Anthropic پیش‌نمایش پژوهشی استاندارد سخت‌افزار مدل، یا MHS، را گشوده است؛ رابطی مشترک که قرار است به عوامل هوش مصنوعی امکان کشف، پایش و کنترل تجهیزات فیزیکی برنامه‌پذیر را بدهد. این پیش‌نمایش از آن جهت اهمیت دارد که هم‌کنش‌پذیری عامل را از ابزارهای نرم‌افزاری فراتر می‌برد و به آزمایشگاه‌ها، رباتیک و تولید می‌رساند؛ جایی که یک اقدام نادرست پیامد فیزیکی دارد و جایی که رابط‌های اختصاصی دستگاه از دیرباز خودکارسازی را کند و پرهزینه کرده‌اند.
شرکت می‌گوید مشخصات اولیه پیش از انتشار متن‌باز برنامه‌ریزی‌شده با آزمایشگاه‌های علمی و تولیدکنندگان آزموده می‌شود. اعلام Anthropic استقرارهایی را توصیف می‌کند که هندلرهای مایع، بازوهای رباتیک، میکروسکوپ‌ها و سامانه‌های لیزر محاسبات کوانتومی را در بر می‌گیرد. رویترز پیش‌نمایش پژوهشی و تمرکز آن بر اجازه به عوامل برای کار با دستگاه‌های فیزیکی را به‌طور مستقل گزارش کرد، در حالی که Anthropic و شرکا ارزیابی‌های ایمنی را توسعه می‌دهند.
لایهٔ رانندهٔ مشترک برای عوامل و ماشین‌ها
MHS راننده‌ای استاندارد میان عامل و دستگاه معرفی می‌کند. به‌جای آن‌که هر پروژهٔ خودکارسازی یک یکپارچه‌سازی سفارشی بسازد، راننده عملیات پایه مانند خواندن وضعیت و نوشتن تنظیمات را در معرض می‌گذارد، دستگاه‌ها را روی شبکه قابل‌کشف می‌کند، و قابلیت‌ها و محدودیت‌های ایمنی را در مرجعی ماشین‌خوان توصیف می‌کند. Anthropic می‌گوید همان رابط از طریق سازوکارهایی از جمله Model Context Protocol، ابزارهای خط فرمان و APIهای کدی قابل دسترس است.
این معماری برای سامانه‌های عامل اهمیت دارد چون استدلال سطح بالا را از کنترل وابسته به دستگاه جدا می‌کند. یک عامل می‌تواند تجهیزات موجود را بازرسی کند، عملیات را میان چند ماشین دنباله کند، نتایج را پایش کند و پارامترها را تغییر دهد. برای عملیات طولانی یا حساس به زمان، می‌تواند دنباله‌ای از فرمان‌های راننده را به کد قطعی تبدیل کند، نه این‌که در هر گام به‌صورت برخط استدلال کند.
ایده شبیه چیزی است که عوامل نرم‌افزاری از پروتکل‌های استاندارد ابزار به دست آوردند، اما با مرز پیامد بسیار بالاتر. یک پرس‌وجوی بدشکل پایگاه‌داده می‌تواند داده را خراب کند؛ یک اقدام بدشکل سخت‌افزاری می‌تواند بازوی ربات را به هم بزند، نمونه را آسیب بزند یا شرایط عملیاتی ناایمن بسازد. بنابراین استاندارد باید نه فقط عملیات قابل فراخوانی، بلکه قیود، منشأ و مدل ایمنی الزام‌آور را حمل کند.
آزمایش‌های اولیه هم اهرم را نشان می‌دهند هم محدودیت را
اعلام Anthropic چند نمایش شریک دارد. در Genentech، پژوهشگران از MHS برای هماهنگی هندلر مایع، بازوی رباتیک و خوانندهٔ پلیت در یک سنجش پروتئین استفاده کردند. سامانه توانست از برخی خطاهای ابزار بازیابی شود، اما ضعف مرکزی را نیز نمایان کرد: مدل در ابتدا مسئله‌ای فیزیکی، حباب در مایع گرانرو، را چنان دید که گویی تلاش مجدد پارامتر به‌تنهایی حلش می‌کند. کارشناسان انسانی ناچار شدند قید فیزیکی زیربنایی را توضیح دهند تا عامل رویه‌ای ایمن‌تر اختیار کند.
پژوهشگران Carnegie Mellon گزارش کردند که راننده‌ها و لایهٔ هماهنگی را برای چهار ابزار روی سه رایانهٔ ناسازگار در حدود هشت ساعت ساختند، در مقایسه با چند هفته برای برپایی متعارف فروشنده. همچنین آزمایش رقیق‌سازی سریالی تقریباً سه برابر سریع‌تر را گزارش کردند. این ارقام از پژوهشگران مشارکت‌کننده در اعلام Anthropic می‌آید، نه از یک معیار مستقل؛ بنابراین باید به‌عنوان نتایج آزمایش اولیه تلقی شوند، نه عملکرد تثبیت‌شده در سراسر صنعت.
