Isang pangkat ng Carnegie Mellon ang nagkonekta sa apat na dating hindi magkatugmang sistema ng laboratoryo at nakumpleto ang isang autonomous serial-dilution curve sa loob ng walong oras, isang trabahong ayon sa mga mananaliksik ay karaniwang mangangailangan ng ilang linggo ng pagsasama ng vendor. Ang resulta ay siyang batayan ng bagong preview ng pananaliksik ng Anthropic sa Model Hardware Standard, o MHS, isang ispesipikasyon na naglalayong hayaan ang mga ahente ng AI na tumuklas, magmonitor, at magpatakbo ng mga programmable na pisikal na kagamitan.

Binuksan ng Anthropic ang preview noong Huwebes sa mga piling siyentipikong laboratoryo at mga advanced na tagagawa. Sinasabi ng kumpanya na kayang i-coordinate ng framework ang mga microscope, liquid handler, robotic arm at iba pang instrumento nang sabay-sabay, na nagpapalawak sa mga AI agent mula sa software patungo sa mga eksperimento at mga sistema ng produksyon. Kinumpirma ng independiyenteng pag-uulat ng Reuters ang paglulunsad at ang limited-partner phase nito.

Mahalaga ang anunsyong ito dahil ang integrasyon ng hardware ay nananatiling isa sa mga hindi gaanong kaakit-akit at pinakamatagal na hadlang sa automation. Ito rin ay paunang impormasyon lamang. Ang mga halimbawang inilathala kasama ng MHS ay mga case study ng kasosyo, hindi mga independiyenteng pag-awdit o mga pagsusuring sinuri ng mga kapwa eksperto, at marami ang gumagamit ng mga demonstrasyon sa halip na mga workload sa produksyon. Ipinapakita ng mga ito na ang isang karaniwang interface ay maaaring makabawas sa gawaing inhinyeriya; hindi nila itinatatag na ang pangkalahatang layunin na AI ay maaaring ligtas na magpatakbo ng mga arbitraryong laboratoryo o pabrika.

Isang Karaniwang Wika para sa mga Hindi Tugma na Makina

Nagsimula ang MHS bilang isang kolaborasyon sa pagitan ng Anthropic at ng Janelia Research Campus ng Howard Hughes Medical Institute. Ang pangunahing ideya nito ay kahawig ng isang device driver, ang software layer na nagsasalin sa pagitan ng isang computer at isang makina. Sa halip na hilingin sa isang ahente na matutunan ang interface ng bawat vendor, inilalantad ng isang MHS driver ang mga simpleng primitibo tulad ng pagbabasa ng temperatura o pagsulat ng isang bagong setting, kasama ang isang standardized na paglalarawan ng kung ano ang maaaring sukatin at baguhin ng device.

Kasama sa mga paglalarawang iyon ang mga natural-language tag para sa mga katotohanang maaaring hindi ibunyag ng software, tulad ng bigat ng braso ng robot o mga ipinapatupad na limitasyon sa kaligtasan ng isang instrumento. Bumubuo ang driver ng isang reference file na ginagawang matuklasan ang device sa isang network. teknikal na preview na maaaring kontrolin ng isang ahente ang kagamitan sa pamamagitan ng Model Context Protocol, isang command line o isang application programming interface, habang ang mas mahahabang pamamaraan ay maaaring i-compile sa deterministic code sa halip na ipaliwanag nang paisa-isa.

Mahalaga ang paghihiwalay na iyan. Ang mga modelo ng wika ay kapaki-pakinabang para sa pagbibigay-kahulugan sa isang layuning pang-eksperimento at pagpili sa mga kagamitan, ngunit ang paulit-ulit na paggalaw ng makina ay hindi dapat umasa sa isang bagong probabilistikong tugon sa bawat millisecond. Pinapayagan ng MHS ang isang ahente na magplano, magmonitor, at mag-ayos ng daloy ng trabaho habang isinasagawa ng mga instrumento ang mga nakatakdang utos. Ang ipinangakong bentahe ay ang muling paggamit: kapag mayroon nang maaasahang driver, hindi na kailangang muling itayo ng ibang laboratoryo ang parehong integrasyon mula sa simula.

Ang mga Maagang Pagsubok ay Nagpapakita ng Bilis at Mga Blind Spots

Ang demonstrasyon ni Carnegie Mellon ay nagsanib ng isang liquid handler, plate reader, robotic arm at mga monitoring camera na nakakalat sa tatlong computer. Ang isang makina ay tumatanggap ng mga job file, ang isa naman ay umaasa sa isang mas lumang Windows scripting interface, at ang plate reader ay nag-aalok lamang ng isang graphical screen. Ipinakita ng MHS ang kanilang mga estado at pamamaraan sa pamamagitan ng isang manifest. Gumamit ang isang ahente ng colorimetric dye, hindi isang gamot, upang ihanda at sukatin ang isang dose-response curve na halos tatlong beses na mas mabilis kaysa sa naunang workflow.

Sadyang nagpakilala ang mga mananaliksik ng anim na panganib, kabilang ang nawawala o umikot na plato, isang nakadiskonektang kamera, at isang aktibong emergency stop. Hinarang ng sistema ang lahat ng anim bago gumalaw. Sa panahon ng eksperimento, tinanggihan nito ang isang paunang kurba na may R-squared value na mas mababa sa 0.9, binawasan ang pinakamataas na konsentrasyon mula 200 hanggang 100 micrograms bawat milliliter, at nakagawa ng pangalawang tugma na higit sa 0.98 nang walang input ng tao. Ang mga ito ay nakapagpapatibay na kontrol, ngunit tahasang inililista ng pangkat ang pagpapatunay gamit ang mga totoong kandidato ng gamot bilang pag-aaral sa hinaharap.

Isang patunay ng konsepto mula sa Genentech ang naglantad ng ibang limitasyon. Pinagsama-sama ni Claude ang isang liquid handler, robotic arm, at plate reader para sa isang protein assay, pagkatapos ay in-optimize ang mga rate ng pipetting laban sa mga paglilipat ng eksperto. Gayunpaman, ang mga unang generic setting nito ay nagdulot ng mga bula sa isang malapot na sample, at sa una ay sinubukan itong muli sa parehong balon, na lalong nagpalala sa pisikal na problema. Kinailangang ipaliwanag ng mga mananaliksik ng Genentech ang sanhi at idirekta ito patungo sa isang malinis na balon at mas banayad na paghahalo. Ang kanilang case study ay isang kapaki-pakinabang na babala: ang kahusayan sa software ay hindi pisikal na intuwisyon.

Mula sa mga Iskrip hanggang sa mga Closed-Loop Laboratories

Ang mas malawak na ambisyon ay isang self-driving laboratory kung saan ang software ang pipili ng eksperimento, ang kagamitan ang gagawa nito, ang mga sensor ang magbabalik ng mga resulta, at ang sistema ang pipili ng susunod na iterasyon. Inilalarawan ito ng kahulugan ng NIST bilang isang closed feedback loop na nilayon upang mapakinabangan ang impormasyong nakukuha mula sa bawat cycle, na may automated sample generation, handling, at characterization na nangangailangan ng kaunting interaksyon ng tao. Hindi ibinibigay ng MHS ang siyentipikong layunin o ginagarantiyahan ang mga wastong sukat, ngunit maaari itong magbigay ng connective tissue sa pagitan ng algorithm at ng bench.

Sa University of Washington, isang nagtapos na mananaliksik ang nakapagkonekta ng anim na instrumento sa loob ng wala pang isang linggo. Kabilang sa mga demonstrasyon ang panonood ng mga live na quantitative-PCR curves, paghingi ng pag-apruba bago ihinto ang isang pagtakbo, at pag-coordinate ng isang robotic arm sa isang liquid handler upang ang mga plato ay magpalit lamang ng kamay pagkatapos mag-ulat ng ligtas na estado ang bawat device. Nabanggit ng mananaliksik na ang patuloy na pagsubaybay ay kumokonsumo ng mga mapagkukunan ng computing at ang mas kumplikadong mga protocol ay mangangailangan ng malaking pag-optimize.

Ginamit ng mga mananaliksik ni Janelia ang pamantayan upang pag-isahin ang pitong programa ng vendor sa isang neuroscience rig, na binabawasan ang pagdaragdag ng isang bagong camera mula sa isang proyektong tumatagal ng maraming araw patungo sa ilang minuto. Inilapat ng QuEra ang MHS sa pagbawi ng laser-control subsystem ng isang quantum computer. Sinasabi ng kumpanya na ang isang pangkat na binubuo ng apat na tao ay dati nang gumugol ng dalawa hanggang tatlong linggo sa isang hand-built recovery script; pilot report na ang ahente ay minsan ay humihinto nang magdamag para sa pag-apruba at hindi ma-diagnose ang mga pisikal na pagkabigo ng hardware.

Ang mga resultang iyon ay akma sa mas malawak na kalakaran sa pananaliksik ngunit pati na rin sa mga limitasyon nito. Naobserbahan ng isang pag-aaral sa Nature na maraming autonomous experimental system ang nananatiling pasadyang, makitid, at nakatali sa isang limitadong hanay ng mga tool. Ang paglipat mula sa mga kahanga-hangang demonstrasyon patungo sa mga adaptable laboratory ay nangangailangan ng imprastraktura na maaaring ligtas na subukan ang mga desisyon sa software at mga pisikal na aksyon. Ang isang ibinahaging bokabularyo ng hardware ay tumutugon sa interoperability; hindi nito inaalis ang pangangailangan para sa mga domain model, mga naka-calibrate na instrumento, o mga kwalipikadong siyentipiko.

Ang Pisikal na Pag-access ay Nagpapataas ng Gastos ng Pagkakamali

Ang isang ahente na naglilinlang ng isang dokumento ay lumilikha ng abala. Ang isang ahente na nagpapagalaw ng robot, nagpapalit ng laser o nagbibigay ng biological sample ay maaaring makapinsala sa kagamitan, makasira ng ebidensya o makasakit ng isang tao. Samakatuwid, ang kaso ng kaligtasan ay may hindi bababa sa tatlong patong: ligtas na pag-access sa sistema ng kontrol, mga deterministikong limitasyon na ipinapatupad ng mga drayber at mga pamamaraan, at awtoridad ng tao sa mga aksyon na ang mga kahihinatnan ay hindi tiyak o hindi mababago.

Maaaring gamitin ng MHS ang Model Context Protocol, na nagdadala ng sarili nitong pag-atake kapag ang mga remote tool ay lumalampas sa mga hangganan ng tiwala. Ang kasalukuyang gabay sa seguridad ay nangangailangan ng mga server na i-verify ang mga papasok na kahilingan at tanggihan ang mga token na hindi inisyu para sa server na iyon; tinutukoy din nito ang mga panganib kabilang ang pamemeke ng kahilingan sa server-side at mga ninakaw na state handle. Kakailanganin din ng mga laboratoryo ang paghihiwalay ng network, mga kredensyal na may pinakamababang pribilehiyo, mga nilagdaang driver, mga hindi nababagong audit log at isang malinaw na tuntunin na ang mga physical emergency stop ay nagpapawalang-bisa sa mga utos ng ahente.

Ang mga pahayag sa pagganap ay nangangailangan din ng mga pamantayang pagsusuri. Binibigyang-diin ng programang robotics ng NIST ang mga sukatan at protocol para sa persepsyon, kahusayan, kaligtasan, koordinasyon at interoperability. Ang induced-hazard exercise ng MHS ay ang tamang uri ng ebidensya, ngunit ang anim na naharang na kondisyon sa isang kontroladong setup ay hindi isang sertipikasyon sa kaligtasan. Dapat saklawin ng mga pagsusuri ang mga nasirang sensor, malisyosong input, mga pagkakamali sa timing, calibration drift at mga kumbinasyon ng mga pagkabigo na hindi inaasahan ng isang development team.

Ang Pag-aampon ay Nakasalalay sa mga Nagmamaneho at Ebidensya

Sinasabi ng Anthropic na ang MHS ay hindi gumagamit ng modelo at kalaunan ay magiging open source, ngunit hindi pa nito inanunsyo ang petsa ng pangkalahatang availability. Sa ngayon, ang access ay pinaghihigpitan habang ang mga naunang kasosyo ay bumubuo ng mga pagsusuri sa kaligtasan at mga kasanayan sa pagpapatakbo. Dahil dito, ang preview ay mas malapit sa isang panukalang sinusuportahan ng mga prototype kaysa sa isang pamantayan sa industriya. Ang isang pamantayan ay nagiging matibay lamang kapag ang mga nakikipagkumpitensyang tagapagbigay ng modelo, mga gumagawa ng kagamitan, mga laboratoryo at mga tagagawa ay maaaring ipatupad ito nang nakapag-iisa.

Ang mapagpasyang asset ay maaaring ang ecosystem ng driver sa halip na ang agent. Ang mga laboratoryo ay naglalaman ng mga instrumentong ilang dekada nang gulang, naka-lock na software ng vendor, at mga device na walang modernong programming interface. Ang pagsuporta sa mga ito ay mangangailangan ng dokumentasyon, pagpapanatili, at pagsubok sa pagsunod. Ang mga tagagawa ng hardware ay dapat magpasya kung ilalathala ang mga katutubong MHS driver, habang ang mga customer ay dapat matukoy kung sino ang mananagot kapag ang isang driver ay hindi wastong naglalarawan ng isang limitasyon o ang isang agent ay may hindi malinaw na interpretasyon ng isang estado.

Gayunpaman, binabago ng MHS ang isang mahalagang problema. Ang tanong ay hindi na lamang kung ang isang modelo ng AI ay maaaring sumulat ng mga planong pang-eksperimento, kundi kung ang iba't ibang makina ay maaaring maglantad ng maaasahan at limitadong mga kakayahan na maaaring pagsamahin ng software. Ang walong oras na resulta ng Carnegie Mellon ay nagmumungkahi na ang layer na ito ay maaaring lubos na mapaliit ang oras ng integrasyon. Ang mga bula sa Genentech at ang paghinto ng pag-apruba sa QuEra ay nagpapakita kung bakit ang bilis ay hindi maaaring pumalit sa pisikal na pag-unawa, pagpapatunay o responsableng kontrol ng tao.