Az Anthropic olyan közös kezelési réteget mutatott be, amelyen keresztül ugyanaz az AI-ügynök többféle laboratóriumi műszert is vezérelhet. A cég augusztus 27-én közzétett hivatalos bejelentése szerint a Model Hardware Standard (MHS) egyelőre kutatási előzetes, de már most azt célozza, hogy az eszközök összehangolása ne hetekig tartó egyedi fejlesztés legyen.
Nem újabb laborrobot, hanem közös nyelv
Az MHS lényege nem egy új robot vagy mikroszkóp, hanem az a szabványosított illesztési réteg, amely a meglévő eszközöket teszi érthetővé egy modell számára. A gyártók és a kutatócsoportok külön-külön ma gyakran saját meghajtókat és egyedi kódot írnak minden folyadékkezelőhöz, robotkarhoz vagy leolvasóhoz. Az Anthropic szerint ezt a munkát egy olyan szabvány válthatja ki, amely az eszköz állapotát és műveleteit egységes formában írja le.
A rendszer az úgynevezett primitíveken keresztül olvasni és írni is tud az eszközökbe: lekérheti például egy műszer állapotát, majd kiadhatja a következő műveletet. A készítőnek az eszközt természetes nyelven kell leírnia, beleértve a képességeket és a biztonsági korlátokat is. Az ügynök így nem találomra próbálgatja a hardvert, hanem a leírt keretek között dolgozik. Az MHS-illesztés MCP-n, parancssoron, kódon és API-n keresztül is használható.
Egy ügynök többféle műszeren
Az Anthropic két korai együttműködést emel ki. A HHMI Janelia kutatói korábban hét különböző gyártó programjai között váltogattak, az MHS prototípusával viszont egyetlen felületről érhettek el több mikroszkópos és képalkotó funkciót. A cég állítása szerint egy új kamera bekötése a korábbi hetek vagy hónapok helyett néhány perces feladattá válhatott. Ez még nem független, széles körű mérés, hanem egy korai proof of concept eredménye.
A QuEra kvantumkutatóival végzett kísérletben a Claude egy lézeres kalibráció helyreállítását vezényelte le. Az Anthropic beszámolója szerint egy korábbi, kézzel írt megoldás 58 százalékos eredményt ért el körülbelül 150 másodperc alatt, míg az MHS-en keresztül futtatott változat fejlesztés közben nagyjából 96 százalékot és hat másodperc körüli időt hozott. Egy vak, 700 próbás ellenőrzésnél 695 sikeres futást jelentettek. Ezek a számok a cég saját tesztjei, ezért nem érdemes őket minden laborra általánosítani.
Miért lehet fontos az ügynökök terjedésével?
Ha egy AI-ügynök csak egyetlen gyártó zárt szoftverén keresztül tud dolgozni, az új eszközök csatlakoztatása gyorsan visszahozza a régi integrációs költségeket. A Model Hardware Standard ezzel szemben modellfüggetlen réteget ígér: elvileg nem az számítana, hogy Claude, egy másik kereskedelmi modell vagy nyílt súlyú rendszer tervezi a munkamenetet. Ez a laboroknak kevesebb egyedi kódot, a gyártóknak pedig kiszámíthatóbb interfészt jelenthet.
Kutatási előzetes, nem önjáró labor
Az Anthropic maga is hangsúlyozza, hogy az MHS jelenleg korai kutatási előzetes. A laboratóriumi biztonsági ellenőrzések, az emberi jóváhagyások és a különböző műszerek megbízható kezelése még fejlődik. Vagyis nem arról van szó, hogy egy chatbot holnaptól felügyelet nélkül irányít egy teljes laborfolyamatot. A valódi kérdés inkább az, hogy létrejöhet-e egy nyílt, ellenőrizhető szabvány, amely mellett az ügynökök gyorsabban és biztonságosabban kapcsolódnak össze a már meglévő hardverrel.
