اینٹروپک کا MHS AI ایجنس کو لیب اور کوونٹم ڈیوائسز کو کنٹرول کرنے کی اجازت دیتا ہے

اینٹروپک نے مڈل ہارڈویئر استاندارڈ (MHS) کی ریسرچ پریویو جاری کی ہے، جس کا مقصد AI ایجینٹ اور حقیقی ڈیوائسز کے درمیان MCP کے مشابہ ایک عام انٹرفیس قائم کرنا ہے۔ مائیکروسکوپ، پپیٹنگ ورکسٹیشن، مکینیکل آرم، کیمرہ، لیزر اور سینسرز صرف ایک بار جوڑے جانے کے بعد، ایک یکسانہ حالت، آپریشنل ہدایات اور سیکورٹی پابندیوں کے ذریعے مختلف ماڈلز کے ذریعہ دریافت اور کنٹرول کیے جا سکتے ہیں، جس سے پہلے ہفتوں یا مہینوں لگنے والی مخصوص انٹیگریشن کو صرف گھنٹوں یا منٹوں میں مختصر کر دیا جاتا ہے۔ ابتدائی ٹیسٹنگ میں، کلوڈ نے MHS کے ذریعے پروٹین ڈیٹیکشن تجربہ مکمل کیا، مائیکروسکوپک امیجنگ کو ریل ٹائم میں ایڈجسٹ کیا، ترل مزاج کے خرابیوں کو حل کیا، اور QuEra کوانتم کمپیوٹر کے لیزر ریکوری کامیابی کو 58% سے بڑھا کر 99.3% تک پہنچایا۔ لیکن اینٹروپک نے اعتراف بھی کیا ہے کہ زبان کے ماڈلز میں حقیقی فزکل انٹوئشن نہیں ہوتا، اور فوم، تصادم، لائٹ پاتھ اور بائیولوجکل سینپل جیسے حقیقی مسائل کے سامنے اب بھی ماہرین کی نگرانی درکار ہے۔ MHS ابھی صرف کچھ لیبز اور ت制造 کمپنیوں کے لئے دسترس ہے، اور سلامتی جانچ پڑتال مکمل ہونے کے بعد ہی اسے اوپن سورس کیا جائے گا۔ اس کا اہم مقصد صرف "کلوڈ مشینوں کو چلاتا ہے" نہیں بلکہ AI ایجینٹس اب صرف سافٹ وئیر پڑھنے اور API بلانے سے آگے بڑھ کر مشاہدہ، مداخلت اور دہرائے جانے والے تجربات کرتے ہوئے فزکل دنیا تک پہنچ رہے ہیں۔

مضمون کے مصنف، ذریعہ: Anthropic

کلوڈ پہلے سے ہی تحقیقی مقالوں کو پڑھ سکتا ہے، ڈیٹا کا تجزیہ کر سکتا ہے، تحقیقی فرضیات تیار کر سکتا ہے اور تجرباتی کوڈ لکھ سکتا ہے، لیکن جب تحقیق "حقیقی ڈیوائسز کو آپریٹ کرنا" تک پہنچ جائے، تو عام طور پر AI حقیقی دنیا سے باہر رکھ دیا جاتا ہے۔

مسئلہ صرف ماڈل کی صلاحیتوں میں نہیں، بلکہ لیب اور فیکٹری کے اوزار极度 بکھرے ہوئے ہیں۔ کیمرے پائتھن کا استعمال کر سکتے ہیں، ڈیٹیکٹرز میٹلاب پر چل رہے ہیں، الیکٹروفزیولوجیکل اوزار سی شارپ کا استعمال کرتے ہیں، جبکہ میکانی بازو، مائیکرواسکوپ اور پپٹنگ ورکسٹیشنز کے اپنے اپنے ڈرائیورز، ڈیٹا فارمیٹس اور کنٹرول سافٹ ویئر ہیں۔ بہت سے اوزار اپنے پڑوسی اوزار کی موجودہ حالت کے بارے میں بالکل بھی نہیں جانتے۔

