MHS від Anthropic дозволяє AI-агентам керувати лабораторними та квантовими пристроями

Anthropic опублікувала дослідницький попередній варіант Model Hardware Standard (MHS), намагаючись створити універсальний інтерфейс, подібний до MCP, між AI-агентами та фізичними пристроями. Мікроскопи, піпетувальні роботизовані станції, роботизовані маніпулятори, камери, лазери та датчики потрібно підключити лише один раз, щоб різні моделі могли виявляти та керувати ними через єдиний стан, команди операцій та обмеження безпеки, скорочуючи час на індивідуальну інтеграцію з тижнів або місяців до кількох годин або хвилин. У ранніх тестах Claude за допомогою MHS успішно виконав експеримент з виявлення білків, у реальному часі налаштував мікроскопічне зображення, вирішив проблему з бульбашками рідини та підвищив частку успішного відновлення лазера в квантовому комп’ютері QuEra з 58% до 99,3%. Однак Anthropic визнає, що мовні моделі не мають справжньої фізичної інтуїції і все ще потребують нагляду експертів при роботі з бульбашками, зіткненнями, оптичними шляхами та біологічними зразками. Наразі MHS доступний лише для деяких лабораторій та виробничих підприємств і буде відкритий для загального доступу після завершення оцінки безпеки. Його значення полягає не лише в тому, що «Claude може керувати пристроями», а в тому, що AI-агенти переходять від читання програмного забезпечення та виклику API до здатності спостерігати, втручатися та проводити повторні експерименти у фізичному світі.

Автор статті, джерело: Anthropic

Claude вже може читати наукові статті, аналізувати дані, генерувати дослідницькі гіпотези та писати код експериментів, але коли дослідження доходить до етапу «реального керування обладнанням», AI зазвичай блокується за межами реального світу.

Проблема не стільки в здібностях моделі, скільки в надзвичайно фрагментованому обладнанні лабораторій і заводів. Камери можуть використовувати Python, детектори працюють на MATLAB, електрофізіологічне обладнання працює на C#, а роботизовані руки, мікроскопи та станції для піпетування мають власні драйвери, формати даних та програми керування. Багато обладнання взагалі не знає, у якому стані перебувають сусідні прилади.

Дослідникам, які хочуть, щоб камера повідомляла маніпулятор після виявлення положення зразка, або щоб мікроскоп автоматично змінював параметри сканування на основі зображень у реальному часі, часто потрібно окремо писати програми з’єднання для кожної пари пристроїв. Чим більше пристроїв, тим складнішою стає підтримка точкових інтеграцій.

Anthropic зазначає, що раніше лабораторії або виробничі об’єкти зазвичай витрачали тижні або місяці на інтеграцію одного комплекту обладнання. MHS бажає скоротити цей процес до кількох годин або хвилин.

Він вирішує не те, «як зробити модель розумнішою», а спочатку створює спільну мову, зрозумілу для моделі, для всіх пристроїв.

(У оригіналі є схеми архітектури до та після підключення MHS, що демонструють перехід від точково-точкових індивідуальних підключень до комунікації через єдиний інтерфейс.)

Ядро MHS — це стандартизований драйвер. Він діє як шар перекладу між інтерфейсом пристрою та AI Agent, перетворюючи складні машини на невелику кількість універсальних примітивів, таких як читання температури, запис температури, запит стану або виконання певної операції.

Обладнання, підключене до MHS, створює стандартний опорний файл, який пояснює, що воно може вимірювати, які параметри можна налаштовувати, у яких станах може перебувати обладнання та які безпекові обмеження обов’язково потрібно виконувати.

Чистий код зазвичай не може передати всі реальні властивості машини. Наприклад, якщо модель бачить лише API керування маніпулятором, вона може не знати ваги маніпулятора, діапазон руху, інерцію чи ризик зіткнення. Раніше ця інформація могла бути розсіяна в паперових інструкціях, на комп’ютерах інженерів чи в досвіді операторів.

MHS дозволяє користувачам доповнювати ці знання за допомогою міток у природній мові. Користувачі можуть заповнювати їх безпосередньо або дозволити агенту через діалог запитати інформацію про пристрій, а потім автоматично згенерувати описовий файл.

Після підключення агент може керувати пристроями за допомогою MCP, командного рядка або API коду. Він може читати дані в реальному часі з кількох приладів, планувати послідовність операцій, налаштовувати параметри на основі результатів експерименту; при необхідності виконання швидких або тривалих операцій серія команд керування компілюється у код, щоб пристрій працював самостійно, не вимагаючи від моделі повторного міркування перед кожним дрібним дією.

MHS не залежить від моделі і не обмежує використання лише Claude. Будь-яка модель або агентська фреймворка теоретично може отримати доступ до пристроїв через стандартизовані протоколи, такі як MCP.

Genentech використовувала MHS для тестування процесу аналізу білка BCA. Експеримент вимагав координації робочої станції для піпетування, роботизованої руки та ензимного імунного аналізатора для вимірювання концентрації білка за зміною кольору зразка.

