实验室仪器不再各说各话:AI智能体直接接管设备,一个团队搭实验只用数小时
核心概要
Anthropic与霍华德·休斯医学研究所Janelia研究园区合作推出名为模型硬件标准(MHS)的软件框架,把来自不同厂商、使用不同编程语言的实验室仪器连成一套系统,并让AI智能体直接控制设备、编排实验。此前让设备互通通常要由自动化工程师为每台机器编写专门代码,或加装额外连接设备;已有标准化方案提供通用语言,但不把仪器直接接到AI智能体上。卡内基梅隆大学一个测试团队用MHS在数小时内搭好实验,该团队研究者称从最初想法到可运行实验“很容易花上数月”。
深度剖析
实验室里来自不同厂商的仪器现在可以通过一套软件框架互相通信,并由AI智能体统一调度,机械臂、加液仪器和分析设备可以连续完成取板、加液和检测。 过去让设备互通需要自动化工程师为每台机器的编程语言编写专门代码,或额外加装把仪器连起来的设备。 在卡内基梅隆大学团队的实验室里,机械臂把多孔板装入加液仪器,再把板送到远处设备分析内容,全程无需人工介入。
这套框架把实验室计算机的操作系统与仪器连接起来,充当“连接组织”,任何接入MHS的设备都能与另一台接入设备通信。 该框架名为模型硬件标准(MHS),由美国AI公司Anthropic与霍华德·休斯医学研究所Janelia研究园区合作开发。 MHS可集成进任何带可编程接口的仪器,从而协调设备之间的通信。
对使用方而言,最直接的变化是实验搭建时间。 已有标准化方案为实验室仪器提供通用语言,但不把仪器直接连接到AI智能体。 卡内基梅隆大学计算生物学家Jose Lugo-Martinez说,从研究项目的最初想法到可运行的实验“很容易花上数月”,而他的团队用MHS在数小时内就搭好了实验。
启示与展望
报道呈现的是Anthropic与Janelia研究园区合作开发的MHS框架,以及卡内基梅隆大学一个团队在其实验室中的测试体验。适用前提是仪器具备可编程接口;报道未给出该框架在其他类型设备或更大规模实验室中的表现。
报道中的时间对比来自一位测试团队研究者的口述经验,而非受控测量;MHS与已有标准化方案的具体差异只说明为是否直接连接AI智能体,其余能力未展开。
