Anthropic'ın MHS'si, AI ajanlarının laboratuvar ve kuantum cihazlarını kontrol etmesini sağlıyor

Anthropic, AI Agent'ler ile gerçek cihazlar arasında MCP benzeri bir genel arayüz oluşturmayı amaçlayan Model Hardware Standard (MHS) araştırma önizlemesini yayınladı. Mikroskoplar, pipetleme istasyonları, robot kollar, kameralar, lazerler ve sensörler yalnızca bir kez bağlanarak, ortak durum, işlem komutları ve güvenlik kısıtlamalarıyla farklı modeller tarafından keşfedilebilir ve kontrol edilebilir; bu da önceki haftalar hatta aylar süren özelleştirilmiş entegrasyonları saatler veya dakikalara indiriyor. Erken testlerde, Claude MHS aracılığıyla protein tespiti deneylerini gerçekleştirdi, mikroskopik görüntülemeyi anlık olarak ayarladı, sıvı köpük arızalarını giderdi ve QuEra kuantum bilgisayarının lazer geri kazanım başarı oranını %58'den %99,3'e çıkardı. Ancak Anthropic aynı zamanda dil modellerinin gerçek fiziksel sezgiye sahip olmadığını, köpükler, çarpmalar, ışık yolları ve biyolojik örnekler gibi gerçek dünya sorunları için hâlâ uzman gözetimi gerektirdiğini kabul ediyor. MHS şu anda yalnızca bazı laboratuvarlara ve üretici firmalara açık olup, güvenlik değerlendirmeleri tamamlandıktan sonra açık kaynak hale getirilecek. Öneminin sadece "Claude makineyi kullanıyor" olması değil, AI Agent'lerin yazılımları okuyup API'leri çağırmanın ötesine geçerek, gözlemlemeyi, müdahale etmeyi ve tekrarlı denemeler yapmayı öğrendiği fiziksel dünyaya doğru ilerlediği gerçeğinde yatıyor.

Yazan: Anthropic

Claude, makaleleri okuyabilir, verileri analiz edebilir, araştırma hipotezleri oluşturabilir ve deney kodları yazabilir, ancak araştırma "gerçek cihazları işletme" aşamasına geldiğinde, AI genellikle gerçek dünyadan dışlanır.

Sorun tamamen model kapasitesinde değil, laboratuvar ve fabrika ekipmanlarının aşırı derecede parçalanmış olmasıdır. Kamera Python kullanıyor olabilir, dedektör MATLAB üzerinde çalışıyor, elektrofizyolojik ekipmanlar C# kullanıyor, robot kollar, mikroskoplar ve pipetleme istasyonları ise kendi sürücülerine, veri formatlarına ve kontrol yazılımlarına sahip. Birçok ekipman, komşu cihazların şu anda hangi durumda olduğunu bilmiyor.

Bir araştırmacı, kameranın örneğin konumunu tespit ettikten sonra robot kola bildirimde bulunmasını veya mikroskobun gerçek zamanlı görüntüye göre tarama parametrelerini otomatik olarak değiştirmesini istiyorsa, genellikle her iki cihaz için ayrı ayrı bağlantı programları yazmalıdır. Cihaz sayısı arttıkça, noktadan noktaya entegrasyonların bakımını yapmak daha da karmaşık hale gelir.

Anthropic, laboratuvar veya üretim tesislerinin genellikle bir donanım entegrasyonunu tamamlamak için haftalar hatta aylar sürebileceğini belirtti. MHS, bu işi saatler veya dakikalar içinde tamamlamayı hedefliyor.

Bu, "model nasıl daha akıllı hale gelir" sorununu değil, önce tüm cihazlara modelin anlayabileceği ortak bir dil kurmayı çözüyor.

(MHS bağlantısı öncesi ve sonrası mimari şemaları, birden fazla cihazın noktadan noktaya özel bağlantılarından tek bir arayüz üzerinden iletişim kurmaya geçişini göstermektedir.)

MHS, bir standartlaştırılmış sürücüdür. Cihazın kendi arayüzü ile AI Agent arasında bir çeviri katmanı görevi görerek, karmaşık makineleri sıcaklık okuma, sıcaklık yazma, durum sorgulama veya bir işlem yürütme gibi az sayıda genel primitiflere dönüştürür.

MHS'ye bağlanan cihazlar, neyi ölçebileceğini, hangi parametrelerin ayarlanabilir olduğunu, cihazın hangi durumlarda olabileceğini ve hangi güvenlik kısıtlamalarının uygulanması gerektiğini açıklayan standartlaştırılmış bir referans dosyası oluşturur.

