AI dostaje „ręce”. Anthropic pozwoli agentom sterować mikroskopami i robotami laboratoryjnymi

Sztuczna inteligencja wychodzi poza ekran komputera. Anthropic zaprezentowało Model Hardware Standard (MHS) – nowy standard komunikacji, który pozwala agentom AI bezpośrednio współpracować z fizycznymi urządzeniami. Claude może dzięki niemu odczytywać dane z mikroskopów, sterować ramionami robotycznymi, koordynować automaty laboratoryjne, a nawet kontrolować elementy systemów laserowych wykorzystywanych w komputerach kwantowych.

To znacznie więcej niż kolejny interfejs dla chatbotów. MHS ma umożliwić tworzenie laboratoriów i środowisk produkcyjnych, w których agent AI nie tylko analizuje wyniki eksperymentu, ale również steruje urządzeniami, obserwuje efekty swoich działań i na bieżąco zmienia parametry kolejnych operacji. Anthropic testuje już rozwiązanie m.in. z Genentech, Carnegie Mellon University, HHMI Janelia Research Campus i QuEra Computing.

Model Hardware Standard daje agentom AI dostęp do świata fizycznego

Dotychczas agenci AI funkcjonowali przede wszystkim wewnątrz komputerów. Mogli korzystać z przeglądarki internetowej, przeszukiwać bazy danych, wykonywać kod, obsługiwać aplikacje czy korzystać z zewnętrznych narzędzi przez API. Model Hardware Standard rozszerza tę koncepcję na fizyczne urządzenia.

Anthropic opisuje MHS jako wspólną warstwę komunikacji pomiędzy agentem AI a sprzętem laboratoryjnym lub przemysłowym. Problem jest bardzo konkretny: praktycznie każde specjalistyczne urządzenie posiada własne oprogramowanie, protokół i interfejs sterowania. Połączenie kilku maszyn w jeden automatyczny system może wymagać tygodni lub nawet miesięcy tworzenia indywidualnych integracji.

MHS ma ten proces uprościć poprzez standardowy sterownik. Urządzenia mogą udostępniać podstawowe operacje typu „read” i „write” – np. odczyt temperatury, sprawdzenie położenia elementu albo ustawienie konkretnego parametru. System opisuje również możliwości i ograniczenia sprzętu, dzięki czemu agent może dowiedzieć się, co dane urządzenie potrafi zrobić i jakie zasady bezpieczeństwa obowiązują podczas jego obsługi.

Anthropic deklaruje, że w niektórych przypadkach czas potrzebny na integrację sprzętu może dzięki temu spaść z tygodni lub miesięcy do godzin albo minut.

Claude może sterować całym zestawem urządzeń jednocześnie

Najciekawsze zastosowanie MHS pojawia się wtedy, gdy agent AI otrzymuje dostęp nie do jednego urządzenia, lecz do całego zestawu sprzętu wykorzystywanego podczas eksperymentu.

Anthropic pokazuje przykład laboratorium, w którym Claude koordynował pracę urządzenia dozującego płyny oraz ramienia robotycznego. Liquid handler najpierw przygotowywał próbkę, a następnie robot przenosił płytkę i umieszczał kolejną. Agent pilnował kolejności działań, dzięki czemu urządzenia nie wykonywały sprzecznych operacji i nie dochodziło do kolizji. W powtarzanych testach robot nie rozpoczął ruchu przed zakończeniem pracy urządzenia dozującego.

To istotna różnica względem tradycyjnej automatyzacji. Klasyczny system najczęściej wykonuje wcześniej zaprogramowaną sekwencję czynności. Agent AI może natomiast analizować informacje pojawiające się podczas eksperymentu i na ich podstawie decydować o kolejnych krokach.

MHS umożliwia agentowi sprawdzanie stanu urządzeń, monitorowanie wyników oraz zmianę parametrów w czasie rzeczywistym. Jeżeli eksperyment trwa wiele godzin, system może również przygotować kod wykonujący dłuższe sekwencje operacji bez konieczności każdorazowego angażowania modelu.

W praktyce oznacza to możliwość budowania laboratoriów, w których część eksperymentów działa automatycznie także wtedy, gdy badacze nie znajdują się bezpośrednio przy aparaturze.

Może Cię zainteresować: ChatGPT trafia bezpośrednio do dokumentacji medycznej. OpenAI integruje się z Epic

Anthropic testuje AI w laboratoriach Genentech i Carnegie Mellon

MHS nie jest wyłącznie koncepcją przedstawioną na prezentacji. Anthropic przeprowadziło już pierwsze eksperymenty wspólnie z laboratoriami oraz firmami korzystającymi ze specjalistycznej aparatury.

