Компания Anthropic представила исследовательскую версию Model Hardware Standard (MHS) – стандарта драйверов для подключения ИИ-агентов к физическому оборудованию. Разработка рассчитана прежде всего на научные лаборатории и производителей сложных систем: она должна упростить взаимодействие лазеров, микроскопов, камер, роботизированных манипуляторов и других устройств в одной сети.
До сих пор агентные ИИ-системы в основном работали с данными и действиями внутри компьютера – текстами, изображениями, программным кодом и цифровыми сервисами. MHS предлагает унифицированный слой взаимодействия между моделью и аппаратурой, чтобы для каждого нового устройства не приходилось создавать отдельное программное решение.
Единый интерфейс для оборудования
По замыслу Anthropic, MHS должен обеспечить общий формат обмена данными и единый интерфейс для приборов разных типов. Это позволит устройствам взаимодействовать друг с другом по сети без промежуточных специализированных программ-«переводчиков».
Компания утверждает, что такой подход способен сократить настройку экспериментальных комплексов, которая сейчас иногда занимает недели или месяцы, до часов либо минут. На первом этапе стандарт предложен в формате предварительной версии для исследователей.
Один из авторов проекта, технический специалист Anthropic Алек Кемени, рассказал, что идея возникла после наблюдения за работой нейробиолога Арко Баста в исследовательском кампусе Janelia Медицинского института Говарда Хьюза в Ашберне, штат Виргиния. Учёный настроил совместную работу вращающихся лазерных лучей, микроскопов, камер и других компонентов эксперимента через общий интерфейс. По словам Кемени, этот принцип потенциально может применяться в самых разных научных установках.
Управление на естественном языке
Использование ИИ-моделей не является обязательным условием для работы MHS. Оборудованием можно управлять в реальном времени через командную строку или API. Однако при подключении стандарта к модели через протокол MCP (Model Context Protocol) исследователь получает возможность формулировать команды на естественном языке.
Anthropic предполагает, что модели смогут последовательно выполнять этапы эксперимента, менять параметры по ходу работы и в отдельных случаях реагировать на аппаратные ошибки без вмешательства человека. В качестве примера компания приводит калибровку лазера: модель Claude может изменить настройки луча, проверить результат с помощью отдельной камеры и повторить процедуру до достижения нужного результата.
Другой возможный сценарий – работа с микроскопом. ИИ может навести резкость, проанализировать изображение, определить участок, требующий дополнительного наблюдения, и переместить прибор к нужной области. В демонстрационном видео Anthropic также показала, как Claude рассуждает о том, каким образом роботизированному манипулятору следует поднять алюминиевую банку, хотя модель не обучали именно этой последовательности действий.
Ограничения и безопасность
Стандарт включает систему тегов, описывающих физические ограничения оборудования. В ней могут быть зафиксированы масса и рабочий диапазон манипулятора, доступные для изменения параметры, способы измерений и обязательные правила безопасности. Эти сведения предполагается собирать в справочный файл, который позволит модели быстрее разобраться с устройством, о котором она прежде не имела данных в обучающей выборке.
На этапе предварительного тестирования Anthropic сотрудничает с первой группой научных лабораторий и производителей. В числе партнёров названы Amazon Web Services с проектом Strands Robots, Hugging Face с платформой LeRobot, Raspberry Pi, Automata и Universal Robots. Вместе с ними компания планирует разрабатывать методики оценки безопасности и практики использования ИИ для управления физическим оборудованием.
По данным Anthropic, испытания с научными партнёрами, которые проводились в течение последнего года, уже помогли сократить время интеграции устройств и ускорить работу над экспериментами. В дальнейшем компания рассчитывает сделать MHS открытым стандартом, не привязанным к конкретным ИИ-агентам.
Мнение редакции
Теперь следующий важный этап для ИИ-агентов связан не только с автоматизацией офисных задач, но и с работой в реальном мире. Унификация интерфейсов способна заметно снять технические барьеры в лабораториях, где значительная часть времени уходит на соединение несовместимых приборов. Однако чем больше решений передаётся модели, тем важнее становятся ограничения, контроль человека и независимая проверка безопасности: ошибка в физической установке может стоить значительно дороже сбоя в цифровом сервисе.