اگر تحقیق کرنے والے چاہتے ہیں کہ کیمرہ نمونے کی جگہ کا پتہ لگانے کے بعد میکانی بازو کو اطلاع دے، یا مائیکرواسکوپ حقیقی وقت کی تصویر کے مطابق اسکیننگ پیرامیٹرز خود بخود تبدیل کرے، تو عام طور پر انہیں ہر دو ڈیوائس کے لیے الگ الگ کنکشن پروگرام لکھنے پڑتے ہیں۔ جتنا زیادہ ڈیوائس ہوں گے، اتنی ہی زیادہ پوائنٹ ٹو پوائنٹ انٹیگریشنز کی دیکھ بھال کرنا مشکل ہو جائے گا۔

Anthropic کا کہنا ہے کہ پہلے لیب یا تیاری کی سہولیات میں ہارڈویئر انسٹیلیشن مکمل کرنے میں عام طور پر کئی ہفتے یا ماہ لگ جاتے تھے۔ MHS چاہتا ہے کہ اس عمل کو کئی گھنٹوں یا منٹوں میں مکمل کر دیا جائے۔

یہ "ماڈل کو کیسے زیادہ ذکی بنایا جائے" کا مسئلہ حل نہیں کرتا، بلکہ پہلے تمام ڈیوائسز کے لیے ایک مشترکہ زبان قائم کرتا ہے جسے ماڈل سمجھ سکے۔

(MHS کے قبل اور بعد کی اسکیما دکھاتی ہے جس میں متعدد ڈیوائسز کا پوائنٹ تو پوائنٹ کسٹم کنکشن سے یونیفائیڈ انٹرفیس کے ذریعے کمیونیکیشن میں تبدیلی دکھائی گئی ہے۔)

MHS کا مرکز ایک معیاری ڈرائیور ہے۔ یہ ڈیوائس کے اپنے انٹرفیس اور AI ایجینٹ کے درمیان ترجمہ کا کردار ادا کرتا ہے، جس سے پیچیدہ مشینوں کو صرف کچھ عام اصولوں میں تبدیل کیا جاتا ہے، جیسے درجہ حرارت پڑھنا، درجہ حرارت لکھنا، حالت دریافت کرنا یا کوئی کارروائی کرنا۔

MHS کے ساتھ جڑے ہوئے ڈیوائس ایک معیاری ریفرنس فائل بناتے ہیں جس میں یہ بتایا جاتا ہے کہ وہ کیا ناپ سکتے ہیں، کون سے پیرامیٹرز تبدیل کیے جا سکتے ہیں، ڈیوائس کون سی حالت میں ہو سکتی ہے، اور کون سے محفوظ حدود نافذ کیے جانے چاہئیں۔

صاف کوڈ عام طور پر مشین کے تمام عملی خصوصیات کو ظاہر نہیں کر سکتا۔ مثال کے طور پر، اگر ماڈل صرف مکینیکل ہاتھ کے کنٹرول API کو دیکھے، تو یہ ممکنہ طور پر مکینیکل ہاتھ کا وزن، حرکت کا دائرہ، انرٹی یا تصادم کا خطرہ نہیں جانے گا۔ گزشتہ زمانے میں، یہ معلومات ممکنہ طور پر کاغذی ہدایات، انجینئرز کے کمپیوٹر یا آپریٹرز کے تجربے میں بکھری ہوئی تھیں۔

MHS صارفین کو قدرتی زبان کے لیبلز کے ذریعے ان معلومات کو مکمل کرنے کی اجازت دیتا ہے۔ صارفین دونوں طرح سے کر سکتے ہیں: یا تو براہ راست فارم بھریں، یا Agent کو ڈیوائس کی حالت کے بارے میں مکالمے کے ذریعے پوچھنے دیں، جس کے بعد یہ خودکار طور پر تفصیلی فائل تیار کر دے گا۔

