Anthropic je laboratorijima i naprednim proizvođačima otvorio rani pristup Model Hardware Standardu, specifikaciji za upravljanje programabilnim uređajima pomoću AI agenata. Sustav povezuje mikroskope, robotičke ruke, laboratorijske manipulatore te opremu za kvantna računala, a svaki uređaj izlaže dopuštene radnje i sigurnosne granice. Tvrtka prije objave otvorenog koda želi s partnerima izgraditi evaluacije koje će mjeriti može li agent pouzdano raditi u fizičkom okruženju.
Anthropic je 27. kolovoza u San Franciscu predstavio istraživački pregled Model Hardware Standarda, zajedničke specifikacije kojom AI agenti mogu upravljati laboratorijskom i industrijskom opremom. Rani pristup dobila je prva skupina znanstvenih laboratorija i naprednih proizvođača, a cilj je povezati instrumente koji danas koriste različite protokole, upravljačke programe i proizvođačke sustave.
MHS omogućuje agentu da paralelno koordinira mikroskop, laboratorijski manipulator tekućinama, robotičku ruku ili drugu opremu s programabilnim sučeljem. Anthropic navodi primjere izvođenja rutinskog eksperimenta u otkrivanju lijekova i kalibracije lasera na kvantnom računalu. Specifikacija ne pretvara uređaj u autonomni stroj sama po sebi, nego standardizira način na koji agent otkriva njegove mogućnosti, šalje naredbe i prima rezultate.
Problem koji Anthropic pokušava riješiti nije samo tehničko povezivanje. Laboratoriji često imaju instrumente različitih generacija, zatvorena sučelja i zasebne aplikacije koje zahtijevaju ručni prijenos rezultata. Automatizirani postupak zato zapinje između koraka: jedan uređaj izmjeri uzorak, drugi ga obrađuje, a istraživač mora podatke prebaciti, provjeriti format i ponovno pokrenuti radnju.
Model Hardware Standard koristi mrežnu komunikaciju između agenata i uređaja te opisuje funkcije koje je dopušteno pozivati. Time se fizička oprema agentu predstavlja kao skup strukturiranih alata, a ne kao nepoznat sustav kojim može proizvoljno upravljati. Takav pristup podsjeća na Model Context Protocol, Anthropicovu specifikaciju za povezivanje jezičnih modela sa softverom i izvorima podataka, ali u fizičkom svijetu posljedice pogrešne naredbe mogu biti izravne i nepovratne.
Sigurnosna granica zato mora postojati na nekoliko razina. Uređaj treba objaviti samo radnje koje su dopuštene, sustav mora provjeriti ovlasti agenta, a operater mora moći odrediti vrijednosti izvan kojih se postupak zaustavlja. Kod robotičke ruke to mogu biti prostor kretanja i dopuštena sila; kod kemijskog procesa temperatura, tlak i količina reagensa; kod lasera raspon snage i obvezna potvrda prije uključivanja.
Anthropic u ranom programu ne obećava potpuno samostalne tvornice. Tvrtka govori o neprekidnim tijekovima rada s manje ručnih intervencija, što u praksi znači da agent može izvršavati unaprijed ograničen niz mjerenja, analizirati rezultat i odabrati sljedeći korak. Čovjek i dalje definira cilj, odobrava osjetljive radnje i odlučuje kada rezultat zahtijeva novu hipotezu ili prekid eksperimenta.
Potencijalna poslovna korist dolazi iz iskorištenosti skupe opreme. Instrument koji noću stoji neaktivan može uz dobro definiran postupak nastaviti seriju mjerenja, dok istraživač ujutro dobiva rezultate i zapis svake radnje. U proizvodnji bi ista logika mogla skratiti promjenu serije, kalibraciju i kontrolu kvalitete, ali samo ako su zapisi dovoljno detaljni za reviziju i regulatorno dokazivanje.
Otvoren standard mogao bi smanjiti ovisnost o jednom dobavljaču automatizacije. Proizvođač instrumenta može implementirati zajedničko sučelje, laboratorij izabrati model i orkestrator, a integrator povezati postojeću opremu bez izrade zasebnog adaptera za svaki par uređaja i aplikacije. Tržišna vrijednost ipak ovisi o tome hoće li specifikaciju prihvatiti konkurentski proizvođači i hoće li ostati neutralna prema modelima drugih tvrtki.
Najveći rizik je prijenos pogreške iz digitalnog u fizički sustav. Agent može pogrešno protumačiti stanje, ponoviti neuspjelu radnju, koristiti pogrešan uzorak ili slijediti zlonamjernu uputu skrivenu u podatku. U laboratoriju to može uništiti pokus ili opremu, a u proizvodnji zaustaviti liniju i proizvesti neispravnu seriju. Zbog toga evaluacija ne smije mjeriti samo uspjeh zadatka, nego i odbijanje nedopuštene radnje, oporavak nakon prekida i cjelovit zapis odluka.
Anthropic MHS zasad dijeli s ograničenom skupinom partnera kako bi prije objave koda izradio sigurnosne testove i provjerio različite vrste opreme. Tvrtka nije objavila datum javnog repozitorija ni popis svih sudionika. Za procjenu zrelosti standarda bit će važni specifikacija modela ovlasti, način zapisivanja radnji i rezultati evaluacija na stvarnim instrumentima, a ne samo demonstracija da agent može poslati naredbu stroju.
Anthropic je 27. kolovoza u San Franciscu predstavio istraživački pregled Model Hardware Standarda, zajedničke specifikacije kojom AI agenti mogu upravljati laboratorijskom i industrijskom opremom. Rani pristup dobila je prva skupina znanstvenih laboratorija i naprednih proizvođača, a cilj je povezati instrumente koji danas koriste različite protokole, upravljačke programe i proizvođačke sustave.
Navedeno istraživanje predstavlja prvo izvješće ove vrste koje donosi dugoročne prognoze kapitalnih ulaganja sve do 2050. Obuhvatilo je ukupno 46 zemalja i teritorija te analizira izgradnju objekata podatkovnih centara zajedno s pratećom tehnologijom koja se u njima nalazi.
New York će tijekom školske godine 2026./2027. zabraniti učeničku uporabu generativne umjetne inteligencije od programa 2-K za dvogodišnjake do osmog razreda, čime će mjera obuhvatiti gotovo 600.000 djece, odnosno dvije trećine javnog školskog sustava. Gradonačelnik Zohran Mamdani i školski kancelar Kamar H. Samuels odluku su objavili 2. rujna, nekoliko dana prije povratka učenika u učionice.
