Anthropic、AI制御の研究室・工場設備向けModel Hardware Standardをプレビュー
AnthropicのModel Hardware Standardは、AIエージェントが科学機器や製造設備を操作するための共通かつ安全性を考慮したインターフェースを提供する。
Anthropicは、Model Hardware Standard（MHS）の初となる研究プレビュー段階を開始した。MHSは、AIエージェントが共通かつ安全性を考慮したインターフェースを通じて物理機器を操作できるようにする共有仕様である。
このプレビューは、顕微鏡、液体ハンドラー、ロボットアーム、量子コンピューティング用ハードウェアなど、研究室および先端製造分野のシステムを対象とする。現在、アクセスは選定されたパートナーと応募者に限られている。Anthropicは、プレビューを通じて安全性評価と展開ガイダンスを整備した後にMHSをオープンソース化する意向を示しているが、リリース時期やライセンスは発表していない。
この違いは重要である。MHSはまだ一般提供されるオープンソース標準ではない。科学機関、自動化企業、ハードウェアメーカーとともに技術設計と安全管理を検証している、企業主導の研究プレビューである。
一、MHSはエージェントと機械の間の統合レイヤーを対象とする
現代の研究室や工場には複数ベンダーの機器が混在し、それぞれ独自のプログラミングインターフェース、データ形式、運用前提を持つことが多い。こうした機器を接続するには、機器やワークフローごとに専門家が個別の統合処理を書く必要がある場合がある。
Anthropicによると、この作業には通常、数週間から数か月を要する。MHSは、そのような個別の「グルーコード」の多くを、ソフトウェアと各物理機器の間を変換する標準化ドライバーに置き換えようとしている。
このドライバーは、温度の読み取りや新しい温度設定の書き込みといった操作を含む、小規模なプリミティブ群を公開する。また、各機器を標準形式で記述するため、機器とエージェントは、組み合わせごとにカスタム変換器を用意せずにネットワーク越しで互いを検出できる。
MHSは、従来のAPIでは省略されがちな情報を取り込むことを意図している。ドライバーには、ロボットアームの重量、利用可能な測定値、調整可能なパラメーター、強制される運用上限といった特性を説明する自然言語タグを含められる。MHSはこれらのタグから、エージェントが機械を理解するために利用できる参照ファイルを生成する。
運用者はこの情報を直接入力することも、エージェントにハードウェア構成を聞き取らせることもできる。この仕組みにより、紙のマニュアル、ローカルファイル、熟練技術者の記憶にしか存在しないかもしれない知識を、機械可読な記述へ変換する。
接続後、エージェントはModel Context Protocol、コマンドラインインターフェース、またはコードファイルとAPIという3つの手段を通じてMHS対応機器を制御できる。コードファイルは、個々の操作の前にモデルの推論を待たず、機器が決定論的なシーケンスを実行できるため、長時間実行または時間制約のある操作にとりわけ重要である。
AnthropicはMHSをモデル非依存として説明している。公開されたデモではClaudeが使われているが、この仕様は、ほかのエージェントハーネスも標準プロトコルを通じて接続済みハードウェアにアクセスできるよう設計されている。
二、初期実験で閉ループのハードウェア制御を示す
プレビューで提示された最も強い根拠は、複数のパートナーによる実験である。これらは独立監査済みのベンチマークではなく、初期段階のシステム固有のデモンストレーションだが、共通インターフェースが監視、協調、エラー回復をどのように支援できるかを示している。
Genentechでは、研究者がビシンコニン酸タンパク質アッセイ用に液体ハンドラー、ロボットアーム、マイクロプレートリーダーを接続した。Claudeは当初、水と粘性の高いウシ血清アルブミン溶液に同じ汎用的な液体移送設定を使用し、気泡と不正確な移送を生じさせた。
研究者はその後、反復的な移送とプレートリーダー測定を通じて流量を最適化するようシステムに求めた。Claudeは、水には毎秒約140マイクロリットルを選択し、二乗平均平方根誤差は0.016となった。粘性のあるタンパク質溶液には毎秒10マイクロリットルを選択し、誤差は0.181だった。Genentechの自動化専門家は、いずれの設定もその構成にとって妥当だと評価した。
この実験は重要な制約も明らかにした。気泡が実行時エラーを引き起こした際、Claudeは当初、同じウェルで操作を再試行し、物理的な問題を悪化させた。人間の専門家は、システムが清浄なウェルを使い、混合サイクル数を減らすべきだと説明する必要があった。その結果得られたガイダンスは、再利用可能な液体ハンドリング指示としてエンコードされた。
Carnegie Mellon Universityのデモでは、研究者がMHSを使用し、自動化された連続希釈実験のために液体ハンドラー、プレートリーダー、ロボットアーム、カメラを接続した。一般的なベンダー構築の統合では数週間かかるのに対し、デバイスドライバーとオーケストレーションレイヤーを約8時間で構築したと報告している。
チームは、プレートの欠落、プレートの回転、使用中のリーダー、切断されたカメラ、到達不能なデバイス、作動中の緊急停止という、6つの危険または無効な条件を意図的に導入した。システムは、いずれも機器が動く前に阻止した。
続く実験では、エージェントはR²が0.9未満の初回用量反応曲線を却下し、最大濃度を1ミリリットルあたり200マイクログラムから100マイクログラムに下げ、2枚目のプレートを実行した。この実行では人間の介入なしにR²が0.98を上回った。
QuEra Computingのパイロットでは、中性原子量子コンピューターのレーザーシステムにMHSを適用した。4つの新しいClaudeインスタンスが、レーザー復旧スクリプトへの変更を繰り返し提案、実装、テスト、レビューした。この開発ループにより、復旧は成功率58%で約150秒だったものから、成功率96%で約6秒へと改善した。