Ці процеси на перший погляд підходять для автоматизації, але на практиці їх легко впливають фізичні властивості рідини. Коли піпетка зустрічає піну, датчик рівня рідини може видавати помилку; бульбашки також можуть заважати остаточним оптичним вимірюванням.

Коли Клод вперше зіткнувся з помилкою виконання, спричиненою бульбашками, його інстинктивною реакцією було змінити параметри та спробувати знову в тому самому отворі. В результаті це лише продовжувало збурювати рідину та створювати більше бульбашок.

Дослідникам потрібно зрозуміти: це не програмна помилка, яку можна вирішити шляхом повторного запуску, а фізична проблема в рідкій середовищі. Правильним рішенням є перехід на чистий лунок та зменшення кількості циклів змішування для більш м’якого проведення операції.

Отримавши пояснення, Клауд у подальших експериментах зберіг цей контекст. Команда також систематизувала досвід у вигляді повторно використовуваних навичок роботи з рідинами, що дозволило Клауду вибирати більш обґрунтовані параметри за замовчуванням залежно від властивостей рідини та зменшити помилки піпетування.

Цей випадок розкриває найбільш чіткі межі MHS. Агент може робити висновки на основі зворотного зв’язку від сенсорів, але його модель світу, навчена на тексті та зображеннях, не дорівнює фізичній інтуїції, сформованій експериментаторами в результаті тривалої діяльності.

MHS спочатку виник як набір складних обладнань для зображення мозку в HHMI Janelia.

Дослідниця Віржині Реттен використовувала двофотонну мікроскопію для спостереження за активністю клітин і органів цілого живого зебрового рибки під час сну. Повна установка експерименту, що включає лазер, дзеркала, предметний стіл, камеру та різноманітні датчики, спочатку вимагала синхронної роботи семи програмних пакетів від різних виробників.

Між пристроями відсутні єдині інтерфейси, а навіть використовуються різні мови програмування. Одна програма знає положення стола, а інша не може безпосередньо зчитувати ці дані; дослідникам доводиться писати велику кількість мостових кодів, а іноді навіть додавати спеціалізовані картки збору даних, щоб пристрої могли передавати сигнали.

MHS поміщає стан, змінні, команди керування та показання датчиків усіх пристроїв у стандартизоване спільне простір стану. Кожен пристрій потрібно описати та підключити лише один раз, після чого інші програми або агенти зможуть безпосередньо виявляти та використовувати його.

Перед впровадженням MHS додавання нової камери могло займати кілька днів інтеграції; після підключення MHS дослідникам знадобилося лише кілька хвилин, щоб додати нову камеру для спостереження за положенням лазера до системи та надіслати дані зображення програмі, що керує дзеркалами.

Claude також може спостерігати промені через камеру, регулювати дзеркала та за новими зображеннями визначати результат руху, утворюючи замкнений цикл «дія — спостереження — корекція». У іншій системі мікроскопів раніше дослідникам потрібно було півдня, щоб перевірити лазер, датчики та оптичний шлях, а тепер це зведено до одного автоматизованого кроку.

QuEra Computing використовує нейтральні атоми для побудови квантових комп’ютерів, що вимагає надзвичайно точного керування атомами за допомогою лазерів. Допустиме відхилення частоти лазера становить приблизно одну трильйонну частину, що еквівалентно тому, що помилка при вимірюванні відстані від Землі до Місяця не повинна перевищувати ширину людського волосся.

Зміни температури, вібрації або тиску можуть призвести до втрати «блокування» лазера. Якщо така ситуація виникає під час тривалих квантових обчислень, завдання, яке вже працювало кілька годин, може одразу зазнати невдачі. Традиційний процес відновлення зазвичай вимагає досвідчених операторів, які одночасно спостерігають за кількома приладами та послідовно налаштовують параметри, що займає приблизно 5–10 хвилин.

Раніше QuEra залучила інженерів з лазерів, програмістів, експертів з алгоритмів та тестувальників, щоб протягом кількох місяців розробити набір фіксованих сценаріїв відновлення. Вони послідовно налаштовували контролери відповідно до ручного процесу, досягаючи успішності близько 58%, при цьому кожна спроба тривала близько 150 секунд.

Після підключення MHS агент більше не просто повторює фіксовані процеси, а постійно створює різні збурення, спостерігає за реакцією лазера та визначає, які параметри керування справді потребують налаштування.

Після нічного експерименту час відновлення знизився до приблизно 6 секунд, а показник успішності досяг 96%; після додаткової оптимізації Anthropic повідомила про кінцеву успішність відновлення 99,3%.

Агент також виявив, що при невеликому зсуві лазерної частоти не потрібно перевіряти всі параметри управління — достатньо змінити один або два з них. Людські оператори, щоб забезпечити безпеку, зазвичай все одно перевіряють кожен пункт окремо; агент же завдяки величезній кількості повторюваних експериментів визначив кроки, які можна пропустити.

