Anthropic presenta il Model Hardware Standard (MHS), una serie di driver standardizzati che permettono agli agenti AI di controllare dispositivi fisici, semplificando l'integrazione tra strumenti di laboratorio e accelerando la ricerca scientifica.
Finora, i sistemi di intelligenza artificiale agentica si sono concentrati principalmente su dati e azioni digitali, come testi, immagini e codice. Anthropic vuole ora superare questi limiti con il lancio del Model Hardware Standard (MHS), una raccolta di driver standardizzati che consente agli agenti AI di interfacciarsi e controllare una vasta gamma di dispositivi fisici.
Un'interfaccia comune per la ricerca scientifica
La versione di anteprima di MHS è pensata soprattutto per i laboratori scientifici, dove spesso è necessario sviluppare software personalizzati per far dialogare strumenti diversi. MHS offre un'interfaccia e un formato dati comuni, permettendo ai dispositivi di comunicare in rete senza la necessità di programmi "traduttori" su misura. Secondo Anthropic, questo approccio può ridurre i tempi di configurazione degli esperimenti da settimane o mesi a poche ore o minuti.
Dall'idea al laboratorio automatizzato
L'ispirazione per MHS è nata osservando il neuroscienziato Arco Bast durante un esperimento sulla memoria al campus HHMI Janelia in Virginia. Bast aveva creato un'interfaccia per coordinare laser, microscopi e telecamere tramite un unico sistema. Anthropic ha pensato di estendere questo concetto, permettendo agli agenti AI di gestire qualsiasi esperimento scientifico.
AI e controllo diretto dei dispositivi
MHS non richiede necessariamente l'uso di modelli AI: i dispositivi possono essere controllati anche tramite prompt da riga di comando o file API. Tuttavia, integrando MHS con un modello AI tramite il Model Context Protocol, gli scienziati possono interagire con i dispositivi usando il linguaggio naturale. I modelli possono così ragionare sui passaggi di un esperimento, aggiornare parametri in tempo reale e, in alcuni casi, correggere errori hardware senza intervento umano. Anthropic cita l'esempio di Claude che regola un laser, verifica i risultati con una telecamera e ripete il processo per calibrare automaticamente il sistema. Un altro scenario vede l'AI che mette a fuoco un microscopio, analizza i dati e decide autonomamente dove concentrare l'osservazione.
Standardizzazione e sicurezza
MHS include anche un sistema di tag standardizzati per descrivere i vincoli fisici dei dispositivi, come peso, portata, parametri regolabili e limiti di sicurezza. Queste informazioni vengono raccolte in un file di riferimento che fornisce rapidamente al modello AI i dettagli necessari anche per dispositivi mai incontrati prima.
Collaborazioni e prospettive future
Attualmente, Anthropic sta collaborando con un primo gruppo di laboratori di ricerca e produttori avanzati, tra cui Amazon Web Services (Strands Robots), Hugging Face (LeRobot), Raspberry Pi, Automata e Universal Robots. Questi partner aiuteranno a sviluppare valutazioni di sicurezza e best practice per l'uso dell'AI su apparecchiature fisiche. L'obiettivo è rendere MHS uno standard open source e "agent agnostic" per l'integrazione tra AI e sistemi fisici.
Impatto sulla velocità della ricerca
Nei primi test con i partner scientifici, Anthropic ha osservato una riduzione significativa dei tempi di integrazione dei dispositivi, permettendo iterazioni più rapide negli esperimenti. Come sottolineato da Alek Kemeny di Anthropic, accelerare la verifica delle ipotesi potrebbe comprimere decenni di progresso tecnologico in pochi anni.
Il ruolo degli standard nell'innovazione
L'importanza degli standard tecnici per l'interoperabilità e la sicurezza è un tema ricorrente nell'innovazione tecnologica. Ad esempio, anche nel settore spaziale la definizione di standard condivisi è cruciale per lo sviluppo di nuove infrastrutture, come evidenziato nell'analisi sulle reti di comunicazione lunari disponibile su QWERTYmag.