ایجینٹ کو مکمل طور پر جوڑنے کے بعد، وہ MCP، کمانڈ لائن یا کوڈ API کے ذریعے ڈیوائس کو کنٹرول کر سکتا ہے۔ وہ متعدد آلات کے ریل ٹائم ڈیٹا کو پڑھ سکتا ہے، آپریشنز کی ترتیب طے کر سکتا ہے، اور تجرباتی نتائج کے مطابق پیرامیٹرز کو ایڈجسٹ کر سکتا ہے؛ جب تیز یا لمبے عرصے تک آپریشنز کی ضرورت ہو تو، وہ ایک سیریز ڈرائیور کمانڈس کو کوڈ میں تبدیل کر دیتا ہے تاکہ ڈیوائس خود چل سکے اور ماڈل کو ہر چھوٹے حرکت سے پہلے دوبارہ استدلال کرنے کی ضرورت نہ پڑے۔

MHS ماڈل سے آزاد ہے اور Claude کا استعمال ضروری نہیں۔ کوئی بھی ماڈل یا ایجینٹ فریم ورک اصولی طور پر MCP جیسے معیاری پروٹوکول کے ذریعے ڈیوائسز تک رسائی حاصل کر سکتا ہے۔

جنٹیک نے BCA پروٹین ٹیسٹ پروسیجر کو MHS کے ساتھ ٹیسٹ کیا۔ تجربہ میں پیپٹنگ ورکسٹیشن، میکانکی بازو اور اینزائم لیبلڈ ریڈر کو ہم آہنگ کرنا درکار تھا، جس میں نمونے کے رنگ میں تبدیلی کے ذریعے پروٹین کی سطح کا اندازہ لگایا جاتا تھا۔

یہ عمل خودکار بنانے کے لیے موزوں لگتا ہے، لیکن عملی طور پر یہ مائع کی فزیکل خصوصیات کے اثرات سے آسانی سے متاثر ہوتا ہے۔ پیپٹ کو فوم کا سامنا ہو تو لیول سینسر غلط رپورٹ دے سکتا ہے؛ ببلز نہ صرف آخری آپٹیکل ریڈنگ میں خلل ڈالتے ہیں۔

کلود نے جب پہلی بار بुلبوں کی وجہ سے رن ہونے والی خطا کا سامنا کیا، تو اس کی فطری پردھانی یہ تھی کہ وہ پیرامیٹرز کو تبدیل کرکے ایک ہی چھید میں دوبارہ کوشش کرے۔ اس کے نتیجے میں مائع مزید ہلکا ہو گیا اور مزید بُلبوں کا ایجاد ہوا۔

تحقیق کاروں کو یہ بتانا ہوگا: یہ صرف دہرائے جانے والے سافٹ ویئر کے خراب ہونے کا مسئلہ نہیں ہے، بلکہ حقیقی مائع میں ایک فزیکل مسئلہ ہے۔ صحیح طریقہ یہ ہے کہ آپ صاف چھید میں منتقل ہو جائیں اور مکس کرنے کے سائکلز کی تعداد کم کر دیں تاکہ عمل زیادہ نرم ہو۔

وضاحت کے بعد، کلاود نے اس حوالہ کو بعد کے تجربات میں برقرار رکھا۔ ٹیم نے تجربہ کو دوبارہ استعمال کیے جانے والے مائع ہینڈلنگ مہارت کے طور پر ترتیب دیا، جس سے کلاود مختلف مائع کے خصوصیات کے مطابق زیادہ مناسب ڈیفالٹ پیرامیٹرز منتخب کر سکے اور پپٹیشن کی غلطیاں کم ہوئیں۔

یہ معاملہ MHS کی موجودہ واضح ترین سرحدوں کو ظاہر کرتا ہے۔ ایجنٹ حسّاسی فیڈبیک کے مطابق استدلال کر سکتا ہے، لیکن وہ متن اور تصاویر سے سیکھا گیا عالمی ماڈل تجربہ کاروں کے طویل مدتی عمل سے حاصل ہونے والی فزیکل احساسات کے برابر نہیں ہے۔

