Anthropic は最近、ハードウェア向けのモデルハードウェア標準 MHS（Model Hardware Standard）を発表し、研究プレビュー版を同時に公開しました。この標準は、大規模モデル駆動の人工知能エージェントが、顕微鏡、ロボットアーム、液体処理装置、レーザーなどのさまざまな物理デバイスを統一かつ比較的安全な方法で接続し操作できるようにすることを目的としています。
MHS は Anthropic とホワード・ヒューズ医学研究所 Janelia 研究パークが共同開発したもので、現在は初期の研究所や先進製造企業に開放されています。公式によれば、現在の研究所や工場内の機器は一般的にそれぞれ独立したプログラムインターフェースを採用しており、デバイス間の統一的な統合方法が欠けています。人工知能システムに接続すると、データ共有やセキュリティ管理などの課題がさらに発生します。MHS は、標準化されたドライバーを通じてこれらの課題を解決し、読み取り、書き込みなどの基本命令に基づいて、異なるデバイスが統一フォーマットで発見、接続、ネットワークを越えて通信できるようにし、個別のデバイスに特化した「翻訳」プログラムを作成する必要性を減らすことを期待しています。
MHS によりハードウェア統合サイクルが数ヶ月から数分に短縮
公式によれば、元々数週間から数ヶ月かかる可能性のあるハードウェア統合作業は、MHS を導入することで大幅に短縮され、数時間または数分で完了することが期待されています。制御方法に関しては、MHS は MCP（Model Context Protocol）、コマンドラインインターフェース、および API ドキュメントを通じてデバイスを共同操作することをサポートしています。デバイスが接続されると、人工知能エージェントは運用データを受信し、異なる機器のタスクを優先順位付けし、結果を監視し、実際の状況に応じてパラメータ設定を調整することができます。長時間または高頻度の運用に対して、エージェントはドライバー命令をコードファイルに整理し、デバイスが自動的に実行できるようにすることも可能です。
Anthropic はテストプロセスの中で、同社のモデル Claude がレンズを通じてレーザーの調整効果を観察し、繰り返し調整を行った結果、全自動校正プロセスを完了するための確定的なスクリプトを生成したことを明らかにしました。現在、AWS、Automata、Danaher、Doosan Robotics、MBF Bioscience、QIAGEN、Tecan、Universal Robots など、多くの企業が関連テストに参加するか、適応作業を開始しています。初期採用者には Hugging Face や Raspberry Pi も含まれています。
MHS はまだ改善段階にあり、空間と物理的推論能力に限界がある
Anthropic はまた、MHS が現在まだ改善段階にあることを指摘しています。大規模モデルは主にテキストと画像を通じて物理世界を理解するため、その空間的および物理的推論能力には相当な制限があります。一部のシナリオでは、専門家の監督が依然として必要です。また、現時点ではプログラム可能なインターフェースを持たないデバイスは直接互換性がないため、公式は今後の段階でサポート範囲を拡大し、より多くのタイプのハードウェアデバイスをカバーする予定であると述べています。