QuEraはその後、エージェントがレーザーを制御しない状態で完成した決定論的スクリプトをテストした。ランダム化された700回の試行のうち695回でロックの復元に成功し、成功率は99.3%だった。最終成果物は、本番時の調整をすべてAIモデルが行うものではなく、検査可能なプログラムだった。
これらの事例は、2つの異なる運用パターンを示している。条件が継続的な解釈を必要とする場合、エージェントをループ内に残すことができる。または、ライブ実験を用いて決定論的な手順を作成し、オンラインモデルなしでレビュー・展開することもできる。
三、安全上限はインターフェースの一部であり、安全な自律性の証明ではない
AIエージェントに物理機器へのアクセスを与えることには、エージェントが文書やソフトウェアに限定される場合には存在しないリスクが伴う。誤ったコマンドは、サンプルの損傷、ロボットの衝突、有害な機械への人員の曝露、あるいは高感度機器の動作状態の変更を引き起こし得る。
MHSは、デバイス記述に運用制約を置くことで、この問題の一部に対処する。たとえば顕微鏡ドライバーは、エージェントが要求した操作とは独立してレーザー出力の上限を強制できる。この標準は、別のデバイスが動く前に満たす必要がある機器状態も公開できる。
これは、モデルにプロンプト内の安全指示を記憶させるよりも具体的な制御レイヤーである。しかし、システム全体が安全であることを確立するものではない。
Anthropicは、Claudeが物理世界について主としてテキストと画像から学ぶため、物理的・空間的推論には依然として制約があると認めている。Genentechでの発泡による失敗は、モデルが物理的な問題をソフトウェアエラーとして解釈し、効果のない回復戦略を選ぶ可能性を示した。
QuEraのチームも同様に、Claudeがプログラム制御ではなく物理的なリグに関わる障害を確実には診断できないことを確認した。また、危険と判断した操作について人間の確認を待つ間、夜間に一時停止することもあった。
MHSは現在、プログラム可能なインターフェースと適切なドライバーを持つ機器を必要とする。レガシー機械を自動的にエージェント対応にしたり、ドメイン専門知識の必要性をなくしたり、緊急停止、アクセス制御、物理的隔離といった従来の安全策を置き換えたりするものではない。
Anthropicによると、このプレビューは追加の評価、ベストプラクティス、物理安全性ロードマップの構築に使われる。MHSがオープンソース化された際には、調査結果と展開ガイダンスを公開する計画である。これらの資料と仕様そのものが公開されるまで、外部の開発者は設計、強制の境界、相互運用性に関する主張を十分に評価できない。
四、MHSが可搬性を獲得するかはハードウェア・自動化パートナーが左右する
MHSは、AnthropicのBeneficial DeploymentsチームとHHMI Janelia Research Campusの協力から生まれた。Janeliaの科学者Arco Bastは、脳イメージング装置のレーザー、カメラ、電動フォーカサーを接続する共有メモリ辞書を構築していた。Anthropicの研究者Alek Kemenyは、彼と協力してAIモデルからのアクセスを追加した。
プレビューはその後、ハードウェアおよび自動化プロバイダーへと拡大している。AWSはStrands Robotsライブラリを通じたプレビュー対応を計画している。Automataは自社のLINQラボ自動化プラットフォームにMHS対応を追加しており、Doosan Roboticsは品質保証と複数ロボットの協調のためにこの標準をテストしている。
MBF Bioscienceは、ScanImage顕微鏡ソフトウェア向けドライバーを開発している。QIAGENは核酸精製プラットフォームQIAsymphony Connectを用いた概念実証をテストしており、TecanはFluent液体ハンドラーへの対応を追加している。Universal Robotsも早期アクセスを得ている。
Hugging FaceはロボティクスライブラリLeRobotにMHS対応を追加しており、Raspberry Piはカメラドライバーのテストに続き、複数製品にわたる統合を計画している。
機器ベンダーにとって提案されている利点は、エージェントフレームワークごとに個別の統合をサポートする代わりに、MHSドライバーを通じて機械を一度記述できることにある。研究室やメーカーにとっての潜在的な利点は、従来は独立したプログラミングが必要だったデバイス群をまたいで再利用可能な制御レイヤーを得られることである。
実用的な価値は、異なるベンダーのドライバーが一貫して動作するか、安全制約がモデルレイヤーより下で強制されるか、Anthropicの初期パートナーグループ以外の組織が仕様を採用するかに左右される。アクセスが応募制のままで標準そのものがまだオープンソース化されていない間は、これらの疑問を解決できない。
よくある質問
Model Hardware Standardは誰でも利用できますか？
いいえ。MHSは限定的な研究プレビュー段階にあり、参加希望者はアクセスを申請する必要がある。
MHSはすでにオープンソースですか？
いいえ。Anthropicは研究プレビュー後にMHSをオープンソース化する予定だとしているが、リリース時期やライセンスは示していない。
MHSはClaudeでのみ動作しますか？
Anthropicはこの標準をモデル非依存として説明している。公開されたデモはClaudeが動かしたものだが、ほかのエージェントハーネスもMCPなどのプロトコルを通じて接続することが想定されている。
MHSはあらゆる物理機械を制御できますか？
自動的にはできない。機器には、プログラム可能なインターフェースまたは別の適切な制御レイヤーに加え、操作、状態、安全上限を記述するMHSドライバーが必要である。
MHSにより人間の監督は不要になりますか？
いいえ。Anthropic自身のデモでも、専門家のガイダンスを必要とする物理的直感やトラブルシューティングに関する失敗が確認された。
参考ソース
Share