Фото до статті
Дмитро Сімагін
Заступник головного редактора
Компанія Anthropic представила в дослідницькому попередньому доступі Model Hardware Standard (MHS) — специфікацію, що дає змогу ШІ-агентам безпечно контролювати фізичні пристрої: від лабораторних мікроскопів і робототехнічних маніпуляторів до квантових комп’ютерів та виробничих верстатів.
Наразі доступ до MHS отримала перша група наукових лабораторій та передових виробників. Розробка стандарту розпочалася як спільний проєкт Anthropic із дослідницьким кампусом HHMI Janelia.
Яку проблему вирішує MHS
Налаштування й інтеграція обладнання в лабораторії чи на виробництві зазвичай займає тижні, а то й місяці. Більшість пристроїв «не вміють» спілкуватися між собою — для кожного потрібна окрема, індивідуально написана інтеграція, яку реалізують фахівці вручну. MHS скорочує цю роботу до годин чи навіть хвилин.
Стандарт сумісний з будь-яким пристроєм, що має програмований інтерфейс, і є моделенезалежним — доступ до нього може отримати будь-який агентський харнес через стандартні протоколи, зокрема Model Context Protocol (MCP), який Anthropic розробила раніше.
Як це працює технічно
В основі MHS — стандартизований драйвер: програма, що перекладає команди між операційною системою комп’ютера й обладнанням. Драйвер використовує прості примітиви — команди на кшталт «прочитати» (наприклад, «отримати температуру») чи «записати» (наприклад, «встановити температуру»), зрозумілі будь-якому пристрою. Кожен пристрій стає «видимим» у стандартному форматі, тож обладнання та агенти можуть знаходити одне одного й обмінюватися даними по мережі без окремої «програми-перекладача».
Драйвер також допомагає агенту зрозуміти, як користуватися пристроєм, який він бачить уперше, — наприклад, дізнатися вагу роботизованого маніпулятора, що критично важливо для безпечного поводження з ним. Раніше така інформація зберігалася в паперових інструкціях чи як неформалізовані знання спеціаліста; тепер її можна описати прямо в драйвері природною мовою — самостійно або через діалог з агентом, який «опитує» користувача про його обладнання.
Керування пристроями здійснюється через три механізми: MCP, командний рядок та файли коду (API). Отримавши контроль, агент може спостерігати за роботою кількох приладів одночасно, коригувати параметри в реальному часі, а для тривалих чи швидких операцій — «упаковувати» послідовності команд у код, щоб пристрої виконували їх самостійно, без покрокових роздумів моделі.
Приклади із перших проєктів
Anthropic поділилася результатами кількох пілотних впроваджень:
- Genentech використала MHS та Claude для автоматизації BCA-аналізу (визначення концентрації білка), скоординувавши роботу дозатора рідин, роботизованого маніпулятора та планшетного рідера. Claude самостійно підібрав оптимальну швидкість подачі різних типів рідин і відновлювався після нештатних помилок обладнання без втручання людини.
- Лабораторії Baker і Pinglay Університету Вашингтона підключили шість приладів через MHS менш ніж за тиждень і побудували дашборд для віддаленого моніторингу, ШІ-агента для контролю qPCR-реакцій та систему безколізійної передачі планшетів між маніпулятором і дозатором.
- Carnegie Mellon University прискорила експерименти з побудови кривих «доза-відповідь» приблизно втричі: агент на базі Claude Opus 4.8 самостійно оцінював якість отриманої кривої й у разі невдалого результату (R² < 0,9) перезапускав експеримент зі скоригованим діапазоном концентрацій — і досяг R² > 0,98 без участі людини.
- HHMI Janelia об’єднала через MHS установку з семи різних вендорських програм для мікроскопії зебрафішок, скоротивши запуск експерименту з семи окремих кроків до одного кліка.
- QuEra Computing (виробник квантових комп’ютерів на нейтральних атомах) доручила агенту відновлення «блокування» частоти лазера — критичного параметра з точністю приблизно 1 до трильйона. За одну ніч ітерацій агент довів успішність відновлення з 58% (за 150 секунд) до 96%, а за фінальним сліпим тестом на 700 випробуваннях — до 99,3% (6 секунд у середньому). Пізніше агент також налаштував 12 взаємопов’язаних параметрів лазерного сервоконтуру, знизивши шумовий показник приблизно в 10 разів порівняно з ручним налаштуванням спеціаліста.
- Tetsuwan Scientific інтегрувала MHS у власну автоматизовану лабораторну платформу ResearchOS і провела на її основі проєкт громадянської науки — qPCR-аналіз забруднення каліфорнійського струмка San Pedro Creek, підтвердивши, що основне джерело фекального забруднення — людське.
Обмеження, які визнає Anthropic
Компанія відкрито зазначає: як велика мовна модель, Claude пізнає фізичний світ через текст і зображення, тому її просторове й фізичне мислення поки має межі й потребує експертного нагляду. Наприклад, дослідники Genentech мали окремо пояснювати Claude, що піноутворення в пробах — це фізична, а не програмна помилка. У пілоті QuEra агент часто зупинявся, очікуючи підтвердження людини перед ризикованою дією, — і в компанії вважають це радше плюсом, ніж недоліком.
Партнери й подальші плани
До MHS вже долучаються виробники обладнання та софтверні компанії: Amazon Web Services (через бібліотеку Strands Robots), Automata, Danaher, Doosan Robotics, MBF Bioscience, QIAGEN, Tecan, Universal Robots, а також Hugging Face (інтеграція в LeRobot) та Raspberry Pi.
Наразі Anthropic не публікує вихідний код стандарту — компанія планує зібрати додаткові дані з безпеки разом із партнерами дослідницького прев’ю, а вже потім відкрити MHS для всіх. Компанія розробляє окрему дорожню карту фізичної безпеки для запобігання зловживанням при керуванні реальним обладнанням.
Нагадаємо, що китайська компанія ByteDance розробляє гігантську LLM на 10 трлн параметрів, щоб наздогнати Claude.
Головна > Новини > Claude навчили працювати з реальним обладнанням на заводі та лабораторії