Однак QuEra підкреслює, що агент не повністю замінив експертів. При чисто фізичних поломках обладнання Claude часто не знає, як діяти, оскільки його розуміння пристроїв здебільшого базується на інтерфейсах програмування. Для операцій із будь-яким ризиком він часто зупиняється, чекаючи на дозвіл людини, що призводить до призупинення деяких нічних експериментів до наступного дня.

Tetsuwan Scientific підключила MHS до автоматизованої біологічної експериментальної платформи ResearchOS для проведення qPCR-експериментів з аналізу локального забруднення.

qPCR вимагає використання в’язкої, подібної до мильного розчину, реагентної суміші «master mix». Ця рідина під час піпетування легко утворює піну, що призводить до неточного відбору об’єму та знижує якість експерименту.

У експерименті камера виявила бульбашки в пробірці, яку тримав роботизований маніпулятор. Сам робот не міг вирішити цю проблему, але ResearchOS зміг знайти інші пристрої, підключені до MHS у лабораторії. Claude рекомендував дослідникам через Slack: відправити пробірку до центрифуги та обертати її з низькою швидкістю протягом короткого часу, щоб знову зібрати рідину та бульбашки на дні.

Цей тип обробки між пристроями — це сценарій, який важко охопити традиційними фіксованими автоматизованими процесами. Розробникам програм не потрібно заздалегідь писати повні шляхи відновлення для кожного типу помилки; агент може спостерігати за помилками та вирішувати їх, виходячи з доступних комбінацій пристроїв.

Команда також попросила Claude оптимізувати компілятор, який перетворює складні експериментальні протоколи на інструкції для обладнання. Експеримент охоплює 9143 окремі розподіли, 300 різних комбінацій перенесення, 1508 умов вимірювання та чотири типи рідин.

У тестах без участия оптимізації модель, покращена Claude та MHS, передбачила точність багаторазового розподілу на 12% точніше, ніж технічні характеристики виробника обладнання, і виграла у 31 з 45 тестів; на даних з найбільшою кількістю повторень покращення склало близько 17%. Ці результати отримані в експериментах партнерів проекту і ще не можуть вважатися універсальними висновками, підтвердженими незалежною перевіркою в інших лабораторіях.

Anthropic не описує MHS як зрілу систему безлюдної лабораторії.

Клауд може читати статус, аналізувати зображення та використовувати пристрої, але його знання про реальний світ здебільшого походять із тексту та зображень. Проблеми, такі як тертя, піна, вага, в’язкість рідини, механічний зазор і зсув оптичного шляху, часто виявляються лише під час реального функціонування.

Якщо пристрій не має жодного програмованого інтерфейсу, MHS зараз також не може підключитися безпосередньо; Anthropic співпрацює з виробниками, щоб додати драйвери для таких пристроїв.

Фізична безпека також складніша за цифрові дозволи. Якщо цифровий агент виконує неправильну команду, зазвичай можна відкотити файли або відновити систему; при керуванні маніпулятором, лазером, хімічними реагентами та біологічними зразками помилкова дія може призвести до пошкодження обладнання, знищення зразків або навіть ризику для життя людей.

Тому ключовими завданнями на етапі попереднього дослідження є не збільшення кількості пристроїв, а створення нових безпечних оцінок: які операції повинні затверджуватися людиною, за яких умов пристрій має автоматично зупинятися, чи може модель виявляти аномалії датчиків та як забезпечити, щоб обмеження на рівні драйверів апаратного забезпечення не можна було обійти агентом.

Anthropic повідомляє, що розробляє «фізичну дорожню карту безпеки» і планує опублікувати висновки дослідження та керівництво з безпечного розгортання одночасно з офіційним відкритим випуском MHS.

MHS отримала ранню підтримку від кількох компаній-виробників обладнання та платформ. AWS планує забезпечити доступ через Strands Robots; Doosan Robotics та Universal Robots тестирують підтримку роботизованих рук; Tecan, QIAGEN та Automata зосереджені на автоматизації лабораторій; Hugging Face планує додати MHS до бібліотеки роботів LeRobot, а Raspberry Pi також тестує інтеграцію в деяких продуктах та драйверах камер.

Якщо MHS створить екосистему, вона може об’єднати агенти з реальними пристроями так само, як MCP об’єднує моделі та програмні інструменти. Лабораторіям більше не потрібно буде повторно розробляти інтерфейси для кожної моделі, кожного пристрою та кожної програми, а виробники пристроїв зможуть безпосередньо надавати стандартизовані описи можливостей, які можуть виявляти агенти.

Але MHS стикається з набагато більшою складністю. Вхідні та вихідні дані програмних інструментів зазвичай можна точно визначити, тоді як фізичні пристрої витираються, зміщуються, забиваються, генерують шум і піддаються впливу змін оточуючого середовища. Два однакових прилади можуть вести себе по-різному через різницю в стані калібрування та способі установки.

Отже, MHS має стандартизувати не лише команди, а й стан машини, реальні обмеження, межі безпеки та знання про відновлення після відмов.