MHS اصل میں HHMI Janelia کے ایک پیچیدہ مغز کی تصویربرداری ڈیوائس کا حصہ تھا۔

محققہ ورجنی ریوٹن نے دو فوٹون مائیکرواسکوپ کا استعمال کرتے ہوئے نیند کے دوران زندہ زیبرا فش کے تمام خلیوں اور اعضاء کی سرگرمیوں کا مشاہدہ کیا۔ پورا تجرباتی سیٹ، جس میں لیزر، آئینے، میز، کیمرہ اور متعدد سینسرز شamil ہیں، اصل میں مختلف فرنٹس سے آنے والے سات سافٹ ویئر کے ہم آہنگ کام کی ضرورت تھی۔

ڈیوائسز کے درمیان ایک یکساں انٹرفیس نہ ہونا، اور کبھی کبھی مختلف پروگرامنگ زبانوں کا استعمال کرنا۔ ایک پروگرام ٹیبل کی پوزیشن جانتا ہے، جبکہ دوسرا پروگرام ب безپوس کے طور پر اسے نہیں پڑھ سکتا؛ تحقیق کاروں کو بہت زیادہ برج کوڈ لکھنا پڑتا ہے، اور کبھی کبھی خصوصی ڈیٹا اکتساب کارڈز شامل کرنے پڑتے ہیں تاکہ ڈیوائسز سگنلز بھیج سکیں۔

MHS تمام آلات کی حالت، متغیرات، کنٹرول حکمات اور سینسر کے پڑھاؤ کو ایک معیاری شیئرڈ اسٹیٹ اسپیس میں ڈال دیتا ہے۔ ہر آلات کو صرف ایک بار ڈسکرائب اور جوڑنا ہوتا ہے، دوسرے پروگرام یا ایجنٹ اسے براہ راست دریافت کر سکتے ہیں اور استعمال کر سکتے ہیں۔

MHS لاگو کرنے سے پہلے، ایک نیا کیمرہ شامل کرنے میں کئی دن لگ سکتے تھے؛ MHS کے بعد، ریسرچرز نے صرف کچھ منٹوں میں لیزر کی پوزیشن کو دیکھنے کے لیے نیا کیمرہ سسٹم میں شامل کر دیا اور فیڈ کی گئی ویڈیو ڈیٹا کو ریفلاکٹنگ میرر کو کنٹرول کرنے والے پروگرام کو واپس بھیج دیا۔

کلوڈ کیمرے کے ذریعے کرنوں کا مشاہدہ کر سکتا ہے، آئینوں کو درست کر سکتا ہے، اور نئی تصویر کے مطابق حرکت کے نتائج کا جائزہ لے سکتا ہے، جس سے "عمل—مشاہدہ—درستگی" کا بند حلقوں کا نظام تشکیل پاتا ہے۔ دوسرے مائیکرواسکوپ سسٹم میں، جس میں پہلے تحقیقی محققین کو لیزر، سینسر اور روشنی کے راستے کی جانچ کے لیے آدھا دن لگتا تھا، اب وہ ایک آٹومیٹڈ مرحلے میں مختصر ہو گیا ہے۔

کوئرا کمپیوٹنگ نے نیوٹرل ایٹمز کا استعمال کرتے ہوئے کوانٹم کمپیوٹر تعمیر کیا ہے، جس میں ایٹمز کو لیزر کے ذریعے بہت دقیق طریقے سے کنٹرول کیا جانا چاہیے۔ لیزر کی فریکوئنسی کی اجازت دی گئی انحراف صرف ایک تریلین میں ایک ہے، جو زمین سے چاند تک کی فاصلہ کی پیمائش میں غلطی ایک بال کی موٹائی سے زیادہ نہ ہو، اس کے برابر ہے۔

