AnthropicのMHS、AIエージェントに実世界の機器を操作させる共通規格へ

これまでのAIエージェントは、文書作成、検索、コード生成、ソフトウェアAPIの呼び出しなど、主にコンピューター内部の作業を担ってきた。実験装置やロボットのような物理システムを、異なるメーカー間で一貫して操作する仕組みは十分に標準化されていない。Anthropicが今回発表したModel Hardware Standard（MHS）は、その間を埋めることを目指す提案だ。

主なポイント

• 共通インターフェース：MHSは、レーザー、顕微鏡、カメラ、ロボットアームなどに共通のドライバー方式とデータ交換形式を与える。機器同士をネットワークで連携させる際、組み合わせごとに専用の変換プログラムを作る負担を減らせる。
• AIは必須ではない：MHS対応機器は、コマンドラインやAPIファイルから直接制御できる。Model Context Protocolと組み合わせれば、研究者が自然言語で指示し、AIが手順を分解して装置を操作することも想定されている。
• 測定から再調整までを自動化：Anthropicは、AIがレーザーを調整し、別のカメラで結果を確認しながら校正を繰り返す例を示している。顕微鏡を操作して画像を分析し、追加観察が必要な場所へ自動で移動する使い方も考えられる。
• 物理的制約を機械可読にする：ハードウェアの重量、可動範囲、調整可能なパラメーター、測定機能、安全上の上限などをタグで記述する。これにより、AIが事前に学習していない機器でも、基本的な制約を参照できる。

Anthropicによれば、この構想は、複数の装置を組み合わせる神経科学実験の統合作業から着想を得たという。異なる装置を協調させる準備には多くの時間がかかるため、共通の制御層があれば実験の反復を速められる可能性がある。同社は科学分野の協力先との初期テストで統合時間が短縮されたとしているが、現段階では企業側の説明であり、広範な第三者評価とは区別して見る必要がある。

意義と課題

機器の標準化が広がれば、AIエージェントは単なるソフトウェア操作役から、物理的な実験手順を調整する役割へ広がる可能性がある。各装置を順番に操作するAPIスクリプトを生成し、環境の変化に応じて内容を更新できれば、パラメーターが多い実験や反復的な校正の自動化に役立つ。

一方、物理世界では誤りの影響が大きい。装置の状態を誤認したり、安全上限を理解せずに設定を変更したりすれば、機器の損傷や事故につながりうる。タグ情報だけでは不十分で、権限管理、リアルタイム監視、人による承認、緊急停止、操作ログの保存が重要になる。

現在、AnthropicはAWSのStrands Robots、Hugging FaceのLeRobot、Raspberry Pi、Automata、Universal Robotsなどとプレビューを進めている。将来的にはオープンで、特定のAIエージェントに依存しない標準を目指すという。実現には、競合ベンダーも利用できる仕様、十分な互換性、安全評価の積み重ねが必要になる。

出典：Ars Technica AI