Фото до статті
Дмитро Сімагін
Заступник головного редактора
Компанія Anthropic презентувала дослідницький попередній доступ до Model Hardware Standard (MHS) — специфікації, яка дозволяє штучному інтелекту безпечно взаємодіяти з фізичними пристроями: від мікроскопів у лабораторіях та роботизованих маніпуляторів до квантових комп’ютерів і промислового верстатного обладнання.
Зараз MHS доступний для першої групи наукових лабораторій та передових виробничих підприємств. Розробка цього стандарту розпочалася завдяки співпраці Anthropic з дослідницьким центром HHMI Janelia.
Яке питання вирішує MHS
Налаштування та інтеграція обладнання в лабораторних чи виробничих умовах зазвичай займає значний час — від тижнів до місяців. Переважна більшість пристроїв не має вбудованої здатності комунікувати між собою. Кожен з них вимагає окремої, індивідуально створеної інтеграції, яку виконують фахівці вручну. MHS суттєво скорочує цей процес, зменшуючи його до годин або навіть хвилин.
Стандарт сумісний з будь-яким пристроєм, що має програмований інтерфейс, і є незалежним від конкретної моделі. До нього може отримати доступ будь-який агентський фреймворк через стандартні протоколи, зокрема Model Context Protocol (MCP), який раніше розробила Anthropic.
Технічні аспекти роботи
Фундаментом MHS є стандартизований драйвер — програма, що виконує роль перекладача між операційною системою комп’ютера та обладнанням. Драйвер використовує прості команди (примітиви) — такі як «читати» (наприклад, «отримати показники температури») або «записувати» (наприклад, «встановити бажану температуру»), які зрозумілі будь-якому пристрою. Кожен пристрій стає «видимим» у єдиному стандартному форматі, що дозволяє обладнанню та агентам знаходити один одного та обмінюватися інформацією через мережу без необхідності у спеціальних «програмах-перекладачах».
Драйвер також допомагає агенту зрозуміти, як використовувати пристрій, з яким він стикається вперше. Наприклад, він дозволяє дізнатися про вагу роботизованого маніпулятора, що є критично важливим для його безпечного використання. Раніше така інформація містилася в паперових інструкціях або була частиною неформальних знань фахівців. Тепер її можна зафіксувати безпосередньо в драйвері природною мовою — як самостійно, так і через діалог з агентом, який «опитує» користувача щодо його обладнання.
Керування пристроями здійснюється за допомогою трьох механізмів: MCP, командного рядка та файлів з кодом (API). Отримавши контроль, агент може одночасно відстежувати роботу кількох приладів, коригувати їх параметри в реальному часі. Для тривалих або швидких операцій агент може «пакувати» послідовності команд у код, щоб пристрої виконували їх автономно, без необхідності постійного покрокового аналізу з боку моделі.
Приклади з початкових проєктів
Anthropic поділилася результатами кількох пілотних впроваджень:
- Genentech застосувала MHS та Claude для автоматизації BCA-аналізу (визначення концентрації білка), координуючи роботу дозатора рідин, роботизованого маніпулятора та планшетного рідера. Claude самостійно визначив оптимальну швидкість введення різних типів рідин та успішно відновлювався після непередбачених збоїв обладнання без участі людини.
- Лабораторії Baker і Pinglay Університету Вашингтона інтегрували шість приладів через MHS менш ніж за тиждень. Вони розробили панель для віддаленого моніторингу, ШІ-агента для контролю qPCR-реакцій та систему безконфліктної передачі планшетів між маніпулятором та дозатором.
- Carnegie Mellon University прискорила експерименти з побудови кривих «доза-відповідь» приблизно втричі. Агент на базі Claude Opus 4.8 самостійно оцінював якість отриманої кривої та, у разі незадовільного результату (R² 0,98 без втручання людини.
- HHMI Janelia об’єднала через MHS установку, що складалася з семи різних програм для мікроскопії зебрафішок від різних постачальників, скоротивши процес запуску експерименту з семи окремих етапів до одного кліка.
- QuEra Computing (виробник квантових комп’ютерів на нейтральних атомах) доручила агенту завдання відновлення «блокування» частоти лазера — критичного параметра з точністю близько 1 до трильйона. За ніч ітерацій агент підвищив успішність відновлення з 58% (за 150 секунд) до 96%, а за фінальним сліпим тестом на 700 випробуваннях — до 99,3% (у середньому за 6 секунд). Пізніше агент також налаштував 12 взаємопов’язаних параметрів лазерного сервоконтуру, знизивши шумовий показник приблизно в 10 разів порівняно з ручним налаштуванням, виконаним фахівцем.
- Tetsuwan Scientific інтегрувала MHS у власну автоматизовану лабораторну платформу ResearchOS і провела на її основі проєкт громадської науки — qPCR-аналіз забруднення каліфорнійського струмка San Pedro Creek. Результати підтвердили, що основним джерелом фекального забруднення є людська діяльність.
Обмеження, визнані Anthropic
Компанія відкрито визнає: як велика мовна модель, Claude сприймає фізичний світ через текстову та візуальну інформацію, тому її просторове та фізичне мислення наразі має певні межі та потребує експертного контролю. Наприклад, дослідники Genentech мусили окремо пояснювати Claude, що піноутворення в зразках є фізичним явищем, а не програмною помилкою. У пілотному проєкті QuEra агент часто зупинявся, очікуючи підтвердження від людини перед виконанням ризикованих дій, — компанія вважає це радше перевагою, ніж недоліком.
Партнери та майбутні плани
До MHS вже долучаються виробники обладнання та розробники програмного забезпечення: Amazon Web Services (через бібліотеку Strands Robots), Automata, Danaher, Doosan Robotics, MBF Bioscience, QIAGEN, Tecan, Universal Robots, а також Hugging Face (інтеграція в LeRobot) і Raspberry Pi.
На даний момент Anthropic не оприлюднює вихідний код стандарту. Компанія планує зібрати додаткові дані щодо безпеки разом із партнерами, які беруть участь у дослідницькому прев’ю, а вже потім зробити MHS доступним для всіх. Компанія розробляє окрему стратегію фізичної безпеки для запобігання зловживанням при керуванні реальним обладнанням.
Нагадаємо, що китайська компанія ByteDance розробляє масштабну LLM на 10 трлн параметрів, аби конкурувати з Claude.
Головна > Новини > Claude навчили працювати з реальним обладнанням на заводі та лабораторії
Джерело