カーネギーメロン大学の研究チームは、これまで互換性のなかった4つの実験システムを連携させ、8時間で自律的な連続希釈曲線の作成に成功した。研究者らによると、通常であればベンダーとの統合に数週間を要する作業だという。この成果は、AIエージェントがプログラム可能な物理機器を検出、監視、操作できるようにすることを目的とした仕様である、Anthropic社の新しい研究プレビュー版「モデルハードウェア標準(MHS)」の基盤となるものだ。.
Anthropic社は木曜日、一部の科学研究所と先進的な製造業者向けにプレビュー版を公開した。同社によれば、このフレームワークは顕微鏡、液体ハンドリング装置、ロボットアームなどの機器を並行して連携させることができ、AIエージェントをソフトウェアから実験や生産システムへと拡張できるという。 ロイター通信の独立系報道でも 、このローンチと限定パートナー段階の開始が確認された。
今回の発表は、ハードウェア統合が自動化における最も地味で根強いボトルネックの一つであることから、重要な意味を持つ。ただし、これはあくまで予備的な発表である。MHSで公開された事例は、独立した監査や査読済みの評価ではなく、提携企業の事例研究であり、本番環境のワークロードではなく、デモンストレーションを用いたものも複数存在する。これらの事例は、共通インターフェースによってエンジニアリング作業を削減できることを示しているが、汎用AIが任意の研究所や工場を安全に稼働できることを証明するものではない。.
互換性のないマシンのための共通言語
MHSは、Anthropic社とハワード・ヒューズ医学研究所のジャネリア研究キャンパスとの共同開発として始まりました。その中核となるアイデアは、コンピュータと機械の間で通信を仲介するソフトウェア層であるデバイスドライバに似ています。MHSドライバは、エージェントが各ベンダーのインターフェースを学習する必要性をなくし、温度の読み取りや新しい設定の書き込みといったシンプルな基本機能に加え、デバイスが測定・変更できる内容の標準化された記述を提供します。.
これらの記述には、ロボットアームの重量や計測機器の安全制限など、ソフトウェアでは明らかにされない事実を表す自然言語タグが含まれています。ドライバは、デバイスをネットワーク上で検出可能にする参照ファイルを生成します。Anthropicの テクニカルプレビュー によると、エージェントはモデルコンテキストプロトコル、コマンドライン、またはアプリケーションプログラミングインターフェースを介して機器を制御でき、より長い手順は、1ステップずつ推論するのではなく、決定論的なコードにコンパイルできます。
その分離は重要です。言語モデルは実験目標の解釈やツールの選択に役立ちますが、再現可能な機械動作は毎ミリ秒ごとに新たな確率的応答に依存するべきではありません。MHSでは、エージェントがワークフローを計画、監視、調整する一方で、計測機器は限定されたコマンドを実行します。その利点は再利用性です。信頼性の高いドライバが一度構築されれば、別の研究室では同じ統合を一から再構築する必要がなくなります。.
初期試験で速度と死角が判明
カーネギーメロン大学のデモンストレーションでは、液体ハンドラー、プレートリーダー、ロボットアーム、監視カメラが3台のコンピュータに分散配置された。1台のコンピュータはジョブファイルを受け付け、別のコンピュータは旧式のWindowsスクリプトインターフェースに依存し、プレートリーダーはグラフィカル画面のみを提供した。MHSは、1つのマニフェストを通じて状態と手順を提示した。エージェントは、薬剤ではなく比色染料を使用して、従来のワークフローよりも約3倍速く用量反応曲線を準備および測定した。.
研究者らは、プレートの欠落や回転、カメラの接続不良、緊急停止機能の作動など、6つの危険要因を意図的に導入した。システムは、動作前にこれら6つすべてをブロックした。実験中、R二乗値が0.9未満の初期曲線は棄却され、最大濃度は1ミリリットルあたり200マイクログラムから100マイクログラムに低下し、人間の介入なしに0.98を超える2番目の適合曲線が生成された。これらは有望な対照実験結果だが、研究チームは実際の薬剤候補を用いた検証を今後の課題として明確に挙げている。.
ジェネンテック社の概念実証実験では、別の限界が明らかになった。クロードは、タンパク質アッセイのために液体ハンドラー、ロボットアーム、プレートリーダーを連携させ、熟練者の操作と比較してピペット操作速度を最適化した。しかし、最初の汎用設定では粘性の高いサンプルに気泡が発生し、同じウェルで再試行したため、物理的な問題が悪化した。ジェネンテック社の研究者たちは、その原因を解明し、よりクリーンなウェルと穏やかな混合へとクロードを導く必要があった。この 事例研究は 、ソフトウェアの習熟度と物理的な直感は必ずしも一致しないという、有益な警告となる。
スクリプトからクローズドループ型実験室へ
より広範な目標は、ソフトウェアが実験を選択し、機器が実験を実行し、センサーが結果を返し、システムが次の反復を選択する、自律型実験室を実現することである。NIST の定義 では、これは各サイクルから得られる情報を最大化することを目的とした閉じたフィードバックループであり、自動化されたサンプル生成、処理、特性評価には人間の介入はほとんど必要ない。MHSは科学的な目的を提供したり、有効な測定を保証したりするものではないが、アルゴリズムと実験台をつなぐ役割を果たすことができる。
ワシントン大学では、ある大学院生の研究員が1週間足らずで6つの機器を接続した。デモンストレーションでは、リアルタイムの定量PCR曲線の観察、実行停止前の承認要求、ロボットアームと液体ハンドラーの連携による、各機器が安全な状態を報告した後にのみプレートが渡される仕組みなどが示された。研究者は、継続的なモニタリングにはコンピューティングリソースが消費されるため、より複雑なプロトコルでは大幅な最適化が必要になると指摘した。.
