Anthropicが新規格「MHS」プレビュー公開：AIが実験器具やロボットを直接制御

バイオ研究室で分注機とロボットアームを連動させようとすると、メーカーごとの独自規格に阻まれ、エンジニアが数週間がかりで専用プログラムを組むのが日常茶飯事でした。Anthropicはこのハードルの解消に乗り出しました。

Anthropicは8月27日、AIエージェントが研究室や製造現場の物理機器を安全に制御するための共通仕様「Model Hardware Standard（MHS）」のリサーチプレビューを公開しました。HHMI Janelia Research Campusとの共同開発から始まった取り組みで、従来は数週間から数カ月かかっていた機器の統合作業を、数時間から数分に短縮できるとしています。

機器の特性を「自然言語」でAIに教え込む

MHSの核となるのは、OSと機器の間を取り持つ標準ドライバです。温度の取得や設定といった基本的な読み書きコマンドを共通化し、ネットワーク経由で機器を自動検出できるようにしています。

ユニークなのは、紙のマニュアルや担当者の頭の中にしかなかった機器の特性を、自然言語で登録できる点です。ユーザーがテキストで記述するか、あるいはAIからのヒアリングに答えるだけで、MHSドライバが測定範囲や安全限界値をまとめた参照ファイルを自動生成します。これにより、AIは初めて扱う機材でも安全な動作範囲を即座に把握できます。

制御方式には、同社のModel Context Protocol（MCP）やCLI、コードファイル（API）を採用しています。検証では、Claudeがまるで科学者のように実験を行う様子が確認されました。レーザーの向きを少し動かしてはカメラで光軸の変化を確認し、仕組みを理解した後は、推論コストをかけずに実行できる確定的なスクリプトを自ら書き上げて自動化を完了させたといいます。

すでにカーネギーメロン大学では、互換性のないPC3台にまたがる機器を統合して実験速度を約3倍に引き上げました。また量子コンピューティング企業のQuEraでは、レーザーの周波数ロックが外れた際、99.3％のケースで人の手を介さずに自動復旧させることに成功しています。AWSやTecan、Doosan Roboticsなどが対応を進めており、安全性評価の完了後にオープンソース化される予定です。

なぜ重要か

Anthropicのこの動きは、AIの戦場を画面の中から物理空間へと一段押し広げるものです。ソフトウェア向けのMCPに続き、ハードウェアの接続規格を押さえにかかった格好です。

研究現場にとっての価値は明快です。プログラム可能なインターフェースさえあれば、高価な専用自動化システムを丸ごと買い直さなくても、既存の顕微鏡やアームを24時間稼働のエージェント実験環境へ組み込める可能性があります。ただし現在は限定的なプレビュー段階であり、現場ですぐに実用化できるわけではないため、まずは研究動向を追う段階と言えます。

賢いアプローチだと感じるのは、すべてをモデルのリアルタイム推論に頼るのではなく、AIが試行錯誤して導き出した手順を固定のコードスクリプトに落とし込ませる設計にした点です。これにより、実験の再現性と処理速度を担保できます。

一方で最大の懸念は、物理的な損害のリスクです。ソフトウェア上のエラーなら再起動で済みますが、実験室での誤作動は数千万円規模の分析装置の破損や貴重なサンプルの喪失に直結します。安全限界の設定機能がどこまで堅牢に機能するか、オープンソース化に向けた検証の行方が注目されます。