उत्तरप्रकाशित12 स्रोत
Anthropic का Model Hardware Standard AI को भौतिक उपकरणों से जोड़ने की कोशिश
Anthropic ने २७ अगस्त २०२६ को MHS का रिसर्च प्रीव्यू शुरू किया। यह AI एजेंटों और प्रोग्रामेबल लैब या मैन्युफैक्चरिंग उपकरणों के बीच साझा इंटरऑपरेबिलिटी लेयर है। मानकीकृत डिवाइस ड्राइवर, प्राकृतिक भाषा में उपकरणों का विवरण और MCP, कमांड लाइन टूल्स व कोड API जैसे इंटरफेस कई कस्टम हार्डवेयर इंटीग्रेशन की जरूरत घटा सकते...
प्रकाशितकर्ताGPT-5.6 Luna से संपादितGPT Image 1.5 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- Anthropic ने २७ अगस्त २०२६ को MHS का रिसर्च प्रीव्यू शुरू किया। यह AI एजेंटों और प्रोग्रामेबल लैब या मैन्युफैक्चरिंग उपकरणों के बीच साझा इंटरऑपरेबिलिटी लेयर है।
- मानकीकृत डिवाइस ड्राइवर, प्राकृतिक भाषा में उपकरणों का विवरण और MCP, कमांड लाइन टूल्स व कोड API जैसे इंटरफेस कई कस्टम हार्डवेयर इंटीग्रेशन की जरूरत घटा सकते हैं।
- शुरुआती परीक्षणों में Genentech, Carnegie Mellon University और QuEra ने संभावनाएं दिखाईं, लेकिन Anthropic अभी सुरक्षा मूल्यांकन और उच्च जोखिम फैसलों के लिए मानव मंजूरी की प्रक्रियाएं विकसित कर रहा है।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Anthropic’s Model Hardware Standard (MHS), introduced as a research preview on August 27 with HHMI Janelia Research Campus, how does. Article summary: Anthropic’s Model Hardware Standard (MHS) is a research-preview specification—developed with HHMI Janelia Research Campus—for giving AI agents a common, model-agnostic way to discover, understand, coordinate, and operate. Topic tags: general, general web, user generated, academic, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks
Anthropic का Model Hardware Standard (MHS) AI एजेंटों को प्रोग्रामेबल भौतिक उपकरणों से जोड़ने के लिए बनाया गया एक साझा विनिर्देश है। इसे Anthropic ने HHMI Janelia Research Campus के साथ मिलकर विकसित किया है। इसका शुरुआती लक्ष्य वैज्ञानिक प्रयोगशालाएं और उन्नत मैन्युफैक्चरिंग है, जहां एक AI एजेंट को माइक्रोस्कोप, लिक्विड हैंडलर, रोबोटिक आर्म, लेजर और दूसरे उपकरणों के साथ एक ही वर्कफ़्लो में काम करना पड़ सकता है। 1
MHS कोई नया रोबोट या तैयार व्यावसायिक ऑटोमेशन प्रोडक्ट नहीं है। इसे एक ऐसी साझा कनेक्टिविटी लेयर के रूप में समझना बेहतर होगा, जो एजेंट को यह पता लगाने में मदद करती है कि कोई उपकरण क्या कर सकता है, उसके कौन-से नियंत्रण उपलब्ध हैं, उसकी मौजूदा स्थिति क्या है और किन सुरक्षा सीमाओं का पालन करना जरूरी है।
MHS कैसे काम करता है?