Sadece kod, makinenin tüm gerçek dünya özelliklerini ifade edemeyebilir. Örneğin, model yalnızca robot kolunun kontrol API'sini görürse, robot kolunun kendi ağırlığını, hareket aralığını, eylemsizliğini veya çarpışma riskini bilmeyebilir. Geçmişte, bu bilgiler kağıt kullanım kılavuzlarında, mühendislerin bilgisayarlarında veya operatörlerin deneyiminde dağılmış olabilirdi.

MHS, kullanıcıların bu bilgileri doğal dil etiketleriyle tamamlamasını sağlar. Kullanıcılar doğrudan doldurabilir veya Agent, cihaz durumunu diyalog yoluyla sorarak otomatik olarak açıklama dosyası oluşturabilir.

Bağlantı tamamlandıktan sonra, Agent, MCP, komut satırı veya kod API aracılığıyla cihazları kontrol edebilir. Birden fazla cihazdan gerçek zamanlı verileri okuyabilir, işlemlerin sırasını planlayabilir ve deney sonuçlarına göre parametreleri ayarlayabilir; yüksek hızda veya uzun süreli işlemler gerektirdiğinde, bir dizi sürücü komutunu kod olarak derleyerek cihazın kendi kendine çalışmasını sağlar ve modelin her küçük hareket öncesinde yeniden çıkarım yapmasına gerek kalmaz.

MHS, modelden bağımsızdır ve Claude kullanımını zorunlu kılmaz. Herhangi bir model veya Agent çerçevesi, MCP gibi standart protokoller aracılığıyla cihazlara erişim için kullanılabilir.

Genentech, BCA proteini test prosedürünü MHS ile test etti. Deney, örneğin renk değişimi yoluyla protein konsantrasyonunu ölçmek için pipetleme istasyonu, robot kol ve mikroplak okuyucuyu koordine etmeyi gerektirdi.

Bu süreçler otomatikleştirilmeye uygun gibi görünse de, gerçek hayatta sıvıların fiziksel özellikleri tarafından kolayca etkilenebilir. Pipetler köpükle karşılaştığında sıvı seviye sensörü hata verebilir; kabarcıklar son optik okumaları da bozabilir.

Claude, köpüklerden kaynaklanan bir çalışma hatasıyla ilk karşılaştığında, doğrudan parametreleri değiştirip aynı delikte tekrar denemeyi tercih etti. Bu da sıvıyı daha fazla karıştırarak daha fazla köpük oluşturdu.

Araştırmacılar bunu söylemelidir: Bu, tekrarlı çalıştırma ile çözülebilecek bir yazılım hatası değil, gerçek sıvılardaki bir fiziksel sorundur. Doğru yöntem, temiz bir delik konumuna geçmek ve karıştırma döngü sayısını azaltarak işlemi daha yumuşak hale getirmektir.

Açıklama alındıktan sonra Claude, sonraki deneylerde bu bağlamı korudu. Takım, deneyimi tekrar kullanılabilir sıvı işleme becerilerine dönüştürdü ve Claude'un sıvı özelliklerine göre daha uygun varsayılan parametreleri seçmesini sağlayarak pipetleme hatalarını azalttı.

Bu vaka, MHS'nin şu anki en net sınırlarını ortaya koyuyor. Ajant, sensör geri bildirimlerine dayalı olarak çıkarım yapabilir, ancak metin ve görsellerden öğrendiği dünya modeli, deneycilerin uzun süreli operasyonlarla geliştirdiği fiziksel sezgiye eşit değildir.

MHS, HHMI Janelia'da geliştirilen karmaşık bir beyin görüntüleme cihazı setinden ortaya çıkmıştır.

Araştırmacı Virginie Ruetten, canlı zebra balığındaki tüm hücrelerin ve organların uyku sırasındaki aktivitelerini iki-foton mikroskopi ile gözlemledi. Deneysel set, lazer, aynalar, masa, kamera ve çeşitli sensörleri içerir ve orijinalde farklı üreticilerden gelen yedi yazılımın birlikte çalışmasını gerektirirdi.

Cihazlar arasında standart bir arayüz eksikliği var ve farklı programlama dilleri kullanılıyor. Bir program masanın konumunu biliyor, diğer program ise doğrudan okuyamıyor; araştırmacılar, cihazların sinyal iletebilmesi için büyük miktarda köprü kodu yazmak zorunda kalıyor, bazen özel veri toplama kartları ekliyorlar.

MHS, tüm cihazların durumunu, değişkenlerini, kontrol komutlarını ve sensör okumalarını bir standartlaşmış paylaşılan durum uzayına yerleştirir. Her cihaz yalnızca bir kez tanımlanır ve bağlanır; diğer programlar veya Agent'lar doğrudan bunu keşfedebilir ve kullanabilir.