حرارت، ارتعاش یا فشار کے تبدیلی سے لیزر کا "لاک" ختم ہو سکتا ہے۔ اگر یہ لंبی مدت کے کوانتم کمپیوٹنگ میں پیش آئے، تو کئی گھنٹوں تک چل رہا کام فوراً ناکام ہو سکتا ہے۔ روایتی بحالی کے عمل میں عام طور پر تجربہ کار آپریٹرز کو متعدد آلات کا مشاہدہ کرنا اور پیرامیٹرز کو ترتیب سے ایڈجسٹ کرنا پڑتا ہے، جس میں تقریباً 5 سے 10 منٹ لگتے ہیں۔

کوئرا نے پہلے لیزر انجینئرز، سافٹ ویئر انجینئرز، الگورتھم ماہرین اور ٹیسٹر کو مجموعہ کرکے، کئی ماہ تک ایک مقررہ ریسٹور اسکرپٹ تیار کیا۔ یہ انسانی عمل کے مطابق کنٹرولر کو ایک ایک کرکے ایڈجسٹ کرتا تھا، جس کی کامیابی کی شرح تقریباً 58% تھی اور ہر کوشش میں تقریباً 150 سیکنڈ لگتے تھے۔

MHS کے ساتھ جُڑنے کے بعد، ایجینٹ صرف مقررہ عمل کی تکرار نہیں کرتا، بلکہ مستقل طور پر مختلف اضطراب پیدا کرتا ہے، لیزر کے رد عمل کا مشاہدہ کرتا ہے، اور یہ تلاش کرتا ہے کہ کون سے کنٹرول پیرامیٹرز کو حقیقت میں تبدیل کرنے کی ضرورت ہے۔

ایک رات کے تجربے کے بعد، بحالی کا وقت لگभग 6 سیکنڈ تک کم ہو گیا اور کامیابی کی شرح 96% تک پہنچ گئی؛ مزید بہتری کے بعد، Anthropic نے آخری بحالی کامیابی کی شرح 99.3% کی اطلاع دی۔

ایجینٹ نے یہ بھی دریافت کیا کہ جب لیزر فریکوئنسی کا افتراض کم ہو، تو تمام کنٹرولز کی جانچ کرنے کی ضرورت نہیں ہوتی، صرف ایک یا دو پیرامیٹرز تبدیل کرنے کافی ہوتے ہیں۔ انسانی آپریٹرز عام طور پر محفوظ رہنے کے لیے ہر ایک کی تصدیق کرتے ہیں؛ لیکن ایجینٹ نے بہت سارے دہرائے گئے تجربات کے ذریعے ان اسٹیپس کو شناخت کیا جنہیں چھوڑا جا سکتا ہے۔

تاہم، کوئرا نے زور دیا کہ ایجنٹ مکمل طور پر ماہرین کی جگہ نہیں لے رہا۔ جب صرف فزیکل ہارڈویئر کی خرابی ہوتی ہے، تو کلاڈ کو اکثر یہ نہیں معلوم ہوتا کہ کیا کرنا ہے، کیونکہ اس کی ڈیوائس کے بارے میں سمجھ اکثر پروگرام انٹرفیس سے آتی ہے۔ تھوڑے خطرے والے آپریشنز کے لیے، وہ اکثر انسانی اجازت کا انتظار کرتا ہے، جس سے کچھ رات کے تجربات اگلے دن تک روک دیے جاتے ہیں۔

تیتسووان سائنسی نے MHS کو آٹومیٹڈ بائیولوجیکل ایکسپیریمنٹ پلیٹ فارم ResearchOS میں جوڑ دیا ہے، تاکہ مقامی آلودگی کے تجزیہ کے لیے qPCR تجربات کیے جا سکیں۔

qPCR کے لیے ایک چپچپا، صابن کے محلول جیسا "ماسٹر مکس" ری ایجینٹ استعمال کیا جاتا ہے۔ یہ مائع پپٹنگ کے دوران فوم بنانے کا رجحان رکھتی ہے، جس سے نمونہ کی مقدار غلط ہو سکتی ہے اور تجربے کی معیار کم ہو سکتی ہے۔