इस व्यवस्था की बुनियाद एक मानकीकृत डिवाइस ड्राइवर है। आम तौर पर हर AI सिस्टम और हर वैज्ञानिक उपकरण के बीच अलग कस्टम इंटीग्रेशन बनाना पड़ता है। MHS इस प्रक्रिया को सामान्य नियंत्रण निर्देशों, जैसे read और write, के जरिए सरल बनाने की कोशिश करता है।
कनेक्टेड उपकरण अपनी क्षमताओं का एक प्राकृतिक भाषा में विवरण भी दे सकता है। इसमें उसकी क्षमताएं, मापी जा सकने वाली चीजें, बदले जा सकने वाले पैरामीटर, मौजूदा स्थिति और सुरक्षा संबंधी सीमाएं शामिल होती हैं। 1
AI एजेंट इन उपकरणों से Model Context Protocol (MCP), कमांड-लाइन टूल्स या कोड API के जरिए संपर्क कर सकते हैं। इससे एक ही एजेंट कई उपकरणों की जांच कर सकता है, उनके बीच काम का क्रम तय कर सकता है, परिणामों पर नजर रख सकता है और गड़बड़ी आने पर प्रतिक्रिया दे सकता है। सफल प्रक्रिया को बाद में दोहराए जा सकने वाले या लंबे समय तक चलने वाले निर्धारित स्क्रिप्ट में बदला जा सकता है। 1
MHS का डिजाइन मॉडल-अज्ञेय है। यानी यह केवल Claude के लिए बनाया गया फीचर नहीं है। सिद्धांत रूप में, जो भी एजेंट सिस्टम संबंधित इंटरफेस का समर्थन करता है, वह इसी डिवाइस एब्स्ट्रैक्शन का इस्तेमाल कर सकता है। 1
Anthropic इसे USB-C जैसा क्यों बता रहा है?
लैब और औद्योगिक उपकरण अक्सर अलग-अलग कंपनियों के होते हैं और उनके सॉफ्टवेयर इंटरफेस एक-दूसरे से मेल नहीं खाते। इसलिए कई मशीनों को एक साथ जोड़कर स्वचालित वर्कफ़्लो शुरू करने से पहले हफ्तों का कस्टम इंजीनियरिंग काम करना पड़ सकता है।
Anthropic का लक्ष्य MHS के जरिए ऐसे उपकरणों और AI एजेंट के बीच एक साझा लेयर बनाना है—कुछ उसी विचार की तरह, जैसे USB-C ने अलग-अलग डिवाइसों के लिए अलग कनेक्टर की जरूरत कम की। कंपनी और उसके साझेदारों के अनुसार, शुरुआती इंटीग्रेशन जिनमें पहले हफ्ते लगते थे, वे कुछ मामलों में घंटों या मिनटों में पूरे हुए। यह शुरुआती प्रीव्यू का परिणाम और मानक का उद्देश्य है, हर उपकरण या सुविधा के लिए पक्की गारंटी नहीं। 1
2
शुरुआती परीक्षणों में क्या सामने आया?
Genentech: ऑटोमेशन संभव, लेकिन भौतिक समझ अभी कमजोर
Genentech में शोधकर्ताओं ने MHS का इस्तेमाल BCA प्रोटीन असay के एक प्रूफ-ऑफ-कॉन्सेप्ट में किया। इस प्रक्रिया में कई लैब उपकरणों के बीच समन्वय की जरूरत होती है। एजेंट ने लिक्विड-हैंडलर वर्कफ़्लो चलाया और प्रक्रिया में बदलाव आजमाए। 1
