🧪 Claude получил общий язык с лабораторным оборудованием
Anthropic представила Model Hardware Standard (MHS) — единый интерфейс, через который ИИ-агенты могут управлять научным оборудованием: микроскопами, дозаторами жидкостей, анализаторами, лазерами и роботизированными манипуляторами.
MHS создан вместе с исследовательским кампусом HHMI Janelia. Пока это не общедоступный open source, а ограниченный research preview: лаборатории и производители допускаются по заявкам. Открыть стандарт Anthropic обещает после тестов безопасности.
Проблема, которую решает MHS, почти не связана с интеллектом модели
Лабораторные приборы просто не умеют разговаривать друг с другом. У каждого производителя — собственные драйверы, программы и форматы данных. Чтобы соединить микроскоп, камеру и роботизированный стол, инженеры неделями пишут уникальный код.
MHS предлагает общий слой: драйвер описывает состояние прибора, его физические характеристики и ограничения безопасности, а команды переводит на язык конкретного устройства. Агент подключается через MCP, командную строку или API, видит оборудование и собирает из его операций единый сценарий.
Если MCP дал ИИ доступ к цифровым инструментам, MHS пытается сделать то же самое для физического мира.
Например, в Janelia микроскопическая установка, прежде требовавшая запуска семи программ, теперь включается одной командой — подключение новой камеры сократилось с нескольких дней до минут. В Carnegie Mellon агент объединил четыре прибора на трёх несовместимых компьютерах: интеграция заняла около восьми часов вместо нескольких недель, а эксперименты «доза - ответ» пошли примерно втрое быстрее.
В QuEra Claude помог создать программу восстановления настройки лазера квантового компьютера. Проверяемый скрипт успешно сработал в 695 из 700 испытаний; сложные сбои устранялись за 10–14 секунд против 5–10 минут у специалиста. В Genentech агент управлял анализом концентрации белка, считывал результат и корректировал параметры переноса жидкости.
Роботизированная лаборатория до сих пор обычно была дорогим штучным проектом, выгодным при многократном повторении одного протокола. Наука устроена иначе: гипотезы и условия постоянно меняются. MHS приближает цикл «гипотеза → опыт → данные → новая гипотеза», в котором агент не только читает статьи и проектирует эксперимент, но и получает новые данные из физического мира.
Теперь развитие роботизированных лабораторий может ускориться. MHS уже тестируют или планируют поддержать QIAGEN, Tecan, Universal Robots, Hugging Face LeRobot и Raspberry Pi. Чем больше совместимых драйверов, тем дешевле подключать следующий прибор. Однажды созданные процедуры можно переносить между лабораториями как скрипты и скиллы.
MHS — ещё не «лаборатория без людей». Скорее, это как заявка на USB для научного оборудования: общий разъём, превращающий разрозненные приборы в единую среду для агентов. Если он станет отраслевым стандартом, роботизированные лаборатории начнут распространяться не как уникальные мегапроекты, а как собираемая инфраструктура обычной науки.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
Anthropic представила Model Hardware Standard (MHS) — единый интерфейс, через который ИИ-агенты могут управлять научным оборудованием: микроскопами, дозаторами жидкостей, анализаторами, лазерами и роботизированными манипуляторами.
MHS создан вместе с исследовательским кампусом HHMI Janelia. Пока это не общедоступный open source, а ограниченный research preview: лаборатории и производители допускаются по заявкам. Открыть стандарт Anthropic обещает после тестов безопасности.
Проблема, которую решает MHS, почти не связана с интеллектом модели
Лабораторные приборы просто не умеют разговаривать друг с другом. У каждого производителя — собственные драйверы, программы и форматы данных. Чтобы соединить микроскоп, камеру и роботизированный стол, инженеры неделями пишут уникальный код.
MHS предлагает общий слой: драйвер описывает состояние прибора, его физические характеристики и ограничения безопасности, а команды переводит на язык конкретного устройства. Агент подключается через MCP, командную строку или API, видит оборудование и собирает из его операций единый сценарий.
Если MCP дал ИИ доступ к цифровым инструментам, MHS пытается сделать то же самое для физического мира.
Например, в Janelia микроскопическая установка, прежде требовавшая запуска семи программ, теперь включается одной командой — подключение новой камеры сократилось с нескольких дней до минут. В Carnegie Mellon агент объединил четыре прибора на трёх несовместимых компьютерах: интеграция заняла около восьми часов вместо нескольких недель, а эксперименты «доза - ответ» пошли примерно втрое быстрее.
В QuEra Claude помог создать программу восстановления настройки лазера квантового компьютера. Проверяемый скрипт успешно сработал в 695 из 700 испытаний; сложные сбои устранялись за 10–14 секунд против 5–10 минут у специалиста. В Genentech агент управлял анализом концентрации белка, считывал результат и корректировал параметры переноса жидкости.
Это большой шаг не потому, что появился первый лабораторный робот — они существуют более 10 лет. Изменился возможный масштаб автоматизации.
Роботизированная лаборатория до сих пор обычно была дорогим штучным проектом, выгодным при многократном повторении одного протокола. Наука устроена иначе: гипотезы и условия постоянно меняются. MHS приближает цикл «гипотеза → опыт → данные → новая гипотеза», в котором агент не только читает статьи и проектирует эксперимент, но и получает новые данные из физического мира.
Теперь развитие роботизированных лабораторий может ускориться. MHS уже тестируют или планируют поддержать QIAGEN, Tecan, Universal Robots, Hugging Face LeRobot и Raspberry Pi. Чем больше совместимых драйверов, тем дешевле подключать следующий прибор. Однажды созданные процедуры можно переносить между лабораториями как скрипты и скиллы.
MHS — ещё не «лаборатория без людей». Скорее, это как заявка на USB для научного оборудования: общий разъём, превращающий разрозненные приборы в единую среду для агентов. Если он станет отраслевым стандартом, роботизированные лаборатории начнут распространяться не как уникальные мегапроекты, а как собираемая инфраструктура обычной науки.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться