Novo padrão de hardware da Anthropic permite que agentes de AI controlem o mundo físico

A Anthropic deu o exemplo de um modelo como o Claude ajustando um laser, verificando os resultados por meio de uma câmera separada e, em seguida, repetindo o processo para calibrar automaticamente todo o sistema. O MHS também poderia permitir que um modelo de IA foque um microscópio, analise os resultados, decida qual parte precisa de mais observação e, em seguida, mova automaticamente o microscópio para a seção relevante para continuar o experimento.

Em um vídeo, a Anthropic também mostrou o Claude raciocinando como fazer um braço robótico pegar uma lata de alumínio, mesmo não tendo sido treinado especificamente nas etapas necessárias. E em vez de raciocinar cada etapa a cada vez, a Anthropic diz que os modelos habilitados para MHS podem sequenciar etapas entre instrumentos escrevendo scripts de API e ajustando-os conforme as condições exigirem.

A Anthropic afirma que o MHS também inclui um sistema de marcação padronizado para descrever as restrições do mundo real do hardware para modelos que podem ter sido treinados mais no mundo virtual. Isso inclui informações codificadas sobre as características físicas do hardware (por exemplo, o peso e o alcance de um braço robótico), bem como seus parâmetros ajustáveis, opções de medição e limites de segurança impostos. Essas tags podem então ser integradas em um arquivo de referência que pode fornecer rapidamente a um modelo de IA informações cruciais sobre um dispositivo com o qual ele não tem experiência de treinamento prévia.