Оглавление

Компания Anthropic разработала новый стандарт, призванный навести мосты между миром больших языковых моделей и реальным «железом». Протокол, получивший название Model Hardware Standard (MHS), позволяет ИИ-агентам напрямую взаимодействовать с широким спектром лабораторного и промышленного оборудования. Как сообщает Techzine Global, технология уже доступна в формате исследовательского превью и обещает избавить инженеров от необходимости писать уникальный код для каждой новой единицы техники.

Концепция MHS во многом напоминает ранее представленный Model Context Protocol (MCP), который стандартизировал доступ ИИ к программным инструментам и базам данных. Теперь же Anthropic переносит этот принцип в физическую плоскость: от микроскопов и лазеров до роботизированных манипуляторов. Изначально проект развивался в стенах исследовательского кампуса HHMI Janelia, где ученые искали способы автоматизировать сложные манипуляции с оборудованием без привлечения целого штата программистов.

Архитектура взаимодействия: от драйверов к автономному коду

В основе MHS лежат стандартизированные драйверы, которые выступают в роли переводчиков. Они преобразуют сложные функции станков или датчиков в набор простых команд, понятных ИИ-модели. При этом каждый драйвер несет в себе метаданные о возможностях и, что критически важно, лимитах безопасности устройства. Это позволяет агенту понимать, до какой степени можно повернуть регулятор или поднять температуру, не выводя систему из строя.

Хотя связь с ИИ осуществляется через MCP, сам стандарт MHS не является «рабом» нейросетей. Оборудование остается доступным для управления через традиционные API или командную строку. Главная ценность здесь заключается в сокращении времени интеграции: если раньше стыковка нового манипулятора с системой могла занимать недели, то с универсальным слоем абстракции счет идет на часы. Агент получает возможность не просто отдавать разовые команды, но и выстраивать целые рабочие цепочки, адаптируясь к изменениям в реальном времени.

Универсализация интерфейсов для физического мира — это логичный шаг, однако текущая реализация MHS выглядит скорее как попытка Anthropic замкнуть экосистему на своих протоколах. Несмотря на декларацию открытости, реальная эффективность стандарта упрется в нежелание производителей оборудования отказываться от проприетарного софта ради сомнительной чести стать придатком к чужому облачному ИИ. Пока это элегантный костыль для лабораторий, а не революция в индустрии.

Практическое применение и рыночные перспективы

В ходе демонстраций модель Claude показала способность настраивать лазер, анализируя изображение с камеры и итеративно корректируя параметры до достижения цели. Интересно, что после завершения калибровки ИИ перевел свои действия в детерминированный скрипт, позволяя системе работать автономно без постоянного обращения к нейросети. В другом тесте роботизированная рука успешно справлялась с захватом объектов, для которых она не проходила специфического обучения, полагаясь на логику агента.

К инициативе уже присоединились крупные игроки индустрии. AWS тестирует стандарт в рамках проекта Strands Robots, а такие компании как Doosan Robotics и Universal Robots изучают возможность интеграции MHS в свои платформы. Даже Raspberry Pi не осталась в стороне, экспериментируя с управлением камерами через новый протокол. В будущем Anthropic планирует сделать MHS проектом с открытым исходным кодом, чтобы он мог существовать вне зависимости от судьбы их собственной модели.

Тем не менее, разработчики сохраняют осторожность, напоминая, что текущие LLM все еще испытывают трудности с пространственным мышлением. На этапе тестирования присутствие человека-эксперта остается обязательным условием. Похоже, до момента, когда ИИ сможет самостоятельно собрать мебель из Икеи, не перепутав болты, нам придется подождать еще несколько итераций стандартов и моделей.