O novo padrão de hardware da Anthropic permite que os agentes de IA controlem o mundo físico

Apesar de todo o interesse e da adoção de sistemas de IA agênica ao longo do último ano, o mundo da IA automatizada tem-se limitado, até agora, principalmente a texto, imagens, código e outros dados e ações que ocorrem no interior de um computador. A Anthropic pretende agora alterar um pouco essa situação com o que denomina Model Hardware Standard (MHS), um conjunto de controladores padronizados concebidos para permitir que os agentes de IA interajam facilmente com dispositivos arbitrários e os controlem.

Por enquanto, a «antevisão de investigação» do projeto MHS está a ser apresentada principalmente como uma forma de ajudar os cientistas a simplificar o árduo processo de criação das integrações de software personalizadas que são frequentemente necessárias para que componentes díspares de uma experiência funcionem em conjunto. O MHS pode fornecer uma interface comum e um formato comum para a partilha de dados entre estes dispositivos, afirma a Anthropic, permitindo-lhes comunicar entre si através de uma rede «sem necessidade de um programa “tradutor” personalizado no meio». O sistema padronizado poderia reduzir semanas ou meses de configuração experimental exaustiva a «horas ou minutos», escreve a Anthropic.

Um gráfico da Anthropic que ilustra como o MHS funciona como uma camada de «tradução» entre agentes de IA e vários tipos de dispositivos. Crédito: Anthropic Um gráfico da Anthropic que ilustra como o MHS funciona como uma camada de «tradução» entre agentes de IA e vários tipos de dispositivos. Crédito: Anthropic

Num vídeo publicado juntamente com o anúncio, Alek Kemeny, membro da equipa técnica da Anthropic, afirma que o projeto MHS foi inspirado pela observação do neurocientista Arco Bast a realizar uma experiência sobre a formação da memória no cérebro no HHMI Janelia Research Campus, em Ashburn, Virgínia. Kemeny disse que Bast tinha desenvolvido uma interface para fazer com que os feixes de laser rotativos, os microscópios, as câmaras e uma miríade de outros componentes da experiência se coordenassem através de uma interface comum. «Esta ideia poderia ser utilizada para que a IA realizasse qualquer experiência científica no mundo», recorda Kemeny ter pensado na altura.

O seu novo assistente de laboratório robótico?

É claro que não há nada numa linguagem de interface comum para máquinas que exija o uso de modelos de IA. E a Anthropic afirma que os dispositivos MHS podem ser controlados diretamente em tempo real através de comandos de linha de comando e ficheiros de código API. Mas integrar um sistema MHS com um modelo de IA através do Model Context Protocol permite que os cientistas interajam com os dispositivos utilizando linguagem natural e permite que os modelos «raciocinem em cada etapa de uma experiência, atualizem parâmetros em tempo real e, em alguns casos, recuperem de erros de hardware sem intervenção», escreve a Anthropic.

A Anthropic deu o exemplo de um modelo como o Claude a ajustar um laser, a verificar os resultados através de uma câmara separada e, em seguida, a repetir 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 que parte necessita de mais observação e, em seguida, movesse automaticamente o microscópio para a secção relevante para continuar a experiência.

Num vídeo, a Anthropic também mostrou o Claude a raciocinar sobre como fazer com que um braço robótico pegasse numa lata de alumínio, apesar de não ter sido especificamente treinado para os passos necessários. E, em vez de raciocinar sobre cada passo de cada vez, a Anthropic afirma que os modelos equipados com o MHS podem sequenciar passos entre instrumentos, escrevendo scripts de API e ajustando-os conforme as condições exigirem.

A Anthropic apresenta o MHS num vídeo promocional

A Anthropic afirma que o MHS também inclui um sistema de etiquetagem padronizado para descrever as restrições do hardware no mundo real para modelos que possam ter sido treinados principalmente no mundo virtual. Isso inclui informação codificada sobre as características físicas do hardware (por exemplo, o peso e o alcance de um braço robótico), bem como os seus parâmetros ajustáveis, opções de medição e limites de segurança impostos. Estas etiquetas podem, em seguida, ser integradas num ficheiro de referência capaz de fornecer rapidamente a um modelo de IA informação crucial sobre um dispositivo com o qual não tenha experiência de treino prévia.

Por enquanto, a Anthropic afirma estar a trabalhar com «um primeiro grupo de laboratórios de investigação científica e fabricantes avançados» durante um período de pré-visualização do MHS, incluindo a Amazon Web Services (Strands Robots), a Hugging Face (LeRobot), a Raspberry Pi, a Automata e a Universal Robots. Estes parceiros ajudarão a Anthropic a «elaborar avaliações de segurança e a desenvolver melhores práticas para sistemas de IA que operam equipamento físico», escreve a empresa. Posteriormente, o plano é que o MHS venha a tornar-se um padrão de código aberto e «agnóstico em termos de agentes» para a integração de IA e sistemas físicos.

Em testes iniciais com parceiros científicos ao longo do último ano, a Anthropic afirma ter «constatado que o MHS reduziu o tempo necessário para integrar dispositivos, tornando possível iterar mais rapidamente numa variedade de contextos experimentais».

«Se for possível testar hipóteses mais rapidamente, poderá criar tecnologias gerais mais rapidamente», afirmou Kemeny num vídeo promocional que acompanhou o anúncio. «É assim que um século de progresso pode condensar-se numa década.»

Kyle Orland Editor Sénior de Jogos Kyle Orland Editor Sénior de Jogos Kyle Orland é Editor Sénior de Jogos na Ars Technica desde 2012, escrevendo principalmente sobre o negócio, a tecnologia e a cultura por trás dos videojogos. É licenciado em jornalismo e ciências da computação pela Universidade de Maryland. Chegou a escrever um livro inteiro sobre o Minesweeper.