लेकिन इस परीक्षण ने एक अहम सीमा भी उजागर की। Claude ने शुरुआत में बुलबुलों से जुड़ी समस्या को और खराब कर दिया, क्योंकि वह उसके भौतिक कारण को समझ नहीं पाया। शोधकर्ताओं को पहले संबंधित डोमेन ज्ञान देना पड़ा, जिसके बाद सिस्टम सही दिशा में आगे बढ़ सका।
यह उदाहरण दिखाता है कि मानकीकृत इंटरफेस किसी मशीन को AI के लिए सुलभ तो बना सकता है, लेकिन इससे AI को उस मशीन के भीतर चल रही वैज्ञानिक या भौतिक प्रक्रिया की विश्वसनीय समझ अपने-आप नहीं मिल जाती। 1
Carnegie Mellon: ड्राइवर बनाने में तेजी
Carnegie Mellon University ने बताया कि उसने लगभग आठ घंटे में एक MHS ड्राइवर तैयार किया और प्रयोग करीब तीन गुना तेजी से चलाए। यह परिणाम साझा डिवाइस-कंट्रोल एब्स्ट्रैक्शन को बार-बार अलग कस्टम इंटीग्रेशन बनाने के बजाय इस्तेमाल करने की संभावित उपयोगिता दिखाता है। 1
QuEra: ७०० में ६९५ सफल रिकवरी
QuEra ने एक समर्पित लेजर टेस्टबेड पर MHS के जरिए Claude का इस्तेमाल किया। एजेंट ने व्यवधान पैदा किए जाने के बाद क्वांटम कंप्यूटर के लेजर फ़्रीक्वेंसी लॉक को बहाल करने वाली स्क्रिप्ट विकसित की।
सात प्रकार के व्यवधानों पर किए गए ७०० परीक्षणों में तैयार कंट्रोलर ने ६९५ बार लक्ष्य स्थिति बहाल की—यानी रिपोर्ट की गई सफलता दर ९९.३ प्रतिशत रही। 1
यह उत्साहजनक परिणाम है, लेकिन इसका दायरा समझना जरूरी है। परीक्षण एक नियंत्रित टेस्टबेड और एक खास रिकवरी कार्य पर हुआ था। इससे यह साबित नहीं होता कि AI एजेंटों को सभी महत्वपूर्ण क्वांटम या औद्योगिक हार्डवेयर पर बिना प्रतिबंध स्वायत्त नियंत्रण के लिए तैयार मान लिया जाए। MHS ने उपकरण को एजेंट के लिए सुलभ बनाया, जबकि अंतिम परिणाम परीक्षण और सत्यापन से गुजरे एक पारंपरिक कंट्रोलर पर निर्भर था। 1
रिसर्च प्रीव्यू में कौन शामिल है?
Anthropic के अनुसार, सीमित रिसर्च प्रीव्यू में वैज्ञानिक अनुसंधान, रोबोटिक्स, इलेक्ट्रॉनिक्स और उन्नत मैन्युफैक्चरिंग से जुड़े संगठन शामिल हैं। नामित प्रतिभागियों में Genentech, Carnegie Mellon University, QuEra, Hugging Face का LeRobot प्रोजेक्ट और Raspberry Pi शामिल हैं। 1
इस प्रीव्यू का एक उद्देश्य सुरक्षा मूल्यांकन और संचालन संबंधी बेहतर प्रक्रियाएं विकसित करना भी है। Anthropic ने कहा है कि इस काम के बाद वह MHS को ओपन-सोर्स करने की योजना रखती है। इसमें उन परिस्थितियों के लिए अधिक स्पष्ट नीतियां भी शामिल हो सकती हैं, जब किसी उच्च-जोखिम कार्रवाई से पहले मानव की मंजूरी जरूरी हो। 1
2
MHS क्या हल करता है—और क्या नहीं?
