.webp){kind=small}
Apesar do crescente interesse e da ampla adoção de sistemas de IA com agentes no último ano, o mundo da IA automatizada tem se limitado, até o momento, principalmente a textos, imagens, código e outros dados e ações que ocorrem dentro de um computador. A Anthropic pretende mudar esse cenário com o que chama de Modelo de Hardware Padrão (MHS, na sigla em inglês), um conjunto de drivers padronizados projetados para permitir que agentes de IA interajam e controlem facilmente dispositivos diversos.
Por ora, a "prévia da pesquisa" do MHS está sendo apresentada principalmente como uma forma de ajudar cientistas a simplificar o árduo processo de criação de integrações de software personalizadas, frequentemente necessárias para que componentes distintos de um experimento funcionem em conjunto. O MHS pode fornecer uma interface e um formato comuns para o compartilhamento de dados entre esses dispositivos, afirma a Anthropic, permitindo que eles se comuniquem em uma rede "sem a necessidade de um programa 'tradutor' específico."
O sistema padronizado poderia reduzir semanas ou meses de configuração experimental meticulosa para "horas ou minutos", escreve a. Em um vídeo publicado junto com o anúncio, Alek Kemeny, da equipe técnica da Anthropic, afirma que o projeto MHS foi inspirado pela observação do trabalho do neurocientista Arco Bast em um experimento sobre formação de memória no cérebro, realizado no campus de pesquisa Janelia do HHMI, em Ashburn, Virgínia. Kemeny disse que Bast havia desenvolvido uma interface para coordenar os feixes de laser rotativos, microscópios, câmeras e inúmeros outros componentes do experimento por meio de uma interface comum. "Essa ideia poderia ser usada para que a IA executasse qualquer experimento científico no mundo
Seu novo assistente robótico de laboratório?
É claro que nada em uma linguagem de interface de máquina comum exige o uso de modelos de IA. E a Anthropic afirma que os dispositivos MHS podem ser controlados diretamente em tempo real por meio de comandos de linha de comando e arquivos de código de API. Mas a integração de um sistema MHS com um modelo de IA por meio do Protocolo de Contexto do Modelo permite que os cientistas interajam com os dispositivos usando linguagem natural e permite que os modelos "raciocinem em cada etapa de um experimento, atualizem parâmetros em tempo real e, em alguns casos, se recuperem de erros de hardware sem intervenção", escreve. Anthropic deu o exemplo de um modelo como Claude ajustando um laser, verificando os resultados por meio de uma câmera separada e, em seguida, repetindo o processo para calibrar automaticamente todo o sistema.
O MHS também poderia permitir que um modelo de IA focasse um microscópio, analisasse os resultados, decidisse qual parte precisa de mais observação e, em seguida, movesse automaticamente o microscópio para a seção relevante para continuar o experimento.
Em um vídeo, Anthropic também mostrou Claude raciocinando sobre como fazer um braço robótico pegar uma lata de alumínio, mesmo que ele não tivesse sido especificamente treinado nas etapas necessárias. E, em vez de raciocinar em cada etapa a cada vez, Anthropic diz que os modelos habilitados para MHS podem sequenciar etapas em diferentes instrumentos escrevendo scripts de API e ajustando-os conforme as condições exigirem.
A Anthropic afirma que o MHS também inclui um sistema de etiquetagem padronizado para descrever as limitações do hardware no mundo real para modelos que podem ter sido treinados mais no mundo virtual. Isso inclui informações codificadas sobre as características físicas do hardware (por exemplo, o peso e o alcance de um braço robótico), bem como seus parâmetros ajustáveis, opções de medição e limites de segurança impostos. Essas etiquetas podem então ser integradas a um arquivo de referência que pode fornecer rapidamente a um modelo de IA informações cruciais sobre um dispositivo com o qual ele não tenha experiência prévia de treinamento.
Por enquanto, a Anthropic afirma estar trabalhando com "um primeiro grupo de laboratórios de pesquisa científica e fabricantes avançados" durante um período de pré-visualização do MHS, incluindo Amazon Web Services (Strands Robots), Hugging Face (LeRobot), Raspberry Pi, Automata e Esses parceiros ajudarão a Anthropic a "construir avaliações de segurança e desenvolver as melhores práticas para sistemas de IA que operam equipamentos físicos." Depois disso, o plano é que o MHS se torne um padrão de código aberto e "agnóstico a agentes" para a integração de IA e sistemas físicos. Em testes iniciais com parceiros científicos ao longo do último ano, a Anthropic afirma ter observado que "o MHS reduziu o tempo necessário para integrar dispositivos, possibilitando iterações mais rápidas em uma variedade de cenários experimentais".
"Se você consegue testar hipóteses mais rapidamente, pode criar tecnologias gerais mais rapidamente", disse Kemeny em um vídeo promocional divulgado junto com o anúncio. "É assim que um século de progresso pode ser condensado em uma década."
