Anthropic en Janelia introduceren universele AI-hardwarestandaard

Waar het opzetten en koppelen van complexe laboratorium- of fabriek apparatuur normaal gesproken weken tot maanden aan maatwerk en specifieke software vereist, moet MHS die integratietijd terugbrengen naar uren of zelfs minuten. De standaard is model-agnostisch en werkt met elk apparaat dat beschikt over een programmeerbare interface, door gebruik te maken van universele protocollen zoals het Model Context Protocol (MCP) zo meldt Anthropic.

Google Maps voor het laboratorium

In veel onderzoekscentra en fabrieken communiceren apparaten van verschillende fabrikanten niet rechtstreeks met elkaar. MHS lost dit op door een universele driver te introduceren. Deze software vertaalt complexe instructies naar eenvoudige basiscommando's (zoals 'lees temperatuur' of 'stel temperatuur in') die elk apparaat begrijpt.

Daarnaast bevat de driver informatie in natuurlijke taal over de fysieke eigenschappen en veiligheidslimieten van een machine – zoals het gewicht van een robotarm of de maximale lasersterkte. Hierdoor begrijpt een AI-agent direct de mogelijkheden en beperkingen van apparatuur die hij niet eerder heeft bestuurd.

Tijdens tests zagen onderzoekers dat het AI-model Claude op een wetenschappelijke wijze te werk ging: het model stelde bijvoorbeeld een laser af, controleerde het resultaat via een camera, corrigeerde de instellingen en legde de succesvolle stappen vervolgens zelfstandig vast in een codebestand om het proces voortaan automatisch uit te voeren.

Brede ondersteuning uit de industrie

Een indrukwekkende reeks technologiebedrijven, onderzoeksinstellingen en apparatenbouwers heeft zich al aangesloten bij het initiatief. Zo voegt Amazon Web Services (AWS) MHS-ondersteuning toe aan zijn Strands Robots-bibliotheek, testen Doosan Robotics en Universal Robots de standaard voor hun robotarmen, en integreren biotech- en laboratoriumgiganten als Tecan, QIAGEN en Danaher MHS om hun geautomatiseerde analysetoestellen slimmer te maken. Ook open-source initiatieven zoals Hugging Face (LeRobot) en Raspberry Pi ondersteunen de nieuwe norm.

Veiligheid en fysieke beperkingen

Ondanks de veelbelovende resultaten benadrukt Anthropic dat menselijk toezicht voorlopig noodzakelijk blijft. Omdat taalmodellen de fysieke wereld enkel begrijpen via tekst en beeld, kunnen zij fysieke fouten – zoals schuimvorming in biologische monsters – soms interpreteren als softwarefouten.

De huidige previewfase met geselecteerde onderzoekslabs en fabrikanten wordt dan ook gebruikt om uitgebreide veiligheidsevaluaties uit te voeren en richtlijnen op te stellen voor het veilig inzetten van AI in de fysieke wereld, voordat de Model Hardware Standard later volledig als open-source wordt vrijgegeven.