AnthropicがAI物理機器制御の共通規格「MHS」を発表：研究・製造現場の自動化を加速
米Anthropicは、AIエージェントが物理的な実験機器を安全かつ効率的に操作するための共通仕様「Model Hardware Standard」（MHS）のリサーチプレビューを開始したと発表しました。本規格は、Anthropicと米HHMIジャネリア・リサーチ・キャンパスの共同作業によって生まれました。これまで、顕微鏡、分注ロボット（リキッドハンドラー）、ロボットアームといった実験・製造機器は、メーカーや種類ごとにプログラミングインターフェースが異なり、これらを連携させるための個別実装には数週間から数カ月を要するのが大きな課題でした。MHSは、この複雑な統合作業を数時間から数分に劇的に短縮することを目的としています。
MHSの仕組みは、温度取得などの「読み取り」や「書き込み」といった基本的な命令（プリミティブ）のみで構成された標準ドライバを導入し、各機器をネットワーク上で標準形式で公開することにあります。さらに、ドライバにはロボットアームの重量など、コードだけでは分からない機器の特性を自然言語で記述するタグが設けられ、測定値や安全上の制限が自動生成されます。AIエージェントは、このMHSを通じて、MCP（Model Context Protocol）やコマンドラインインタフェースなど複数の手段で機器を制御します。
先行導入事例として、米Genentechでは、リキッドハンドラー、ロボットアーム、プレートリーダーを連携させたBCAタンパク質定量法の自動化にMHSを適用し、「Claude」が送液速度の最適化やエラーからの自力復旧を達成しました。また、米カーネギーメロン大学では、液体の段階希釈による用量反応試験を従来の約3倍の速度で実行し、非自動化状態から結果取得までを8時間で完了させました。この規格はモデル非依存であり、プログラマブルなインターフェースを持つ機器であれば利用可能です。AWSやTecanなど複数のベンダーも対応を進めており、Anthropicは今後、安全性評価を整備した上でMHSをオープンソース化する方針です。ただし、現時点ではAIが物理的な推論に限界があるため、専門家の監督が依然として必要であるという課題も指摘されています。
背景
これまで研究室や製造現場の自動化は、機器メーカーごとに異なるプログラミングインターフェースが壁となっていました。複数の高度な実験機器を連携させるには、専門家が機器の特性を理解し、個別のプログラムを組み上げる必要があり、これが時間とコストの大きな障壁となっていました。
重要用語解説
- Model Hardware Standard (MHS): AIエージェントが物理的な実験機器を共通の方法で制御するための標準仕様。機器間の互換性を高め、自動化の障壁を取り除くことを目的としています。
- AIエージェント: AnthropicのClaudeのような大規模言語モデルを基盤とし、単なるテキスト生成に留まらず、外部の物理機器やソフトウェアを自律的に操作・制御するシステムを指します。
- プリミティブ: 「読み取り」や「書き込み」など、機器の基本的な機能や操作を最小単位で定義した命令のこと。MHSでは、この基本命令を標準化することで、多様な機器に対応可能にしています。
- 影響: MHSのオープンソース化は、研究開発（R&D）のスピードを飛躍的に向上させ、これまで個別最適化が必要だった自動化プロセスを標準化します。これにより、学術研究や産業製造現場におけるAIの応用範囲が大きく広がり、物理世界とデジタルAIの連携が加速すると予想されます。ただし、物理的な安全性評価の確立が今後の鍵となります。