Model Hardware Standard (MHS) Anthropic memberi agen AI antarmuka terpadu ke perangkat fisik seperti mikroskop dan lengan robot. Pengujian awal di laboratorium dan komputer kuantum memangkas waktu integrasi secara drastis, meskipun Claude masih kesulitan dengan sebab dan akibat fisik.
Perangkat di laboratorium penelitian dan pabrik sering kali berasal dari produsen yang berbeda, menggunakan API, format data, dan perangkat lunak kontrol yang berbeda, serta memerlukan upaya serius untuk dapat terhubung. Anthropic ingin mengatasi hal ini dengan Model Hardware Standard (MHS), sebuah spesifikasi yang memungkinkan agen AI membaca dan mengontrol perangkat keras fisik.
Anthropic mengatakan MHS memotong waktu integrasi untuk peralatan laboratorium dari minggu atau bulan biasa menjadi jam atau menit. Perusahaan mengembangkan spesifikasi tersebut bersama HHMI Janelia Research Campus dan merilisnya pertama kali sebagai pratinjau penelitian untuk laboratorium dan produsen tertentu, dengan rilis sumber terbuka yang direncanakan kemudian.
Idenya dibangun berdasarkan proyek Anthropic yang sudah dikirimkan untuk perangkat lunak. Model Context Protocol (MCP) memberikan model AI cara standar untuk mengakses sumber data dan alat eksternal. MHS memperluas pendekatan itu ke mesin.Ad
Setiap perangkat mendapat driver MHS yang menyatukan fungsi dasar seperti membaca dan memodifikasi data. Pengemudi membuat perangkat dapat ditemukan dalam format umum dan dapat menyertakan detail yang tidak dapat ditangkap oleh perangkat lunak saja, seperti berat lengan robot atau batas keamanannya. Pengguna dapat menambahkan informasi ini dalam bahasa alami, dan MHS mengubahnya menjadi file referensi untuk agen.
Agen kemudian dapat mengambil kemampuan dan batasan perangkat yang belum pernah dilihatnya sebelumnya dan mengoperasikannya melalui satu antarmuka. Seseorang masih harus menulis driver untuk setiap perangkat keras, namun begitu driver tersebut ada, driver tersebut dapat digunakan kembali daripada dibuat ulang untuk setiap kombinasi perangkat dan pengontrol.
Menurut Anthropic, MHS adalah model-agnostik dan bekerja dengan perangkat apa pun yang memiliki antarmuka yang dapat diprogram. Agen dapat mengoordinasikan beberapa perangkat dan menyimpan alur kerja sebagai skrip konvensional yang kemudian dijalankan tanpa model bahasa.
Anthropic menguji MHS dengan beberapa mitra. Di perusahaan bioteknologi Genentech, Claude mengoordinasikan pengendali cairan, lengan robot, dan pembaca pelat untuk mengotomatiskan pengujian protein, yaitu pengujian yang mengukur konsentrasi protein. Agen tersebut mengoptimalkan parameter pemipetan untuk cairan yang berbeda, namun mengalami masalah saat gelembung terbentuk dalam larutan kental dan menyebabkan kesalahan. Claude terus memulai kembali proses di wadah yang sama dengan parameter yang diubah, yang memperburuk keadaan. Butuh manusia untuk menjelaskan penyebab fisiknya sebelum agen menemukan perbaikan yang bisa diterapkan
Di Universitas Carnegie Mellon, para peneliti menghubungkan pengendali cairan, pembaca pelat, lengan robot, dan beberapa kamera pemantau di tiga komputer dengan antarmuka yang pada dasarnya tidak kompatibel. Tim mengatakan pembuatan lapisan driver dan orkestrasi membutuhkan waktu sekitar delapan jam, dibandingkan dengan beberapa minggu yang biasanya diperlukan oleh penyiapan vendor. Claude juga memperhatikan bahwa percobaan pertama tidak menghasilkan kurva pengukuran yang cukup baik, menurunkan konsentrasi maksimum zat yang diuji, dan mendapatkan hasil yang jauh lebih baik pada percobaan kedua.
Di perusahaan komputasi kuantum QuEra, Claude menggunakan MHS di ratusan proses otomatis untuk mengembangkan program kontrol yang mengembalikan laser ke kondisi pengoperasian stabil setelah gangguan. Skrip yang dihasilkan berhasil dalam 695 dari 700 percobaan dalam tes buta, dengan tingkat keberhasilan 99,3 persen, berjalan sepenuhnya sendiri dengan model bahasa yang tidak dapat diulang.
Ketiga contoh tersebut berasal dari proyek mitra yang dipresentasikan oleh Anthropic dan belum diverifikasi secara independen.
Karena Claude belajar tentang dunia fisik melalui teks dan gambar, penalaran spasial dan fisiknya memiliki batasan yang masih memerlukan pengawasan ahli, kata Anthropic. Dalam pengujian Genentech, peneliti harus membimbing Claude untuk menyadari bahwa kesalahan yang disebabkan oleh sampel berbusa adalah kegagalan fisik, bukan kesalahan perangkat lunak. Selama pratinjau penelitian, perusahaan berencana untuk melakukan evaluasi keselamatan tambahan dengan mitranya dan sedang mengembangkan peta jalan keselamatan fisik untuk mencegah penyalahgunaan.
Jika pendekatan ini berhasil, agen AI akan lebih mudah untuk beralih dari sekadar tugas digital ke laboratorium, pabrik, dan sistem fisik lainnya. Beberapa produsen dan organisasi telah membangun dukungan MHS atau menguji spesifikasinya, termasuk AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face, dan Raspberry Pi.