Anthropic quiere agentes de IA para ejecutar equipos de laboratorio y tiene un estándar para ello

Anthropic ha abierto una vista previa de la investigación del Model Hardware Standard, o MHS, una especificación compartida que permite a los agentes de IA operar dispositivos físicos como microscopios, manipuladores de líquidos y brazos robóticos. Se envió el miércoles a un primer grupo de laboratorios científicos y fabricantes avanzados, y comenzó como una colaboración entre Anthropic y el HHMI Janelia Research Campus.

El problema al que apunta MHS no es nada atractivo, pero es real. Un laboratorio de investigación normalmente posee instrumentos de una docena de proveedores, cada uno con su propio software, formato de datos y controlador. Lograr que hablen entre sí lleva semanas o meses de trabajo de integración personalizado, y lograr que un agente de inteligencia artificial opere cualquiera de ellos de manera segura vuelve a ser un trabajo aparte. MHS maneja esto con un controlador estandarizado, que es un software que se traduce entre una computadora y un dispositivo, construido alrededor de un puñado de comandos simples como “leer” (obtener temperatura) y “escribir” (establecer temperatura). Los dispositivos se anuncian en un formato común, por lo que un agente puede descubrirlos sin un traductor personalizado de por medio.

La parte inteligente es un conjunto de etiquetas que permiten a un ser humano escribir, en lenguaje sencillo, las cosas que el código de una máquina no dice: cuánto pesa un brazo robótico, qué puede medir, qué límites de seguridad se aplican. El conductor lo convierte en un archivo de referencia que el agente lee antes de tocar algo.

Lo que realmente está pasando aquí: este es el mismo movimiento que Anthropic hizo con el Model Context Protocol, que estandarizó cómo los modelos de IA hablan con el software, aplicado al hardware. MHS es deliberadamente independiente del modelo, por lo que cualquier agente de cualquier empresa puede usarlo a través de protocolos estándar, y Anthropic dice que planea abrir el código estándar después de la vista previa. Se trata de una apuesta por ser dueño del enchufe y no del aparato, y vale la pena tener una visión clara del motivo, incluso si el enchufe es útil.

Los primeros resultados son más mesurados que el discurso. En Genentech, Claude ajustó de forma autónoma las velocidades de pipeteo para agua y una solución espesa de proteína y aterrizó en parámetros que los expertos en automatización de la compañía consideraron razonables. También se quedó atascado: cuando las burbujas de aire causaban errores, su instinto era volver a intentarlo en el mismo lugar, lo que generaba más burbujas, y un humano tenía que explicar la física. Un estudiante de doctorado de la Universidad de Washington conectó seis instrumentos en menos de una semana, incluidos los controladores, después de que anteriores intentos de automatización hubieran fracasado rotundamente. También señala que trabajar con un agente durante horas cuesta dinero que debe sopesarse con el tiempo ahorrado.

Lo que esto significa para ti: nada hoy a menos que trabajes en un laboratorio o una fábrica. Pero es un indicador útil de hacia dónde se dirigen los agentes. Durante dos años la pregunta interesante fue qué podía escribir un modelo; La pregunta ahora es qué puede funcionar y cómo mantenerlo seguro. Si desea participar, las solicitudes de acceso pasan por modelhardwarestandard.com.

Fuentes

• Anthropic: Vista previa del Model Hardware Standard
• Model Hardware Standard: acceso a la vista previa de investigación
• Anthropic: Model Context Protocol