Az Anthropic új Model Hardware Standard keretrendszere közvetlen kapcsolatot teremthet a Claude és programozható fizikai berendezések között. A kutatási előzetesben mikroszkópok, robotkarok és más laboratóriumi eszközök is szerepelnek, így a generatív mesterséges intelligencia már nemcsak elemzi egy kísérlet eredményét, hanem annak végrehajtásában is részt vehet.
Az Anthropic a napokban mutatta be kutatási előzetesként a Model Hardware Standard, röviden MHS nevű keretrendszerét. A Reuters szerint a technológia célja, hogy generatív mesterséges intelligencia ügynökök programozható tudományos és ipari berendezésekkel kommunikáljanak, majd több eszközt összehangolva hajtsanak végre feladatokat. A rendszer laboratóriumi kutatásban és fejlett gyártási környezetben egyaránt használható lehet.
A keretrendszer olyan eszközökkel is működhet, mint a mikroszkópok és robotkarok, amennyiben azok programozható interfésszel rendelkeznek. A Reuters szerint a tesztelt feladatok a rutinszerű gyógyszerkutatási kísérletektől egészen egy kvantumszámítógép lézereinek kalibrálásáig terjedtek. Az eszközök és a generatív mesterséges intelligencia ügynökök hálózaton keresztül is kommunikálhatnak egymással.
A Financial Times beszámolója szerint a technológiát többek között a Howard Hughes Medical Institute, a Carnegie Mellon University, a Genentech és a QuEra környezetében is vizsgálták. Az egyik bemutatott idegtudományi feladatnál a Claude egy mikroszkóppal dolgozva segített egy meghatározott agyi struktúra azonosításában. Az Anthropic célja nem egyetlen gyártó eszközeinek támogatása, hanem egy olyan közös kapcsolódási réteg létrehozása, amely többféle programozható hardverhez használható.
Olvasd el: A Microsoft, az Amazon és a Google felhőjébe is bekerülhet a kínai Kimi K3
Mi változik a kutatásban, ha a generatív mesterséges intelligencia már nemcsak javaslatot tesz egy kísérletre, hanem a berendezéseket is képes összehangolni hozzá?
A szabványosítás gyakorlati jelentősége különösen nagy lehet azokban a laborokban, ahol ma külön fejlesztés szükséges ahhoz, hogy eltérő műszerek egy automatizált folyamatban működjenek együtt. Egy közös interfész csökkentheti az egyedi integrációs munka mennyiségét és könnyebbé teheti az összetettebb kísérleti folyamatok automatizálását. A kutató szerepe ettől nem tűnik el, de több rutinszerű beállítás és ismétlődő művelet kerülhet gépi támogatás alá.
A fizikai világban működő generatív mesterséges intelligencia ugyanakkor más biztonsági követelményeket támaszt, mint egy szöveges asszisztens. Egy hibás válasz itt nemcsak pontatlan mondatot, hanem rosszul beállított berendezést vagy elrontott kísérletet is jelenthet. Az Anthropic ezért jelenleg partnerekkel végzi a szükséges biztonsági értékeléseket, és csak később tervezi szélesebb körben megnyitni a szabványt.
Az MHS egyik legérdekesebb üzenete így az, hogy a generatív mesterséges intelligencia következő fejlődési területe nem feltétlenül egy újabb chatbotfelület lesz. A modellek egyre közvetlenebbül kapcsolódhatnak a tudományos és ipari infrastruktúrához, ahol érzékelnek, döntéseket készítenek elő és meghatározott keretek között műveleteket is végrehajtanak. Ha a szabvány biztonságosan skálázhatóvá válik, a Claude számára a digitális dokumentumok után a fizikai laboratórium is valódi munkakörnyezetté válhat.
Olvasd el ezt is: Új Google-képzés tanít alkalmazást építeni programozói tudás nélkül
Források: Reuters, Financial Times
CS.SZ.
