Nowy standard MHS od Anthropic. AI przejmuje kontrolę nad sprzętem

Anthropic, twórca modeli Claude, zaprezentował nowy standard sprzętowy o nazwie MHS (Model Context Protocol – Hardware Standard). To rozwiązanie ma umożliwić systemom sztucznej inteligencji bezpośrednią kontrolę nad fizycznymi urządzeniami – od precyzyjnych instrumentów laboratoryjnych po ramiona robotyczne. Firma pokazała, jak AI może samodzielnie kalibrować lasery, obsługiwać mikroskopy czy planować sekwencje ruchów manipulatora, bez wcześniejszego treningu na konkretnym sprzęcie.

To przełom w myśleniu o zastosowaniach AI. Do tej pory modele językowe działały głównie w sferze cyfrowej – przetwarzały tekst, generowały kod czy analizowały obrazy. MHS otwiera drzwi do świata fizycznego, gdzie sztuczna inteligencja może wykonywać rzeczywiste zadania wymagające precyzji i powtarzalności.

Jak MHS pozwala AI obsługiwać fizyczne urządzenia

Kluczowym elementem nowego standardu jest ujednolicony system tagowania, który opisuje ograniczenia i możliwości fizycznego sprzętu. Modele AI, trenowane głównie na danych wirtualnych, otrzymują dzięki niemu komplet informacji o urządzeniu – jego masę, zasięg ruchu, parametry regulacji czy wbudowane zabezpieczenia. Te dane trafiają do pliku referencyjnego, z którego model może skorzystać natychmiast, nawet jeśli wcześniej nie miał styczności z danym typem maszyny.

Anthropic zaprezentował kilka praktycznych zastosowań MHS w działaniu. W jednym z przykładów model Claude regulował laser, sprawdzając efekty swoich działań przez osobną kamerę i iteracyjnie dopracowując ustawienia. W innym – AI samodzielnie decydowała, która część preparatu pod mikroskopem wymaga dokładniejszej obserwacji, a następnie automatycznie przesuwała stolik mikroskopu we właściwe miejsce.

Inteligentne planowanie ruchów robota

Firma pokazała również, jak Claude radzi sobie z zadaniem podniesienia aluminiowej puszki za pomocą ramienia robotycznego. Co istotne, model nie był wcześniej trenowany na takich sekwencjach ruchów. Zamiast tego wywnioskował odpowiednią sekwencję kroków, korzystając z danych o możliwościach sprzętu dostarczonych przez MHS.

Co więcej, systemy korzystające z MHS nie muszą za każdym razem analizować całego procesu od nowa. Potrafią zapisywać sekwencje działań jako skrypty API i modyfikować je w locie, gdy warunki się zmieniają. To znacznie przyspiesza pracę w porównaniu z podejściem „jeden krok na raz”.

Partnerzy technologiczni i pierwsze testy MHS

Anthropic nie pracuje nad MHS w pojedynkę. Firma ogłosiła współpracę z pierwszą grupą laboratoriów naukowych i zaawansowanych producentów, którzy testują standard w praktyce. W gronie partnerów znalazły się takie podmioty jak Amazon Web Services (z projektem Strands Robots), Hugging Face (z platformą LeRobot), Raspberry Pi, Automata oraz Universal Robots.

Rola partnerów nie ogranicza się do testowania. Wspólnie z Anthropic mają opracowywać metody oceny bezpieczeństwa i dobre praktyki dla systemów AI sterujących fizycznym sprzętem. To istotny krok, biorąc pod uwagę potencjalne ryzyka związane z autonomicznym działaniem maszyn.

Wymierne korzyści z wdrożenia standardu

Wstępne wyniki testów z partnerami naukowymi, prowadzone przez ostatni rok, wyglądają obiecująco. Anthropic informuje, że MHS znacząco skrócił czas potrzebny na integrację urządzeń z systemami AI. Dzięki temu badacze mogą szybciej iterować eksperymenty i testować więcej hipotez w krótszym czasie.

Plan na przyszłość zakłada udostępnienie MHS jako otwartego standardu, niezależnego od konkretnego producenta czy modelu AI. Ma to umożliwić szerokie przyjęcie rozwiązania i integrację różnych systemów sztucznej inteligencji z różnorodnym sprzętem fizycznym.

Co oznacza MHS dla przyszłości badań i przemysłu

Potencjał MHS wykracza daleko poza automatyzację pojedynczych zadań. Jeśli standard się przyjmie, może fundamentalnie zmienić tempo prac badawczo-rozwojowych. Zamiast tygodni poświęconych na konfigurację sprzętu i pisanie dedykowanego oprogramowania, naukowcy mogliby skupić się na samych eksperymentach.

Jak ujął to Kemeny z Anthropic w materiale wideo towarzyszącym ogłoszeniu: „Jeśli możesz testować hipotezy szybciej, możesz szybciej tworzyć ogólne technologie. W ten sposób stulecie postępu może skondensować się w dekadę”. To odważna wizja, ale pierwsze rezultaty testów zdają się ją potwierdzać.

Dla branży produkcyjnej MHS może oznaczać większą elastyczność linii montażowych i łatwiejsze przezbrajanie robotów do nowych zadań. Dla sektora naukowego – możliwość prowadzenia długotrwałych, zautomatyzowanych eksperymentów bez stałego nadzoru człowieka. W obu przypadkach kluczowa będzie jednak kwestia bezpieczeństwa i niezawodności, nad czym partnerzy projektu mają pracować w pierwszej kolejności.

Otwarty charakter standardu i zaangażowanie znaczących graczy rynkowych sugerują, że MHS ma szansę stać się powszechnym łącznikiem między światem cyfrowych modeli a fizyczną rzeczywistością. Czy tak się stanie, zależy w dużej mierze od wyników trwających testów i gotowości kolejnych producentów sprzętu do wdrożenia nowego standardu.