MHS हार्डवेयर तक पहुंच को मानकीकृत करता है। यह अपने-आप सुनिश्चित नहीं करता कि कोई AI एजेंट:
- संबंधित भौतिकी, रसायन विज्ञान या जीव विज्ञान को सही ढंग से समझता है;
- वैज्ञानिक रूप से उचित प्रक्रिया चुनता है;
- हर खतरनाक या असामान्य स्थिति पहचान लेता है; या
- बिना निगरानी के किसी उपकरण को सुरक्षित रूप से चला सकता है।
Genentech में बुलबुलों वाली घटना मशीन को नियंत्रित करने और वास्तविक दुनिया में हो रही प्रक्रिया को समझने के बीच के अंतर का सीधा उदाहरण है। कोई एजेंट माप पढ़कर सेटिंग बदल सकता है, फिर भी उस कारण-परिणाम संबंध को न समझ पाए जिसे विशेषज्ञ आसानी से पहचान लेता है। 1
इसलिए वास्तविक इस्तेमाल में उपकरण-स्तर की सुरक्षा सीमाएं, चरणबद्ध परीक्षण, लगातार निगरानी, ऑडिट रिकॉर्ड, फॉलबैक प्रक्रियाएं और महत्वपूर्ण कार्रवाइयों के लिए स्पष्ट मानव मंजूरी जरूरी रहेंगी। सुरक्षा मूल्यांकन और मानव-अनुमोदन प्रक्रियाओं पर जोर यह भी बताता है कि MHS अभी परीक्षण के दौर में है, पूरा व्यावसायिक सिस्टम नहीं। 1
2
इसका व्यापक महत्व क्या है?
MHS Anthropic की उस कोशिश का हिस्सा है जिसमें AI एजेंटों को केवल सॉफ्टवेयर टूल्स से आगे ले जाकर ऐसे वातावरण में इस्तेमाल किया जाए, जहां उनके फैसलों का भौतिक असर पड़ता है। यदि यह तरीका विकसित होता है, तो साझा इंटरफेस के जरिए वैज्ञानिक उपकरणों और औद्योगिक मशीनों को एजेंटों से जोड़ना, कई डिवाइसों वाले वर्कफ़्लो चलाना और सफल प्रयोगों को दोहराए जा सकने वाले ऑटोमेशन में बदलना आसान हो सकता है।
फिलहाल सबसे संतुलित निष्कर्ष यही है कि MHS हार्डवेयर-इंटीग्रेशन की बाधा कम करता दिख रहा है और शुरुआती प्रदर्शनों में संभावनाएं नजर आई हैं—खासकर QuEra का ९९.३ प्रतिशत वाला नियंत्रित परीक्षण। लेकिन यह मानक इंजीनियरिंग, डोमेन विशेषज्ञता, सुरक्षा सत्यापन या मानव निर्णय की जरूरत खत्म नहीं करता। MHS को अभी सार्वभौमिक स्वायत्त भौतिक कार्यों का मानक नहीं, बल्कि इंटरऑपरेबिलिटी का शुरुआती प्रूफ पॉइंट समझना अधिक सही होगा। 1
2
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Anthropic का Model Hardware Standard AI को भौतिक उपकरणों से जोड़ने की कोशिश" का संक्षिप्त उत्तर क्या है?
Anthropic ने २७ अगस्त २०२६ को MHS का रिसर्च प्रीव्यू शुरू किया। यह AI एजेंटों और प्रोग्रामेबल लैब या मैन्युफैक्चरिंग उपकरणों के बीच साझा इंटरऑपरेबिलिटी लेयर है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
Anthropic ने २७ अगस्त २०२६ को MHS का रिसर्च प्रीव्यू शुरू किया। यह AI एजेंटों और प्रोग्रामेबल लैब या मैन्युफैक्चरिंग उपकरणों के बीच साझा इंटरऑपरेबिलिटी लेयर है। मानकीकृत डिवाइस ड्राइवर, प्राकृतिक भाषा में उपकरणों का विवरण और MCP, कमांड लाइन टूल्स व कोड API जैसे इंटरफेस कई कस्टम हार्डवेयर इंटीग्रेशन की जरूरत घटा सकते हैं।
मुझे अभ्यास में आगे क्या करना चाहिए?
शुरुआती परीक्षणों में Genentech, Carnegie Mellon University और QuEra ने संभावनाएं दिखाईं, लेकिन Anthropic अभी सुरक्षा मूल्यांकन और उच्च जोखिम फैसलों के लिए मानव मंजूरी की प्रक्रियाएं विकसित कर रहा है।