Anthropic avasi 27. elokuuta tutkimusesikatselun Model Hardware Standardista. MHS antaa tekoälyagenteille yhtenäisen tavan ohjata fyysisiä laitteita laboratoriossa ja tuotannossa. Mukaan pääsee ensimmäinen ryhmä tutkimuslaboratorioita ja edistyneitä valmistajia, ja osallistuminen tapahtuu hakemuksella.
Ongelma on tuttu jokaisessa laboratoriossa. Laitteet eivät puhu keskenään, ja jokainen yhteys rakennetaan käsin erikoisosaajan voimin. Anthropicin virallisen ilmoituksen mukaan MHS kutistaa tämän työn viikoista tunteihin tai minuutteihin. Sama vaiva toistuu myös silloin, kun laboratorio vaihtaa yhden laitteen uuteen.
Yksi ajuri, kaksi komentoa
MHS on jaettu määrittely, jonka ansiosta eri valmistajien laitteet näyttäytyvät agentille samassa muodossa. Ytimessä on standardoitu ajuri. Se kääntää käyttöjärjestelmän ja laitteen välistä liikennettä samalla tavalla riippumatta siitä, kuka laitteen on valmistanut.
Komentokanta on tarkoituksella suppea. Agentti lukee arvoja read-komennolla, esimerkiksi hakee lämpötilan, ja asettaa niitä write-komennolla. Kaikki monimutkaisuus siirtyy ajurin sisään eikä agentin kehotteeseen. Tämä on tuttu ratkaisu käyttöjärjestelmien maailmasta, jossa laiteajuri on piilottanut rautakohtaiset erot jo vuosikymmeniä.
Laitteet löytyvät verkosta jaetun muistin sanakirjoista. Agentti ja laite tunnistavat toisensa ilman erillistä käännösohjelmaa. Käytännön ero aiempaan on selvä: integraatio ei ala enää laitekohtaisen rajapinnan purkamisesta ja dokumentaation etsimisestä.
Anthropic korostaa, että standardi on mallista riippumaton. Mikä tahansa agenttiympäristö voi käyttää sitä vakioprotokollien kautta. MHS ei siis sido laboratoriota yhteen mallitoimittajaan, mikä on olennaista laitekannalle, jonka elinkaari mitataan vuosikymmenissä.
Määrittely kattaa mitä tahansa laitetta, jossa on ohjelmoitava rajapinta. Rajaus on väljä tarkoituksella. Sen alle mahtuvat sekä nesteenkäsittelyrobotit että mikroskoopit ja kvanttilaitteiden laserit.
Metatiedot ja laitetason turvarajat
MHS-ajuriin kirjoitetaan tunnisteita, joilla laitteen ominaisuudet kuvataan luonnollisella kielellä. Niistä syntyy viitetiedosto, joka kertoo laitteen kyvyt, säädettävät parametrit ja pakotetut turvarajat.
Aiemmin nämä tiedot elivät paperikäsikirjoissa, yhden tutkijan kovalevyllä tai kokonaan hiljaisena tietona. Nyt agentti lukee ne samasta paikasta kuin ihminen. Dokumentaatiosta tulee osa ajuria eikä erillinen liite, joka vanhenee ensimmäisen päivityksen jälkeen.
Ohjaus tapahtuu kolmen rajapinnan kautta: Model Context Protocolin, komentorivin ja koodikirjastojen. Yhdessä ne mahdollistavat usean laitteen orkestroinnin yhdellä koodirivillä. Tutkija voi siis ajaa saman kokeen käsin komentoriviltä tai antaa sen agentin hoidettavaksi ilman, että ohjauslogiikka kirjoitetaan uudelleen.
Turvarajat pakotetaan laitetasolla, ei kehotteessa. Esikatseluun osallistunut tutkija kuvasi, ettei hänen tarvitse pelätä agentin käyttävän liikaa laserintehoa ja valkaisevan fluoresoivia molekyylejä. Raja pitää, vaikka ohjeistus pettäisi tai malli tulkitsisi tehtävän väärin.
