معيار العتاد للنماذج (MHS): كيف تنقل Anthropic وكلاء الذكاء الاصطناعي من شاشات البرمجيات إلى المختبرات الفيزيائية

في عالم البرمجيات، حلّ بروتوكول سياق النموذج (MCP - Model Context Protocol) معضلة ربط النماذج اللغوية بقواعد البيانات وواجهات برمجة التطبيقات (APIs). لكن عندما يغادر الوكيل الذكي حدود السحابة والشاشات الافتراضية ليقود تجربة بيولوجية أو يتحكم بذراع روبوتية في مصنع، تصطدم معمارية الوكلاء بجدار فيزيائي صلب: لا توجد واجهات موحدة للعتاد، والأخطاء في العالم الواقعي لا يمكن التراجع عنها بـ Ctrl+Z أو إعادة المحاولة البرمجية البسيطة.

في 27 أغسطس 2026، أعلنت Anthropic رسميًا عن المعاينة البحثية لـ معيار العتاد للنماذج (Model Hardware Standard - MHS)؛ وهو مواصفة قياسية مفتوحة المقصد وطبقة تشغيل موحدة مصممة لتمكين وكلاء الذكاء الاصطناعي (مثل Claude) من اكتشاف الأجهزة الفيزيائية القابلة للبرمجة ومراقبتها وتشغيلها بأمان.

يمثل هذا الإعلان خطوة تحول استراتيجية: تحويل أتمتة المختبرات من أنظمة مخصصة باهظة التكلفة ومغلقة برمجياً إلى بنية تحتية برمجية قياسية قائمة على الوكلاء المستقلين.

ما الذي حدث؟

أطلقت Anthropic المعاينة البحثية لمعيار MHS لمجموعة أولية من مختبرات الأبحاث العلمية والشركات المصنعة المتقدمة. يهدف المعيار إلى حل معضلة “التوصيل والتكامل” (Integration Plumbing) في البيئات العلمية والصناعية، حيث تتطلب الأجهزة المتعددة من بائعين مختلفين أشهراً من التطوير المخصص لتتخاطب فيما بينها.

المعيار نشأ في الأصل كتعاون بين Alek Kemeny من فريق النشر النافع (Beneficial Deployments) في Anthropic، والباحث Arco Bast في مجمع Janelia للأبحاث (HHMI Janelia). كان Bast يدير تجارب معقدة لتصوير الدماغ تجمع بين الليزر ومحركات التركيز البؤري وكاميرات متخصصة من عدة مصنعين دون واجهة مشتركة، فأنشأ قاموس ذاكرة مشتركة (Shared Memory Dictionary) تتبادل عبره الأجهزة البيانات بسرعة الذاكرة، ثم طور الفريق واجهة قياسية تتيح لنماذج الذكاء الاصطناعي التخاطب مباشرة مع هذا الوسيط.

انضمت للمعاينة شبكة واسعة من الشركاء والمنصات التقنية:

Amazon Web Services (AWS): تدعم MHS عبر حزمة Strands Robots لربط الوكلاء بالأجهزة الفيزيائية.
Automata: دمج MHS في منصة LINQ للأتمتة المخبرية لمعالجة الأخطاء الذاتية.
Tecan: دعم منصات المعالجة السائلة Fluent لتشغيلها مباشرة بواسطة الوكلاء.
QIAGEN: تجربة إثبات مفهوم على منصة QIAsymphony Connect لتشخيص أعطال الأجهزة وتوجيه الفنيين.
Hugging Face وRaspberry Pi: دمج MHS في مكتبة الروبوتات مفتوحة المصدر LeRobot ودعم مشغلات الكاميرات لـ Raspberry Pi.
Doosan Robotics وUniversal Robots: دعم الأذرع الروبوتية المبرمجة لتنسيق المهام ومراقبة الجودة.