ジャネリア研究所の研究者たちは、この標準規格を用いて神経科学実験装置内の7つのベンダープログラムを統合し、新しいカメラの追加作業を数日かかっていたプロジェクトから数分に短縮した。QuEra社は、量子コンピュータのレーザー制御サブシステムの復旧にMHSを適用した。同社によると、以前は4人チームが手作業で復旧スクリプトを作成するのに2~3週間を費やしていたという。 パイロットレポート エージェントは承認のために一晩中一時停止することがあり、物理的なハードウェア障害を診断できなかったという。
これらの結果は、より広範な研究動向に合致する一方で、その制約も浮き彫りにしている。2026年の Nature誌の研究 では、多くの自律型実験システムが依然として特注で、用途が限定され、限られたツールセットに縛られていることが指摘されている。印象的なデモンストレーションから適応性の高い実験室へと移行するには、ソフトウェアの判断と物理的な動作を安全にテストできるインフラストラクチャが必要となる。共通のハードウェア用語集は相互運用性を実現するが、ドメインモデル、校正済みの機器、あるいは資格のある科学者の必要性を排除するものではない。
物理的なアクセスはエラーのコストを増加させる
書類を誤ってファイリングするエージェントは、不便を生じさせる。ロボットを移動させたり、レーザーを変更したり、生物学的サンプルを分注したりするエージェントは、機器を損傷したり、証拠を改ざんしたり、人に怪我を負わせたりする可能性がある。したがって、安全対策は少なくとも3つの層から構成される。すなわち、制御システムへの安全なアクセス、運転者と手順によって強制される決定論的な制限、そして結果が不確実または不可逆的な行動に対する人間の権限である。.
MHSはモデルコンテキストプロトコルを使用できますが、リモートツールが信頼境界を越える際に独自の攻撃対象領域が発生します。このプロトコルの現在の セキュリティガイドライン では、サーバーは受信リクエストを検証し、そのサーバー用に発行されていないトークンを拒否することが求められています。また、サーバー側リクエストの偽造やステートハンドルの盗難などのリスクも特定されています。さらに、研究所はネットワーク分離、最小権限の認証情報、署名付きドライバ、不変の監査ログ、および物理的な緊急停止がエージェントコマンドよりも優先されるという明確なルールが必要になります。
性能に関する主張には、標準化されたテストも必要です。NISTの ロボット工学プログラムは、 知覚、器用さ、安全性、協調性、相互運用性に関する指標とプロトコルを重視しています。MHSの誘発ハザード演習は適切な証拠ではありますが、制御された環境で6つのブロック状態を設定しただけでは、安全性の認証にはなりません。評価では、劣化したセンサー、悪意のある入力、タイミングの不具合、キャリブレーションのずれ、開発チームが想定していなかった故障の組み合わせなどを網羅する必要があります。
採用は推進要因と証拠に左右される
Anthropic社は、MHSはモデルに依存しない設計であり、最終的にはオープンソースになる予定だと述べているが、一般提供開始日はまだ発表していない。現時点では、初期パートナーが安全性評価と運用手順を開発しているため、アクセスは制限されている。そのため、プレビュー版は業界標準というよりは、プロトタイプに裏付けられた提案に近いものとなっている。標準が永続的なものとなるのは、競合するモデル提供者、機器メーカー、研究所、製造業者がそれぞれ独自に実装できるようになった時だけだ。.
決定的な資産となるのは、エージェントではなく、ドライバーのエコシステムである可能性がある。研究所には、数十年前の機器、ベンダーロックインされたソフトウェア、最新のプログラミングインターフェースを持たないデバイスが存在する。これらをサポートするには、ドキュメント作成、メンテナンス、適合性テストが必要となる。ハードウェアメーカーは、ネイティブMHSドライバーを公開するかどうかを決定する必要があり、顧客は、ドライバーが制限値を誤って記述した場合や、エージェントが状態を曖昧に解釈した場合に、誰が責任を負うのかを明確にする必要がある。.
しかしながら、MHSは重要な問題を改めて提起している。問題は、AIモデルが実験計画を作成できるかどうかだけでなく、異なるマシンがソフトウェアで組み合わせ可能な、信頼性が高く限定された機能を発揮できるかどうかである。カーネギーメロン大学の8時間という結果は、このレイヤーによって統合時間を大幅に短縮できることを示唆している。ジェネンテックのバブル崩壊やQuEraの承認手続きの中断は、スピードが物理的な理解、検証、あるいは責任ある人間の管理に取って代わることはできない理由を示している。.