ایک تجربے میں، کیمرہ نے روبوٹک آرم کے ذریعے پکڑے گئے ٹیوب میں بُلبوں کی شناخت کی۔ روبوٹک آرم خود اس مسئلے کا حل نہیں کر سکتا، لیکن ResearchOS لیب میں دیگر MHS سے جڑے ڈیوائسز کو تلاش کر سکتا ہے۔ کلاڈ نے بعد میں Slack کے ذریعے تحقیق کاروں کو مشورہ دیا کہ وہ روبوٹک آرم کو ٹیوب کو سینٹریفیوژ میں بھیج دیں تاکہ اسے کم رفتار پر تھوڑی دیر گھمائی جا سکے اور مائع اور بُلبوں کو دوبارہ نیچے جمع کیا جا سکے۔

یہ ڈیوائسز کے درمیان پروسیسنگ کے ایسے مناظر ہیں جن کو روایتی، مخصوص آٹومیشن پروسیسز کے ذریعے کافی حد تک نہیں کیا جا سکتا۔ پروگرامر کو ہر قسم کی خرابی کے لیے مکمل ریکوری پاتھز لکھنے کی ضرورت نہیں ہے؛ ایجنٹ خطا کا مشاہدہ کر سکتا ہے اور پھر موجودہ دستیاب ڈیوائسز کے مجموعے کے مطابق حل تلاش کر سکتا ہے۔

اس ٹیم نے کلاؤڈ کو بھی اعلیٰ تجرباتی پروٹوکولز کو ہارڈویئر آپریشن ہدایات میں تبدیل کرنے والے کمپائلر کو بہتر بنانے کے لیے مامور کیا ہے۔ تجربات میں 9143 الگ الگ ڈراپس، 300 مختلف ٹرانسفر کمبینیشنز، 1508 ناپ کی شرائط اور چار قسم کے مائع شامل ہیں۔

بے بہتری والے ٹیسٹ میں، کلاؤڈ اور ایم ایچ ایس نے مل کر ماڈل کو بہتر بنایا، جس نے متعدد ڈراپنگ کی درستگی کا تخمینہ ڈیوائس کے ٹیکنیکل اسپیفکیشن سے تقریباً 12 فیصد زیادہ درست دیا، اور 45 راؤنڈ میں سے 31 راؤنڈ میں کامیاب رہا؛ زیادہ تر دہرائے گئے ڈیٹا پر، بہتری تقریباً 17 فیصد تھی۔ یہ نتائج منصوبے کے شراکت داروں کے اپنے تجربات سے حاصل کیے گئے ہیں، اور انہیں عبوری لیب کے مستقل دوبارہ تجربے کا عام نتیجہ نہیں سمجھا جا سکتا۔

اینٹروپک نے MHS کو ایک بالغ انسانی لیب سسٹم کے طور پر نہیں بیان کیا ہے۔

کلود حالت کو پڑھ سکتا ہے، تصاویر کا تجزیہ کر سکتا ہے اور ڈیوائسز استعمال کر سکتا ہے، لیکن اس کا حقیقی دنیا کے بارے میں علم زیادہ تر متن اور تصاویر سے آتا ہے۔ ترکیب، فوم، وزن، مائع کی چپکن، مکینیکل گیپ اور روشنی کے راستے میں بھٹکنا جیسے مسائل عام طور پر صرف حقیقی عمل کے دوران ظاہر ہوتے ہیں۔

اگر ڈیوائس کے پاس کوئی پروگرام کنے والی انٹرفیس نہیں ہے، تو ابھی MHS براہ راست جوڑا نہیں جا سکتا؛ Anthropic اس قسم کے ڈیوائسز کے لیے ڈرائیورز شامل کرنے کے لیے مینوفیکچررز کے ساتھ کام کر رہا ہے۔

