Anthropic’ten Fiziksel Yapay Zeka Hamlesi: Makineleri Kontrol Edebilecek

Anthropic, yapay zeka sistemlerini fiziksel cihazlarla buluşturmayı amaçlayan yeni Model Hardware Standard’ı (MHS) kullanıma açtı. Sistem, yapay zeka ajanlarının mikroskop, sıvı işleyici, robotik kol ve diğer laboratuvar ekipmanlarıyla iletişim kurmasını ve bu cihazları kontrol etmesini sağlıyor.

MHS, farklı cihazların verilerini ve durum bilgilerini yapay zeka ajanlarının anlayabileceği ortak bir yapı üzerinden paylaşmasına imkan tanıyor. Böylece yapay zeka ajanları cihazların yeteneklerine, çalışma durumlarına ve izin verilen eylemlerine erişebiliyor.

Anthropic, MHS’nin ilk araştırma ön izlemesini bilimsel araştırma laboratuvarları ve ileri üretim alanında faaliyet gösteren şirketlerle test ediyor.

Standardın ortaya çıkışında Howard Hughes Tıp Enstitüsünde sinirbilimci olarak çalışan Arco Bast’ın laboratuvarındaki çalışmalar etkili oldu. Bast, mikroskoplar ve diğer ekipmanları birbirine bağlamak için uzun süre donanım entegrasyonuyla uğraştıktan sonra Claude Code kullanarak yapay zeka ajanlarının fiziksel cihazlarla iletişim kurmasını sağlayan bir arayüz geliştirdi.

Bast’a göre sistem, laboratuvarda deney hazırlama süresini haftalardan birkaç güne indirdi. Anthropic ise MHS ile bazı cihaz entegrasyonlarının haftalar veya aylardan saatler ya da dakikalara indirilebileceğini belirtiyor.

Qiagen ve Genentech MHS’yi test ediyor

Alman-Hollandalı biyoteknoloji ve tıbbi teknoloji şirketi Qiagen, MHS’yi nükleik asit saflaştırma işlemlerinde kullanılan QIAsymphony Connect platformunda test ediyor.

Qiagen Araştırma ve Geliştirme Kıdemli Direktörü Töresin Karakoyun, yapay zeka ajanlarının ekipman arızalarını erken tespit etmesi, arızaların nedenlerini analiz etmesi ve laboratuvar personeline sorun giderme sürecinde yardımcı olması üzerinde çalıştıklarını belirtti.

ABD merkezli biyoteknoloji şirketi Genentech de MHS’yi bir numunedeki protein konsantrasyonunu ölçen robotik iş istasyonunda test etti. Claude, sıvı işleyici, robotik kol ve plaka okuyucudan oluşan üç cihazın birlikte kullanıldığı protein ölçüm deneyini koordine etti.

Testler sırasında yapay zekanın fiziksel işlemlerdeki sınırlamaları da ortaya çıktı. Sıvıların karıştırılması sırasında kabarcıklar oluştuğunda sistem, sorunu gidermek yerine daha fazla kabarcık üretti. Genentech, en büyük zorlukların fiziksel hata düzeltme süreçlerinde yaşandığını ve yapay zeka sistemlerinin insan bilim insanlarının fiziksel sezgisine sahip olmadığını belirtti.

Fiziksel yapay zeka pazarı 430 milyar dolara ulaşabilir

MHS, makinelerin veri ve ölçümlerini paylaşabileceği ortak bir belleğe dayanıyor. Bast, bu yapıyı farklı cihazlar arasında gerekli bilgilerin paylaşıldığı ortak bir “beyaz tahta” olarak tanımladı.

Sistem sayesinde yapay zeka ajanları sensör verilerine, cihazların durum bilgilerine ve kamera görüntülerine erişerek bunları analiz edebiliyor. Ajanlar elde edilen sonuçlara göre cihazlarda belirli işlemleri de başlatabiliyor.

Bu yapıyla her laboratuvar ekipmanının yapay zeka uygulamalarına ayrı ayrı entegre edilmesi gereksiniminin azaltılması amaçlanıyor.

Strategy& tahminine göre fiziksel yapay zeka alanındaki küresel pazarın 2030 yılına kadar 430 milyar dolara ulaşması bekleniyor.