MHS uygulanmadan önce yeni bir kamera eklemek birkaç gün sürebiliyordu; MHS'ye bağlandıktan sonra araştırmacılar, lazer konumunu gözlemlemek için yeni bir kamerayı sisteme sadece birkaç dakikada ekledi ve görüntü verilerini aynayı kontrol eden programa geri bildirdi.

Claude, kamerayla ışık demetini gözlemleyebiliyor, aynaları ayarlayabiliyor ve yeni görüntüye göre hareket sonucunu değerlendirebiliyor; bu da “işlem—gözlem—düzeltilme” döngüsünü oluşturuyor. Diğer mikroskop sisteminde, önce araştırmacıların yarım gününü alan lazer, sensör ve optik yol kontrolü, bir otomatik adıma indirgendi.

QuEra Computing, nötr atomları kullanarak kuantum bilgisayarlar inşa eder ve atomları çok hassas bir şekilde lazerle kontrol etmek gerekir. Lazer frekansına izin verilen sapma yaklaşık bir trilyonda birdir; bu, Dünya ile Ay arasındaki mesafeyi ölçerken hatanın bir saç telinin kalınlığını aşmaması anlamına gelir.

Sıcaklık, titreşim veya basınç değişiklikleri, lazerin "kilitlenmesini" kaybetmesine neden olabilir. Bu durum uzun süreli kuantum hesaplamalarda ortaya çıkarsa, saatlerce süren görevler doğrudan başarısız olabilir. Geleneksel kurtarma süreci genellikle deneyimli operatörlerin birden fazla cihazı izleyip parametreleri sırayla ayarlamasını gerektirir ve yaklaşık 5 ila 10 dakika sürer.

QuEra, önceki olarak lazer mühendisleri, yazılım mühendisleri, algoritma uzmanları ve test ekibini bir araya getirerek, birkaç ay boyunca sabit bir kurtarma betiği yazdı. Bu betik, kontrol cihazlarını insan eliyle adım adım ayarlayarak, her denemede yaklaşık 150 saniye sürerek %58 başarı oranı sağladı.

MHS'ye bağlandıktan sonra, Agent yalnızca sabit süreçleri tekrarlamıyor, aynı zamanda sürekli farklı bozulmalar oluşturuyor, lazer tepkilerini gözlemliyor ve hangi kontrol parametrelerinin gerçekten ayarlanmasına ihtiyaç duyulduğunu buluyor.

Bir gece denemesi sonrası, geri yükleme süresi yaklaşık 6 saniyeye düşürüldü ve başarı oranı %96'ya ulaştı; ekstra optimizasyon sonrası Anthropic, nihai geri yükleme başarı oranının %99,3 olduğunu bildirdi.

Ajan, lazer frekans kaymasının küçük olduğunda tüm kontrolleri kontrol etmeye gerek olmadığını, sadece bir veya iki parametreyi değiştirmenin yeterli olduğunu tespit etti. İnsan operatörler genellikle güvenlik nedeniyle tüm maddeleri tek tek doğrular; ancak ajan, tekrarlanan deneylerle atlanabilecek adımları belirledi.

Ancak QuEra, Agent'in uzmanları tamamen yerine geçmediğini vurguluyor. Saf fiziksel donanım arızaları karşısında Claude genellikle nasıl davranacağını bilmiyor, çünkü cihazlar hakkındaki anlayışı hâlâ program arayüzünden geliyor. Biraz riskli işlemlerde de sıklıkla insan onayı beklemek için duruyor ve bu da bazı gece deneylerinin bir sonraki güne ertelenmesine neden oluyor.

Tetsuwan Scientific, MHS'yi yerel kirlilik analizi için qPCR deneyleri gerçekleştirmek üzere ResearchOS otomatik biyolojik deney platformuna entegre ediyor.

qPCR, viskoz ve sabun suyu gibi bir "master mix" reaktifi gerektirir. Bu sıvı, pipetleme sırasında köpürmeye eğilimlidir ve bu da alınan miktarın doğruluğunu bozar ve deney kalitesini düşürür.

Bir deneyde, kamera robot kolu tarafından tutulan tüp içindeki kabarcıkları tanımladı. Robot kolu bu sorunu kendi başına çözemiyor, ancak ResearchOS, laboratuvardaki diğer MHS'ye bağlanmış cihazları arayabiliyor. Claude, ardından Slack üzerinden araştırmacılara, robot kolun tüpü santrifüjde düşük hızda kısa bir süre döndürerek sıvıyı ve kabarcıkları tekrar tabana toplamayı önerdi.

Bu tür cihazlar arası işleme, geleneksel sabit otomasyon süreçlerinin kapsayamadığı senaryolardır. Programcılar, her bir hata için tam bir kurtarma yolu önceden yazmak zorunda değildir; Agent, hatayı gözlemleyip mevcut cihaz kombinasyonlarına göre çözüm bulabilir.

Takım, Claude'ın ileri düzey deney protokollerini donanım operasyon komutlarına dönüştüren derleyicisini optimize etti. Deneyler, 9143 bağımsız sıvı transferi, 300 farklı transfer kombinasyonu, 1508 ölçümlü koşul ve dört tür sıvıyı kapsıyor.

Optimize edilmemiş testlerde, Claude ve MHS tarafından geliştirilen model, cihaz üreticisinin teknik specifikasyonlarına göre 45 testten 31'inde sıvı bölme hassasiyetini yaklaşık %12 daha doğru tahmin etti; en çok tekrarlanan verilerde iyileşme oranı yaklaşık %17 oldu. Bu sonuçlar, proje ortağı tarafından gerçekleştirilen deneylerden elde edilmiştir ve laboratuvarlar arası bağımsız tekrarlanabilirlik açısından genel bir sonuç olarak kabul edilemez.

Anthropic, MHS'yi olgun bir insansız laboratuvar sistemi olarak tanımlamadı.

Claude, durumları okuyabilir, görüntüleri analiz edebilir ve cihazları kullanabilir, ancak gerçek dünya hakkında bilgisi çoğunlukla metin ve görüntülerden gelir. Sürtünme, köpük, ağırlık, sıvı viskozitesi, mekanik boşluklar ve ışık yolu kayması gibi sorunlar genellikle yalnızca gerçek operasyonlar sırasında ortaya çıkar.

Cihazda herhangi bir programlanabilir arayüz yoksa, MHS şu anda doğrudan bağlanamıyor; Anthropic, bu tür cihazlar için sürücü eklemek üzere üreticilerle iş birliği içinde.

Fiziksel güvenlik, yazılım izinlerinden daha karmaşıktır. Sayısal bir ajans yanlış bir komutu çalıştırdığında, genellikle dosyalar geri alınabilir veya sistem geri yüklenebilir; ancak mekanik kollar, lazerler, kimyasal maddeler ve biyolojik örnekler kontrol edilirken, hatalı hareketler cihaz hasarına, örneklerin bozulmasına veya hatta insan sağlığına risk yaratabilir.

Bu nedenle, araştırma önizleme aşamasının önemli görevi cihaz sayısını artırmak değil, yeni güvenlik değerlendirmeleri oluşturmaktır: hangi işlemlerin insan onayı gerektirdiği, cihazların hangi koşullarda otomatik olarak durdurulması gerektiği, modelin sensör anormalliklerini tanımlayabilip olmadığı ve donanım sürücü katmanındaki sınırlamaların Agent tarafından atlanamamasının nasıl garanti altına alınacağı.

Anthropic, "fiziksel güvenlik rota haritası" hazırlıyor ve MHS'yi resmi olarak açık kaynak hale getirirken, araştırma önizleme bulgularını ve güvenlikli dağıtım kılavuzunu aynı anda yayınlamayı planlıyor.

MHS, birçok cihaz ve platform şirketinin erken destekçisini kazandı. AWS, Strands Robots aracılığıyla erişim sağlayacak; Doosan Robotics ve Universal Robots, robot kolları desteği için test yapıyor; Tecan, QIAGEN ve Automata laboratuvar otomasyonuna odaklanıyor; Hugging Face, MHS’yi LeRobot robot kütüphanesine eklemeyi planlıyor ve Raspberry Pi, bazı ürünlerde ve kamera sürücülerinde entegrasyon testi yapıyor.

MHS bir ekosistem oluşturursa, MCP'nin model ve yazılım araçlarını birleştirdiği gibi, Agent'leri gerçek cihazlarla birleştirebilir. Laboratuvarlar, her model, her cihaz ve her yazılım için arayüzleri tekrar kurmak zorunda kalmaz; cihaz üreticileri ise Agent'ler tarafından keşfedilebilen standart yetenek tanımlarını doğrudan sağlayabilir.

Ancak MHS'nin karşılaştığı zorluklar açıkça daha yüksektir. Yazılım araçlarının girdi ve çıktıları genellikle tam olarak tanımlanabilir, ancak fiziksel cihazlar aşınır, kayar, tıkanır, gürültü üretir ve çevre değişikliklerinden etkilenir. Aynı modele sahip iki cihaz, kalibrasyon durumu ve kurulum yöntemi farklı olduğunda farklı davranışlar gösterebilir.

Bu nedenle, MHS'nin standartlaştırmak istediği yalnızca komutlar değil, aynı zamanda makine durumu, gerçek kısıtlamalar, güvenlik sınırları ve arıza kurtarma bilgileridir.