Η Anthropic ανακοίνωσε το Model Hardware Standard (MHS), μια πρωτοβουλία που στοχεύει να επεκτείνει τις δυνατότητες της τεχνητής νοημοσύνης πέρα από τα ψηφιακά δεδομένα και στον έλεγχο φυσικών συσκευών. Το MHS αποτελείται από μια σειρά τυποποιημένων προγραμμάτων οδήγησης (drivers) που επιτρέπουν σε AI agents να αλληλεπιδρούν με διάφορα εξαρτήματα υλικού χωρίς την ανάγκη για εξειδικευμένο λογισμικό μετάφρασης.
Επιτάχυνση της Επιστημονικής Έρευνας
Επί του παρόντος, το MHS διατίθεται ως «ερευνητική προεπισκόπηση» με επίκεντρο την επιστημονική κοινότητα. Η Anthropic υποστηρίζει ότι το σύστημα μπορεί να μειώσει τον χρόνο προετοιμασίας περίπλοκων πειραμάτων από εβδομάδες ή μήνες σε μόλις λίγα λεπτά, παρέχοντας μια κοινή γλώσσα επικοινωνίας μεταξύ ετερόκλητων συσκευών, όπως λέιζερ, μικροσκόπια και κάμερες.
Η ιδέα προέκυψε από την παρατήρηση του νευροεπιστήμονα Arco Bast στο HHMI Janelia Research Campus, ο οποίος είχε αναπτύξει μια διεπαφή για τον συντονισμό πολλαπλών οργάνων σε πειράματα μνήμης. Σύμφωνα με τον Alek Kemeny της Anthropic, αυτή η προσέγγιση θα μπορούσε να επιτρέψει στην AI να διεξάγει οποιοδήποτε επιστημονικό πείραμα στον κόσμο.
Φυσικός Έλεγχος και Λήψη Αποφάσεων
Μέσω του Model Context Protocol, οι επιστήμονες μπορούν να επικοινωνούν με τις συσκευές χρησιμοποιώντας φυσική γλώσσα. Το μοντέλο μπορεί να «σκέφτεται» κάθε βήμα ενός πειράματος, να προσαρμόζει παραμέτρους σε πραγματικό χρόνο και να ανακάμπτει από σφάλματα υλικού χωρίς ανθρώπινη παρέμβαση. Σε δοκιμές, το μοντέλο Claude φάνηκε ικανό να ρυθμίζει ένα λέιζερ, να αναλύει τα αποτελέσματα μέσω κάμερας και να επαναλαμβάνει τη διαδικασία για αυτόματη βαθμονόμηση.
Το MHS περιλαμβάνει επίσης ένα σύστημα ετικετών (tagging) που περιγράφει τους φυσικούς περιορισμούς του υλικού, όπως το βάρος και το εύρος κίνησης ενός ρομποτικού βραχίονα, διασφαλίζοντας ότι το μοντέλο γνωρίζει τα όρια ασφαλείας του εξοπλισμού.
Συνεργασίες και Μελλοντικά Σχέδια
Η Anthropic συνεργάζεται ήδη με ηγετικούς φορείς όπως η Amazon Web Services, το Hugging Face, το Raspberry Pi και η Universal Robots. Στόχος είναι η ανάπτυξη βέλτιστων πρακτικών ασφαλείας πριν το MHS καταστεί ένα πρότυπο ανοιχτού κώδικα, ανεξάρτητο από συγκεκριμένα μοντέλα AI.