فیزیکل سیکیورٹی بھی سافٹ ویئر اجازتوں کے مقابلے میں زیادہ پیچیدہ ہے۔ ڈیجیٹل ایجنٹ کے غلط حکم نفاذ کو عام طور پر فائلز واپس لے کر یا سسٹم کو بحال کر کے درست کیا جا سکتا ہے؛ لیکن میکانی بازو، لیزر، کیمیکل ری ایجنٹس اور بائیولوجیکل نمونوں کو کنٹرول کرتے وقت، غلط حرکت سے ڈیوائسز کو نقصان، نمونوں کا ضائع ہونا یا تکلیف دہ صورتحال پیدا ہو سکتی ہے۔

اس لیے، پیش نظارہ مرحلے کا اہم کام ڈیوائسز کی تعداد میں اضافہ نہیں، بلکہ نئے سیکورٹی ایوالیشنز قائم کرنا ہے: کن آپریشنز کو انسان کی منظوری درکار ہوگی، ڈیوائس کو کن شرائط میں خودکار طور پر روکنا چاہیے، ماڈل کیا حسّاس کنر کے غیر معمولی انداز کو پہچان سکتا ہے، اور ہارڈ ویئر ڈرائیور لیئر کی پابندیوں کو ایجنٹ کیسے چھوٹ نہیں دی جا سکتی۔

Anthropic کہتی ہے کہ وہ "فیزیکل سیکورٹی روڈ میپ" تیار کر رہی ہے، اور MHS کو رسمی طور پر اوپن سورس کرتے وقت، ریسرچ پریویو کے نتائج اور سیکور ڈپلویمنٹ گائیڈلائنز بھی شائع کرنے کا منصوبہ بنارہی ہے۔

MHS کو کئی ڈیوائس اور پلیٹ فارم کمپنیوں کی طرف سے ابتدائی حمایت حاصل ہو چکی ہے۔ AWS Strands Robots کے ذریعے ایکسیس فراہم کرنے کی منصوبہ بندی کر رہا ہے؛ Doosan Robotics اور Universal Robots میکنیکل آرم سپورٹ کا ٹیسٹ کر رہے ہیں؛ Tecan، QIAGEN اور Automata لیب آٹومیشن پر توجہ دے رہے ہیں؛ Hugging Face MHS کو LeRobot روبوٹ لائبریری میں شامل کرنے کی منصوبہ بندی کر رہا ہے، اور Raspberry Pi کچھ مصنوعات اور کیمرہ ڈرائیورز میں اندراج کا ٹیسٹ کر رہا ہے۔

اگر MHS ایک ایکوسسٹم بن جائے، تو یہ MCP کے مودل اور سافٹ ویئر ٹولز کو جوڑنے کے طریقے کی طرح، ایجینٹ اور حقیقی ڈیوائسز کو جوڑنے کا ایک یکساں طریقہ فراہم کر سکتا ہے۔ لیبز کو ہر ماڈل، ہر ڈیوائس اور ہر سافٹ ویئر کے لیے الگ الگ انٹرفیس تعمیر کرنے کی ضرورت نہیں ہوگی، اور ڈیوائس فرنڈرز بھی ایجینٹ کے ذریعہ دریافت کیے جانے والے معیاری صلاحیت کے تفصیلات فراہم کر سکتے ہیں۔

لیکن MHS کے سامنے واضح طور پر زیادہ مشکلات ہیں۔ سافٹ ویئر ٹولز کے ان پٹ اور آؤٹ پٹ عام طور پر درست طور پر تعریف کیے جا سکتے ہیں، لیکن فزیکل ڈیوائسز پھٹ سکتی ہیں، ڈریفٹ کر سکتی ہیں، جام ہو سکتی ہیں، اور نویس پیدا کر سکتی ہیں، اور ماحولیاتی تبدیلیوں کے اثرات کا شکار ہو سکتی ہیں۔ ایک جیسے دو آلات بھی کیلبریشن کی حالت اور انسٹالیشن کے طریقے کے باعث مختلف طرح سے کام کر سکتے ہیں۔

اس لیے، ایم ایچ ایس کو صرف حکم ہی نہیں، بلکہ مشین کی حالت، حقیقی پابندیاں، سیفٹی بارڈرز اور خرابی کی بحالی کا علم معیاری بنانا ہے۔