Anthropic prueba un estándar para que la IA use hardware

Anthropic abrió una vista previa de investigación del Model Hardware Standard, o MHS. La propuesta define una interfaz común para que agentes de inteligencia artificial puedan descubrir y operar equipos programables como cámaras, robots e instrumentos científicos.

También puede servirte: Claude Fable 5.1 llega a AWS con controles especiales

El proyecto nació a partir de experimentos de imágenes cerebrales con láseres, motores de enfoque y cámaras de distintos fabricantes. Una memoria compartida permitía coordinar instrumentos, y luego se integraron modelos de IA en esa interfaz.

Una especificación común puede reducir adaptaciones para cada dispositivo. Todavía no es un estándar abierto ni una garantía de compatibilidad universal: Anthropic invita a una primera cohorte y planea publicar resultados antes de abrir el código.

Hugging Face trabaja para agregar soporte de MHS a LeRobot, su biblioteca de robótica. Raspberry Pi también prueba integraciones y controladores para cámaras. Laboratorios y fabricantes avanzados forman parte del grupo inicial.

Estos participantes cubren equipos muy diferentes. Esa diversidad sirve para detectar dónde una orden abstracta no se traduce bien a acciones físicas, conexiones, unidades o límites de seguridad.

El anuncio describe pruebas tempranas, no un producto listo para conectar a cualquier fábrica. Equipos sin interfaz de programación requieren controladores específicos, y algunos todavía quedan fuera del alcance del sistema.

La primera barrera es identidad: el agente debe reconocer el dispositivo exacto y sus capacidades. La segunda son permisos: solo puede ejecutar acciones previamente autorizadas y dentro de límites claros.

La tercera es estado físico. Un error puede provenir de espuma en una muestra, una pieza trabada o un cable desconectado, situaciones que el software no corrige. La cuarta es parada segura: una persona necesita observar, interrumpir y recuperar el equipo.

VisteEsto deriva estas barreras de los límites descriptos por Anthropic. MHS aporta una interfaz, pero la seguridad depende también de sensores, enclavamientos, procedimientos y expertos que entiendan el experimento o la máquina.

Anthropic reconoce que los modelos aprenden del mundo físico mediante texto e imágenes y tienen limitaciones espaciales. En pruebas con proteínas, investigadores debieron explicar que ciertos errores provenían del comportamiento físico de las muestras y no del software.

La compañía prepara evaluaciones y una hoja de ruta de seguridad física. También necesita ampliar controladores y comprobar que instrucciones equivalentes produzcan acciones coherentes entre marcas y dispositivos.

MHS apunta a una capa compartida para la IA física. El avance será medible cuando existan especificación pública, pruebas independientes, permisos verificables y evidencia de que los fallos terminan en estados seguros.

Otra condición es la trazabilidad: cada orden, lectura del sensor y cambio de estado debe quedar registrado para reconstruir qué hizo el agente y por qué.