Genentech wykorzystał Model Hardware Standard podczas automatyzacji testu BCA służącego do pomiaru stężenia białka. Eksperyment wymagał współpracy trzech różnych urządzeń: systemu do precyzyjnego dozowania płynów, ramienia robotycznego oraz czytnika mikropłytek. Claude pełnił rolę centralnego koordynatora całego procesu.

Jeszcze ciekawsze wyniki uzyskano na Carnegie Mellon University. Naukowcy wykorzystali MHS do automatyzacji eksperymentów związanych z ustalaniem zależności między dawką substancji a reakcją. Agent AI sterował liquid handlerem, czytnikiem, ramieniem robotycznym oraz kamerami podłączonymi do trzech różnych komputerów.

Według badaczy cały proces udało się przeprowadzić około trzy razy szybciej niż wcześniej. Przygotowanie sterowników i warstwy umożliwiającej autonomiczne wykonanie procedury zajęło około ośmiu godzin, podczas gdy klasyczna integracja podobnego zestawu sprzętu może wymagać kilku tygodni.

To pokazuje potencjalnie najważniejsze zastosowanie MHS: AI może nie tylko wykonywać eksperyment, lecz również znacznie przyspieszyć samo tworzenie systemu automatyzacji laboratorium.

AI sterowało laserem wykorzystywanym w komputerze kwantowym

Jednym z najbardziej spektakularnych testów Model Hardware Standard przeprowadziła firma QuEra Computing, która rozwija komputery kwantowe wykorzystujące neutralne atomy.

W takich maszynach niezwykle ważną rolę odgrywają precyzyjnie kontrolowane lasery. Ich częstotliwość musi pozostawać bardzo stabilna, ponieważ są wykorzystywane do kontrolowania i odczytywania kubitów. Zmiany temperatury, drgania lub ciśnienie mogą jednak spowodować utratę tzw. locka lasera i zakłócić pracę systemu.

QuEra wykorzystała MHS, aby udostępnić agentowi AI możliwość odczytywania instrumentów i sterowania elementami systemu laserowego. Claude pracował następnie nad procedurą automatycznego przywracania właściwej częstotliwości.

Według danych opublikowanych przez Anthropic wcześniejszy specjalnie napisany skrypt odzyskiwał prawidłowy stan systemu w około 58 proc. przypadków. Rozwiązanie przygotowane przy wykorzystaniu agenta AI osiągnęło skuteczność 99,3 proc. bez interwencji człowieka.

Nie oznacza to oczywiście, że Claude „steruje komputerem kwantowym” jako całością. W tym konkretnym eksperymencie agent otrzymał kontrolę nad wybranymi elementami systemu laserowego. Jest to jednak bardzo dobry przykład tego, jak AI może przejść od analizy danych do bezpośredniego zarządzania niezwykle precyzyjną aparaturą fizyczną.

Mikroskop może sam zmieniać sposób prowadzenia eksperymentu

Model Hardware Standard jest również testowany w badaniach wykorzystujących zaawansowaną mikroskopię. Projekt powstał zresztą we współpracy Anthropic z HHMI Janelia Research Campus.

W jednym z eksperymentów do MHS podłączono elementy skomplikowanego stanowiska obrazowania mózgu, obejmującego m.in. lasery, lustra, sensory i system optyczny. Claude mógł dzięki temu ustawiać wiązki, regulować optykę i kontrolować rezultat swoich zmian na podstawie danych z czujników. Proces, który wcześniej wymagał nawet połowy dnia ręcznej konfiguracji, został znacząco uproszczony.

Inni naukowcy wykorzystują MHS do sterowania mikroskopem typu light-sheet. Agent AI może w takim przypadku podejmować decyzje dotyczące sposobu obrazowania rozwijających się embrionów C. elegans oraz dobierać parametry eksperymentu na podstawie aktualnie obserwowanych danych.

To pokazuje fundamentalną zmianę w sposobie wykorzystania AI w nauce. Model nie musi już otrzymywać gotowych wyników eksperymentu. Może obserwować przebieg badania i wpływać na sposób zbierania kolejnych danych.

W dłuższej perspektywie może to prowadzić do powstania tzw. autonomicznych laboratoriów, w których AI proponuje eksperyment, uruchamia urządzenia, analizuje wynik, modyfikuje parametry i rozpoczyna kolejną iterację.