دیگر آزمایش‌ها پایش qPCR، رباتیک، پایدارسازی لیزر کوانتومی و سکوهای آزمایشگاهی را پوشش می‌دهند. Anthropic می‌گوید شرکت‌هایی از جمله Tecan و Universal Robots روی پشتیبانی کار می‌کنند، در حالی که Hugging Face پشتیبانی MHS را به LeRobot می‌افزاید و Raspberry Pi یکپارچه‌سازی را برای برخی محصولات ممکن می‌کند. این‌ها سیگنال‌های مفید انتشارند، اما مشخصات هنوز پیش‌نمایش پژوهشی است و هنوز استاندارد باز با پیاده‌سازی گستردهٔ مستقل نیست.
ایمنی بخشی از قرارداد رابط می‌شود
پیامدبرانگیزترین بخش MHS ممکن است تلاش برای گنجاندن قیود فیزیکی در خود رابط باشد. توصیف دستگاه می‌تواند ویژگی‌ها و محدودیت‌های ایمنی را که عامل پیش از صدور اقدام نیاز دارد در بر بگیرد. در آزمایش‌ها، برخی سامانه‌ها همچنین از قفل‌های داخلی یا تأیید انسانی برای عملیات پرخطر استفاده کردند.
این مسئلهٔ ریسک مدل را از بین نمی‌برد. Anthropic صریحاً می‌گوید مدل‌های فعلی هنوز استدلال فضایی و فیزیکی ضعیفی دارند، ممکن است به بافت کارشناسی قابل‌توجه نیاز داشته باشند، و می‌توانند در تشخیص مسائل واقعی مکانیکی، شیمیایی یا زیستی شکست بخورند. سخت‌افزار بدون رابط برنامه‌پذیر نیز بیرون از طراحی فعلی است. شرکت می‌گوید دورهٔ پیش‌نمایش برای ساخت ارزیابی‌های ایمنی بیشتر و نقشهٔ راه ایمنی فیزیکی پیش از متن‌باز کردن استاندارد به کار خواهد رفت.
برای معماران، این یادآوری است که مجوزدهی عامل نمی‌تواند در یک مجوز کلی فراخوانی ابزار متوقف شود. عوامل فیزیکی به محدودیت در سطح دستگاه، اعتبارسنجی وضعیت، رفتار توقف اضطراری، هویت و حسابرسی‌پذیری، و قواعد روشن برای زمانی نیاز دارند که کنترل قطعی باید جای استدلال مدل را بگیرد. MHS لایهٔ هم‌کنش‌پذیری محتملی فراهم می‌کند، اما اطمینان تولیدی به کنترل‌هایی بستگی خواهد داشت که پیرامون و زیر آن لایه پیاده شوند.
چرا MHS ارزش دنبال کردن دارد
MHS هنوز اثبات این نیست که آزمایشگاه‌ها یا کارخانه‌های خودمختار برای کار بدون نظارت آماده‌اند. شواهد مجموعه‌ای از آزمایش‌های اولیهٔ شرکاست، عمدتاً توصیف‌شده از سوی Anthropic و همکاران، و خود استاندارد هنوز به پیش‌نمایش پژوهشی محدود است. ادعای قوی‌تر باریک‌تر است: Anthropic یک انتزاع مشترک عامل‌به‌سخت‌افزار را در چند دستگاه و سازمان واقعی تعریف و مستقر کرده، و قیود ایمنی را صریحاً بخشی از آن رابط می‌داند.
اگر مشخصات طبق برنامه متن‌باز شود و پیاده‌سازی فراتر از شرکای راه‌اندازی Anthropic به دست آورد، می‌تواند پل مهمی میان چارچوب‌های عامل، رباتیک و خودکارسازی آزمایشگاهی شود. آزمون‌های کلیدی این خواهد بود که آیا پیاده‌سازان مستقل می‌توانند بهرهٔ یکپارچه‌سازی را بازتولید کنند، آیا کنترل‌های ایمنی در مدل‌ها و مهارها الزام‌آور می‌مانند، و آیا استاندارد می‌تواند تکامل یابد بدون آن‌که لایهٔ راحت هم‌کنش‌پذیری به اختیار اجرای بیش از حد گسترده بدل شود.
منابع
- https://www.anthropic.com/news/model-hardware-standard-research-preview
- https://www.reuters.com/technology/anthropic-unveils-new-framework-allowing-ai-agents-operate-physical-devices-2026-08-27/