiguracyjnym mierzonym w godzinach, z agentami zdolnymi do ciągłego przeprowadzania eksperymentów w tle. Testem, na który odpowiedź ma odpowiedzieć zapowiedź badania, jest to, czy obietnica ta przetrwa kontakt z brudnym, prawdziwym sprzętem.

---

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →