Anthropic ha avviato la research preview del Model Hardware Standard (MHS), una specifica progettata per consentire agli agenti di intelligenza artificiale di interagire direttamente con dispositivi fisici utilizzati nella ricerca scientifica e nella produzione avanzata. Il sistema permette agli agenti AI di controllare contemporaneamente differenti strumenti di laboratorio e apparecchiature industriali, tra cui microscopi, sistemi per la movimentazione automatizzata dei liquidi e bracci robotici. Le applicazioni sperimentate comprendono attività relativamente standardizzate, come alcune procedure impiegate nella ricerca farmaceutica, ma anche operazioni più complesse, come la calibrazione di sistemi laser utilizzati su computer quantistici.
Lo sviluppo di MHS è iniziato attraverso una collaborazione tra Anthropic e l’HHMI Janelia Research Campus. Uno dei problemi affrontati riguarda l’integrazione delle apparecchiature presenti nei laboratori e negli impianti produttivi: strumenti realizzati da produttori differenti utilizzano spesso interfacce di programmazione proprie e non dispongono di un metodo comune per comunicare tra loro. L’installazione e l’integrazione di più dispositivi possono quindi richiedere settimane o mesi e rendere necessario lo sviluppo di collegamenti software specifici. Con MHS, Anthropic punta a ridurre queste attività a poche ore o, in alcuni casi, a pochi minuti.
Il Model Hardware Standard introduce a questo scopo un driver standardizzato che svolge la funzione di traduzione tra il sistema informatico e il dispositivo fisico. Il driver utilizza un insieme limitato di operazioni fondamentali, come i comandi di lettura e scrittura: un agente può, per esempio, leggere la temperatura rilevata da uno strumento oppure impostarne un nuovo valore. Ogni dispositivo viene inoltre reso individuabile secondo un formato comune, permettendo ad apparecchiature e agenti di identificarsi e comunicare attraverso una rete senza dover realizzare ogni volta un programma intermedio dedicato. MHS è destinato a funzionare con qualsiasi dispositivo dotato di un’interfaccia programmabile ed è indipendente dal modello AI utilizzato.
Il driver non comunica all’agente soltanto i comandi disponibili, ma anche le caratteristiche fisiche necessarie per utilizzare correttamente la macchina. Informazioni che normalmente possono trovarsi nei manuali, nei computer degli operatori oppure dipendere dall’esperienza dei tecnici possono essere associate direttamente al dispositivo attraverso tag descritti in linguaggio naturale. L’utente può inserirle manualmente oppure fornirle dialogando con un agente che raccoglie le caratteristiche della configurazione hardware. Sulla base di questi dati, il driver genera automaticamente un file di riferimento contenente ciò che il dispositivo è in grado di misurare, quali parametri possono essere modificati e quali limiti di sicurezza devono essere rispettati. Nel caso di un braccio robotico, per esempio, anche una caratteristica fisica come il peso può diventare un’informazione necessaria per determinare come manipolare l’apparecchiatura in sicurezza.
Una volta configurati i dispositivi, l’agente può comandarli attraverso tre modalità: Model Context Protocol (MCP), interfaccia a riga di comando e file di codice tramite API. Le tre modalità possono essere utilizzate insieme per orchestrare apparecchiature differenti e coordinare più strumenti. L’agente riceve i dati operativi delle macchine, stabilisce la sequenza delle operazioni, controlla i risultati e modifica i parametri in tempo reale quando cambiano le condizioni dell’esperimento o del processo. L’integrazione dell’intelligenza artificiale consente quindi di impostare workflow autonomi che possono funzionare continuativamente, anche 24 ore su 24, con la possibilità per l’agente di ragionare sulle singole fasi e, in alcuni casi, tentare il recupero da un errore hardware senza intervento umano.
Per le attività particolarmente lunghe oppure per quelle che richiedono velocità incompatibili con il ragionamento online del modello, MHS permette inoltre all’agente di concatenare i comandi dei driver all’interno di file di codice. In questo modo l’AI può prima determinare la procedura da seguire e successivamente trasformarla in una sequenza deterministica che viene eseguita direttamente dalle apparecchiature, senza richiedere al modello di valutare nuovamente ogni singolo passaggio durante l’esecuzione.
Anthropic ha descritto un test nel quale Claude ha lavorato su un sistema laser adottando un processo iterativo. Il modello ha modificato il laser, osservato attraverso una telecamera gli effetti dello spostamento del fascio e ripetuto le regolazioni per comprendere il comportamento dell’apparato. Dopo aver individuato la sequenza necessaria, Claude ha trasformato quanto appreso in un file di codice e creato uno script deterministico capace di effettuare l’allineamento del laser con un unico comando, evitando di dover ripetere il processo di ragionamento durante ogni esecuzione.
MHS è già stato sperimentato con un gruppo ristretto di laboratori e produttori di hardware attivi in settori che comprendono biotecnologie, robotica, elettronica, quantum computing e produzione industriale. Tra i progetti iniziali figura quello di Genentech, i cui ricercatori hanno utilizzato MHS come proof of concept per automatizzare il BCA protein assay, una procedura impiegata per misurare la concentrazione totale di proteine in un campione e che richiede il coordinamento tra un liquid handler, un braccio robotico e un lettore di micropiastre. Nei primi progetti Anthropic ha osservato una riduzione dei tempi necessari per integrare le apparecchiature, cicli sperimentali più rapidi e la possibilità di assistere direttamente il funzionamento delle macchine e rilevare anomalie in tempo reale.
La versione attuale del Model Hardware Standard rimane una research preview. Anthropic la sta distribuendo inizialmente a partner selezionati nei settori scientifico, robotico, elettronico e manifatturiero per sviluppare procedure di valutazione della sicurezza e definire pratiche operative adatte all’utilizzo di sistemi AI su apparecchiature fisiche. Solo dopo questa fase l’azienda prevede di rendere MHS open source. L’obiettivo tecnico è creare un livello comune attraverso il quale agenti e strumenti programmabili possano scambiarsi dati e comandi attraverso la rete, mantenendo esplicitamente definite le capacità della macchina e i relativi limiti operativi.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)