Anthropic bouwt standaard die AI direct met labrobots laat praten

Laboratoria en fabrieken zitten vaak vol apparatuur van verschillende fabrikanten. Elk apparaat heeft zijn eigen software, datastandaard en aansluiting. Onderzoekers besteden daardoor veel tijd aan het met elkaar laten praten van machines, voordat er ook maar één experiment kan beginnen. Het Amerikaanse AI-bedrijf Anthropic wil dat probleem oplossen met de Model Hardware Standard (MHS), een nieuwe specificatie waarmee AI-agents fysieke apparaten kunnen uitlezen en besturen.

Eén universele stekker voor machines

MHS bouwt voort op het Model Context Protocol, dat Anthropic eerder lanceerde om AI-modellen op een uniforme manier toegang te geven tot software en databronnen. MHS trekt dat idee door naar de fysieke wereld. Voor elk apparaat komt een 'driver': een stukje software dat basisfuncties zoals lezen en aansturen standaardiseert. Die driver bevat ook praktische informatie die in gewone software ontbreekt, zoals het maximale gewicht dat een robotarm aankan of de veiligheidsgrenzen van een apparaat. Gebruikers kunnen die gegevens in gewone taal invoeren, waarna het systeem er een technisch bestand van maakt dat een AI-model kan lezen. Is de driver er eenmaal, dan kan iedereen hem hergebruiken in plaats van voor elke combinatie van apparaten een nieuwe koppeling te bouwen. Volgens Anthropic scheelt dat in de praktijk het verschil tussen weken of maanden werk en een kwestie van uren.

Van eiwitmetingen tot laserlasers

Anthropic testte de standaard bij verschillende partners. Bij biotechbedrijf Genentech liet de AI Claude een vloeistofhanteerder, een robotarm en een platenlezer samenwerken om een eiwitassay te automatiseren, een test die de concentratie van eiwitten meet. Claude paste zelfstandig de doseerparameters aan, maar liep vast toen luchtbelletjes in een stroperige vloeistof voor fouten zorgden: het model herhaalde de mislukte stap steeds opnieuw, tot een mens uitlegde dat het om een fysiek probleem ging in plaats van een softwarefout. Bij Carnegie Mellon University bouwden onderzoekers in ongeveer acht uur een koppeling tussen vier apparaten op drie incompatibele computers, een klus die normaal weken kost. Bij het kwantumbedrijf QuEra ontwikkelde Claude via honderden geautomatiseerde testrondes een besturingsprogramma dat een laser na verstoringen weer stabiel krijgt. Het resulterende script slaagde in 695 van de 700 pogingen, volledig zonder tussenkomst van het taalmodel.

Toezicht blijft nodig

Anthropic benadrukt dat de technologie nog grenzen kent. Omdat Claude de fysieke wereld alleen kent via tekst en beeld, mist het model soms ruimtelijk inzicht en begrip van oorzaak en gevolg. Daarom bouwt het bedrijf tijdens deze onderzoeksfase extra veiligheidschecks in en werkt het aan een routekaart tegen misbruik van de technologie. MHS wordt nu getest bij geselecteerde laboratoria en fabrikanten, waaronder AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face en Raspberry Pi. Een open-source versie moet later volgen.