Ero on merkittävä, koska agenttien turvallisuus on tähän asti nojannut pitkälti kehotteisiin ja jälkikäteiseen valvontaan. Fyysisen laitteen kanssa jälkikäteinen valvonta tulee liian myöhään. Rikkoutunut näyte tai palanut anturi ei palaudu peruuttamalla.
Esikatselun mitatut tulokset
Luvut ovat tämän kokoluokan julkistuksessa poikkeuksellisen konkreettisia. Carnegie Mellonin yliopistossa yhden laitteen integrointi vei kahdeksan tuntia. Valmistajan rakentamaan vastaavaan järjestelmään menee tyypillisesti useita viikkoja.
Samassa laboratoriossa sarjalaimennukset ajettiin noin kolme kertaa nopeammin kuin ennen. Washingtonin yliopistossa koko käyttöönotto ajureiden kirjoittamisineen mahtui alle viikkoon, kun aiemmin vastaavaan on kulunut kuukausia.
QuEra Computing käytti MHS:ää kvanttitietokoneen laserjärjestelmän vakautukseen. Palautumisaika putosi 150 sekunnista noin kuuteen sekuntiin. Onnistumisprosentti nousi 58:sta 99,3:een sokkotestissä, jossa ajettiin 700 koetta. Säätöparametrien virityksessä kohina laski kymmenesosaan, 15,7 millivoltista 1,55 millivolttiin.
Tetsuwan Scientific testasi 9 143 yksittäistä annostusta ja 1 508 mitattua olosuhdetta. Mallin ennustetarkkuus parani 12-17 prosenttia valmistajan spesifikaatioihin verrattuna. Kyse ei siis ollut vain nopeudesta vaan siitä, että laitteen oma kalibrointi osoittautui epätarkemmaksi kuin mitattu malli.
HHMI Janeliassa uuden kameran liittäminen vei minuutteja, kun aiemmin kyse oli monen päivän projektista. Tulokset ovat esikatselun osallistujien raportoimia, joten ne kannattaa lukea parhaina tapauksina eikä keskiarvoina.
Kumppanit ja tie avoimeen lähdekoodiin
Esikatselussa on mukana sekä tutkimuslaitoksia että laitevalmistajia. Tutkimuspuolelta löytyvät Genentech, Washingtonin yliopiston Bakerin ja Pinglayn laboratoriot, Carnegie Mellon, HHMI Janelia sekä QuEra Computing.
Laitevalmistajista mukana ovat Tecan, QIAGEN, Danaher, Doosan Robotics ja Universal Robots. Ohjelmistopuolelta listalla ovat Amazon Web Servicesin Strands Robots, Automatan LINQ, MBF Bioscience ja Hugging Facen LeRobot-kirjasto. Myös Raspberry Pi -kameralle on valmis ajuri.
Kumppanilistan laajuus kertoo enemmän kuin yksittäiset luvut. Standardi on hyödytön, jos ajureita kirjoittaa vain sen julkaisija. Mukana on nyt sekä perinteisiä laboratoriolaitevalmistajia että robottivalmistajia, mikä antaa määrittelylle kaksi jalkaa.
Genentechillä Claude optimoi proteiinimäärityksessä nesteensiirron virtausnopeudet itsenäisesti. Erikoisosaajan ei tarvinnut määritellä parametreja käsin, vaan malli haki toimivan asetuksen kokeilemalla.
Anthropic aikoo julkaista standardin avoimena lähdekoodina. Sitä ennen yhtiö rakentaa kumppaneiden kanssa turvallisuusarviointeja ja parhaita käytäntöjä. Aikataulua avaamiselle ei ole kerrottu.
Yhteenveto
Model Hardware Standard siirtää agentit ruudulta laboratoriopöydälle. Mitatut tulokset tukevat lupausta: integraatioaika lyhenee viikoista tunteihin, ja osassa tapauksista laitteen liittäminen vie minuutteja.
Ratkaisevaa on, kestääkö turvallisuus mittakaavassa. Laitetason rajat ja suunniteltu avoin lähdekoodi vievät oikeaan suuntaan, mutta esikatselussa on vasta ensimmäinen ryhmä laboratorioita. Seuraava mittari on se, kuinka moni laitevalmistaja kirjoittaa ajurin omalle tuotteelleen ilman että Anthropic pyytää.