MHS może być dla sprzętu tym, czym MCP stał się dla oprogramowania

Koncepcja Model Hardware Standard przypomina rozwijany wcześniej przez Anthropic Model Context Protocol. MCP pozwolił modelom AI korzystać z zewnętrznych aplikacji, narzędzi i źródeł danych poprzez wspólny sposób komunikacji.

MHS próbuje przenieść podobną ideę do świata fizycznego.

Standard jest niezależny od konkretnego modelu. Anthropic podkreśla, że nie musi być używany wyłącznie przez Claude’a. Agent może uzyskać dostęp do urządzeń poprzez MCP, interfejs wiersza poleceń lub kod. Najważniejszy jest wspólny sposób opisywania możliwości sprzętu oraz wydawania mu poleceń.

Jeżeli standard się przyjmie, producenci urządzeń mogliby w przyszłości przygotowywać własne sterowniki MHS. Pierwsi partnerzy już deklarują takie plany. Tecan pracuje nad obsługą swoich platform do automatycznego dozowania płynów, Universal Robots planuje integrację MHS ze swoją platformą robotyczną, a Hugging Face pracuje nad obsługą standardu w bibliotece LeRobot. Raspberry Pi również testuje integrację z wybranymi urządzeniami.

To właśnie możliwość stworzenia wspólnego standardu może mieć większe znaczenie niż pojedyncze demonstracje Claude’a sterującego robotem czy mikroskopem.

Anthropic nie chce jeszcze udostępniać MHS wszystkim

Możliwość przekazania agentowi AI kontroli nad fizycznym sprzętem otwiera jednocześnie zupełnie nową kategorię zagrożeń. Błąd chatbota może wygenerować nieprawidłową odpowiedź. Błąd agenta sterującego robotem, laserem albo aparaturą laboratoryjną może mieć konsekwencje w świecie fizycznym.

Dlatego Model Hardware Standard pozostaje obecnie ograniczonym programem research preview. Anthropic udostępnia go wybranym laboratoriom, firmom technologicznym i producentom sprzętu, aby wspólnie opracowywać testy bezpieczeństwa i procedury wdrażania.

Sam MHS może definiować ograniczenia dotyczące działania urządzenia. Sterownik może np. przekazać agentowi informacje o masie ramienia robota albo maksymalnej bezpiecznej wartości określonego parametru. W eksperymentach mikroskopowych system ograniczał m.in. możliwość ustawienia zbyt dużej mocy lasera.

Anthropic przyznaje jednocześnie, że obecne modele mają ograniczenia w rozumowaniu przestrzennym i fizycznym. Nadal wymagają więc nadzoru ekspertów, szczególnie w bardziej skomplikowanych zastosowaniach. Firma przygotowuje dodatkowe testy bezpieczeństwa oraz zasady dotyczące sytuacji, w których konieczna będzie zgoda człowieka.

Dopiero po zakończeniu tej fazy Anthropic planuje udostępnić MHS jako projekt open source.

Podsumowanie

Model Hardware Standard może być jednym z ważniejszych kroków w rozwoju agentów AI. Do tej pory sztuczna inteligencja otrzymywała przede wszystkim dostęp do cyfrowych narzędzi – stron internetowych, aplikacji, baz danych i systemów firmowych. MHS pozwala rozszerzyć ten model na urządzenia działające w świecie fizycznym.

Pierwsze eksperymenty pokazują, że Claude potrafi już koordynować roboty laboratoryjne, sterować mikroskopami, reagować na wyniki eksperymentów oraz kontrolować elementy precyzyjnego systemu laserowego wykorzystywanego w komputerach kwantowych.

Najważniejsza może jednak okazać się standaryzacja. Jeśli producenci sprzętu zaczną wdrażać MHS, agent AI nie będzie potrzebował osobnej, tworzonej od podstaw integracji z każdym urządzeniem.

Wtedy określenie, że sztuczna inteligencja „dostaje ręce”, przestanie być tylko efektowną metaforą. AI będzie mogła nie tylko analizować świat i planować działania, ale również – w ściśle określonych granicach – wykonywać je za pomocą fizycznych maszyn.

Źródło:

1. Anthropic – Previewing the Model Hardware Standard, 27 sierpnia 2026 roku.
2. Reuters – informacje dotyczące premiery Model Hardware Standard i pierwszych wdrożeń MHS.

Dziękujemy za przeczytanie artykułu na Techoteka.pl.
Publikujemy codziennie informacje o sztucznej inteligencji, nowych technologiach, IT oraz rozwoju agentów AI.
Obserwuj nas na Facebooku, aby nie przegapić kolejnych artykułów.