Anthropic 推出模型硬件标准（MHS），让 AI 代理掌控物理世界

尽管过去一年里，人们对代理式 AI 系统的关注度和采用率持续高涨，但目前的自动化 AI 主要局限于文本、图像、代码以及计算机内部的数据和操作。Anthropic 现在推出了所谓的“模型硬件标准”（MHS），旨在改变这一现状。这是一套标准化的驱动程序，旨在让 AI 代理能够轻松地与各种设备进行交互和控制。 目前，MHS 的“研究预览版”主要作为帮助科学家简化实验流程的工具，以解决不同组件协同工作时所需的繁琐定制软件集成问题。Anthropic 表示，MHS 可以为这些设备间的数据共享提供统一的接口和格式，使它们能够在网络中“无需中间专门的‘翻译’程序”即可相互通信。Anthropic 指出，这套标准化系统有望将原本需要数周甚至数月的精细实验设置时间缩短至“数小时或数分钟”。 Anthropic 的一张示意图展示了 MHS 如何作为“翻译”层，在 AI 智能体与各类设备之间进行通信。 Anthropic 技术人员 Alek Kemeny 在发布该公告的配套视频中提到，MHS 的构想源于他在弗吉尼亚州 Ashburn 的 HHMI Janelia 研究园区观察神经科学家 Arco Bast 进行记忆形成实验的经历。Kemeny 回忆道，Bast 设计了一种接口，让旋转激光束、显微镜、相机以及实验中的各种组件能够通过统一接口协同工作。“这个想法可以用来让 AI 在全球范围内运行任何科学实验，”Kemeny 当时心想。 **你的新式机器人实验室助手？** 当然，通用机器接口语言本身并不强制要求使用 AI 模型。Anthropic 表示，MHS 设备可以通过命令行提示和 API 代码文件进行实时直接控制。但通过 Model Context Protocol 将 MHS 系统与 AI 模型集成，科学家便能用自然语言与设备交互，并允许模型“推演实验的每一步骤、实时更新参数，并在某些情况下无需人工干预即可从硬件错误中恢复”，Anthropic 在文中写道。 Anthropic 举例说明，Claude 这样的模型可以调整激光，通过独立摄像头检查结果，然后重复该过程以自动校准整个系统。MHS 还能让 AI 模型聚焦显微镜、分析结果、决定需要重点观察的部分，并自动移动显微镜到相应区域以继续实验。 在一段演示视频中，Anthropic 还展示了 Claude 如何推理出机械臂抓取铝罐的步骤，尽管模型并未针对这些步骤进行过专门训练。Anthropic 表示，MHS 启用的模型无需每次都重新推理，而是可以通过编写 API 脚本并视条件调整，将步骤串联到各种仪器上。 Anthropic 称 MHS 还包含一个标准化的标签系统，用于向可能主要在虚拟世界中训练的模型描述硬件的现实约束。这包括编码的硬件物理特性信息（如机械臂的重量和行程范围）、可调参数、测量选项以及强制执行的安全限制。这些标签随后可集成到参考文件中，以便快速向 AI 模型提供关于其从未接触过的设备的关键信息。 目前，Anthropic 正在 MHS 预览期间与“首批科学实验室和先进制造商”合作，合作伙伴包括亚马逊云科技、Hugging Face、树莓派、Automata 和 Universal Robots。这些合作伙伴将帮助 Anthropic “构建安全评估并为操作物理设备的 AI 系统制定最佳实践”。之后，MHS 计划成为开源且“与代理无关”的集成 AI 与物理系统的标准。 在过去的测试中，Anthropic 表示，“MHS 减少了设备集成的耗时，使其能够在各种实验环境中更快地迭代。” “如果你能更快地验证假设，就能更快地研发通用技术，”凯梅尼在发布视频中说，“这就是如何让一个世纪的发展浓缩在十年内。” 凯尔·奥尔兰 高级游戏编辑 凯尔·奥尔兰 高级游戏编辑 自2012年起，凯尔·奥尔兰一直是 Ars Technica 的高级游戏编辑，主要撰写关于视频游戏背后的商业、技术和文化方面的文章。他拥有马里兰大学的新闻学和计算机科学学位。他曾写过一本关于《扫雷》的专著。 88 条评论