Yapay zeka şirketi Anthropic, laboratuvar ve üretim tesislerindeki farklı cihazların yapay zeka ajanları tarafından güvenli biçimde yönetilmesine imkan tanıyan Model Hardware Standard (MHS) adlı yeni standardını duyurdu.
Anthropic ile Howard Hughes Medical Institute bünyesindeki Janelia Research Campus iş birliğiyle geliştirilmeye başlanan MHS; mikroskoplar, sıvı işleme sistemleri, sensörler, lazerler ve robot kolları gibi cihazları ortak bir yazılım katmanında buluşturuyor.
Henüz araştırma ön izlemesi aşamasında bulunan teknoloji, ilk olarak bilimsel araştırma laboratuvarları ile ileri üretim kuruluşlarının kullanımına açıldı.
FARKLI CİHAZLAR TEK ARAYÜZDEN YÖNETİLECEK
Laboratuvar cihazlarının büyük bölümü farklı üreticilere ait yazılım ve programlama arayüzleriyle çalışıyor. Bu nedenle bir mikroskobun, robot kolunun ve ölçüm cihazının aynı deney içinde koordineli biçimde kullanılması için her cihaz adına özel entegrasyon geliştirilmesi gerekiyor.
MHS ise cihazlara “sıcaklığı oku” veya “sıcaklığı ayarla” gibi standart komutlar gönderebilen ortak bir sürücü sunuyor. Sistem, cihazın neleri ölçebildiğini, hangi ayarlarının değiştirilebileceğini ve güvenlik sınırlarını yapay zeka ajanına aktarıyor.
Böylece bir ajan, aynı arayüz üzerinden deneyin aşamalarını sıralayabiliyor, farklı cihazlardan gelen verileri takip edebiliyor ve değişen koşullara göre parametreleri gerçek zamanlı olarak güncelleyebiliyor.
Anthropic, normalde haftalar veya aylar alabilen donanım entegrasyonunun MHS sayesinde bazı durumlarda saatler ya da dakikalar içinde tamamlanabildiğini belirtiyor. Sistem, programlanabilir bir arayüze sahip cihazlarla çalışabiliyor ve yalnızca Claude’a bağlı kalmadan farklı yapay zeka modelleri tarafından kullanılabilecek şekilde tasarlanıyor.
İLAÇ ARAŞTIRMASINDA HATALARI ANLIK TAKİP ETTİ
Genentech, MHS’yi protein yoğunluğunu ölçmekte kullanılan bir deneyin otomasyonu için test etti. Yapay zeka; pipetleme sistemi, robot kolu ve plaka okuyucusunun çalışmasını koordine ederek deney sırasında ortaya çıkan bazı donanım hatalarını tespit etti ve işlemleri yeniden düzenledi.
Ancak denemeler, mevcut modellerin fiziksel dünyayı anlamakta hala zorlandığını da gösterdi. Claude, sıvının karıştırılması sırasında oluşan köpük ve kabarcıklardan kaynaklanan hataları ilk aşamada fiziksel bir sorun olarak değerlendiremedi. İşlemi farklı ayarlarla tekrarlamaya çalışması daha fazla kabarcık oluşmasına yol açtı.
Uzmanların hatanın nedenini açıklamasının ardından model; sıvıyı daha yavaş karıştırmak, temiz bir kuyucuğa geçmek ve karıştırma sayısını azaltmak gibi uygun adımları uygulayabildi.
HAFTALAR SÜREN KURULUM 8 SAATTE TAMAMLANDI
Carnegie Mellon Üniversitesi’ndeki bir başka uygulamada sıvı işleme cihazı, plaka okuyucu, robot kolu ve kameralar MHS aracılığıyla aynı sistemde birleştirildi.
Normal şartlarda bir üretici tarafından kurulması birkaç hafta sürebilen otomasyon düzeni yaklaşık 8 saatte hazırlandı. Yapay zeka, sıvı seyreltme işlemini gerçekleştirdi, plakanın doğru konumda olup olmadığını kameradan kontrol etti ve ölçüm sonuçlarına göre deneyi yeniden çalıştırıp çalıştırmayacağına karar verdi.
HHMI Janelia’daki mikroskop çalışmalarında ise farklı şirketlere ait yedi ayrı programla yönetilen görüntüleme düzeneği ortak bir arayüzde toplandı. Daha önce yeni bir cihazın sisteme eklenmesi günler sürebilirken, lazer ışınını görüntüleyen yeni bir kameranın entegrasyonu birkaç dakika içinde gerçekleştirildi.
LAZER KİLİDİNDE BAŞARI ORANI YÜZDE 99,3’E ÇIKTI
Kuantum bilgisayar şirketi QuEra, MHS’yi cihazlarında kullanılan lazerlerin frekans kilidini yeniden kurmak amacıyla denedi.
Daha önce aylar süren çalışmalarla hazırlanan otomatik kurtarma yazılımı, lazer kilidini yaklaşık yüzde 58 başarıyla yeniden kurabiliyordu. Yapay zeka ajanının gece boyunca yüzlerce deneme yaparak geliştirdiği yeni sistem ise 700 bağımsız testin 695’inde başarılı oldu. Böylece başarı oranı yüzde 99,3’e yükseldi.
Uzmanların 5 ila 10 dakikada gerçekleştirebildiği bazı lazer kurtarma işlemleri, geliştirilen yazılımla saniyeler içinde tamamlandı. Deney sonunda ortaya çıkan yazılımın denetlenebilir ve yapay zeka ajanı olmadan da çalışabilir olduğu belirtildi.
İNSAN GÖZETİMİ ŞİMDİLİK ŞART
Anthropic, sonuçların umut verici olmasına karşın MHS’nin henüz geliştirme aşamasında olduğuna dikkat çekiyor. Büyük dil modelleri fiziksel dünyayı ağırlıklı olarak metin ve görüntüler üzerinden öğrendiği için uzamsal düşünme, fiziksel sezgi ve beklenmeyen donanım sorunlarını yorumlama konusunda sınırlılıklar taşıyor.
Riskli gördüğü işlemlerde insan onayı bekleyen yapay zeka ajanlarının, gözetimsiz deneyleri zaman zaman durdurabildiği de kaydediliyor. Şirket bu nedenle sistem açık kaynaklı hale getirilmeden önce fiziksel güvenlik testleri, uzman onay mekanizmaları ve kötüye kullanımı önleyecek kurallar geliştirecek.
MHS’nin yaygınlaşması halinde araştırmacılar deneyin bilimsel amacını belirlerken yapay zeka ajanları cihazların hazırlanması, ölçümlerin izlenmesi, hata tespiti ve tekrar eden işlemlerin yürütülmesini üstlenebilecek. Bu değişimin özellikle ilaç keşfi, biyoteknoloji, tıbbi teşhis, kuantum teknolojileri ve ileri üretimde araştırma temposunu artırabileceği değerlendiriliyor.