كيف يعمل MHS؟ البنية المعمارية

يقوم MHS على أربع طبقات رئيسية تفصل بين القصد التجريبي رفيع المستوى والتنفيذ الميكانيكي الفيزيائي الدقيق:

┌─────────────────────────────────────────────────────────────┐
│ High-Level Protocol / Biological Intent (e.g. ResearchOS)   │
└──────────────────────────────┬──────────────────────────────┘
                               │
                               ▼
┌─────────────────────────────────────────────────────────────┐
│ Claude Reasoning & Compiler Layer                           │
│ (Translates scientific goals into machine instructions)     │
└──────────────────────────────┬──────────────────────────────┘
                               │ MHS Protocol
                               ▼
┌─────────────────────────────────────────────────────────────┐
│ MHS Device Manifest & Hardware Safety Limits Layer          │
│ (Capabilities, boundaries, max RPM/temp, collision rules)    │
└──────────────────────────────┬──────────────────────────────┘
                               │ Memory-speed / Network bus
                               ▼
┌─────────────────────────────────────────────────────────────┐
│ Physical Actuators & Sensors                                │
│ (Liquid handlers, centrifuges, robotic arms, cameras, qPCR) │
└─────────────────────────────────────────────────────────────┘

1. بيان الجهاز وقاموس الذاكرة (Device Manifest & Discovery)

يُعرّف كل جهاز متوافق مع MHS ملف بيان قياسي بصيغة قابلة للقراءة آلياً يحدد بدقة:

ما يمكن للجهاز قياسه وقراءته (Read Primitives مثل درجات الحرارة والسرعة والضغط).
ما يمكن للجهاز تغييره (Write Primitives مثل ضبط معدل السحب أو زاوية الذراع).
الحدود القصوى الفيزيائية وحواجز الأمان الإجبارية التي لا يمكن للوكيل تجاوزها.

2. استقلالية البروتوكول عن نوع العتاد (Hardware Independence)

يتيح المعيار كتابة بروتوكولات علمية مجردة دون الارتباط بموديل جهاز معين. على سبيل المثال: إذا تطلب البروتوكول طردًا مركزيًا بقوة تسارع محددة ($15,000 \times g$) لمدة خمس دقائق دون تحديد نوع جهاز الطرد المركزي، يستعلم نظام التشغيل المخبري (مثل ResearchOS) عبر MHS عن الأجهزة المتصلة بالشبكة، ويكتشف نصف قطر الدوار (Rotor Radius) الخاص بالجهاز المتاح، ثم يقوم Claude بحساب سرعة الدوران (RPM) الدقيقة المتوافقة فيزيائياً مع تلك القوة تلقائياً.

3. التغذية الراجعة الحسية وإغلاق حلقة التحكم (Closed-Loop Telemetry)

يدمج MHS الكاميرات ومجسات الرؤية الحاسوبية ومقاييس الطيف الضوئي في نفس حلقة اتخاذ القرار. لا ينتظر الوكيل انتهاء التجربة ليعرف النتيجة؛ بل يراقب تدفق العينات في الوقت الفعلي لاكتشاف الانحرافات الفيزيائية قبل تلف العينات.

الفارق الجوهري: استدعاء الأدوات البرمجية مقابل التنفيذ الفيزيائي

في أدوات البرمجيات المعتادة (مثل تشغيل كود Python أو البحث في الويب)، يُعد الفشل رخيصاً وقابلاً للإعادة (Idempotent). إذا أعادت واجهة برمجية رمز خطأ 500 أو 404، يكرر الوكيل الطلب فوراً.

أما في العالم الفيزيائي، فإن إعادة المحاولة العمياء قد تؤدي إلى كارثة مختبرية:

دراسة حالة الفقاعات ورغوة السوائل مع Genentech

أثناء تجارب معالجة السوائل الدقيقة (Liquid Handling) مع باحثي شركة Genentech، واجه الوكيل خطأ في القراءة الضوئية ناتجاً عن تكوّن فقاعات ورغوة هوائية أثناء خلط العينات. غريزة Claude البرمجية الافتراضية كانت إعادة محاولة الخلط في نفس الأنبوب بمعاملات مختلفة، مما زاد من اضطراب السائل وضاعف حجم الفقاعات.

عندما قام الباحثون بتوجيه Claude إلى أن الخطأ ناتج عن عائق فيزيائي (فقاعات) وليس عطلاً برمجياً، وأنه يتطلب نقل الأنبوب بحذر وخفض دورات الخلط أو تدوير الأنبوب في جهاز طرد مركزي لسحب السائل إلى القاع، استوعب الوكيل السياق الميكانيكي. تمت ترجمة هذا الدرس إلى مهارات فيزيائية قابلة لإعادة الاستخدام (Physical Handling Skills)، مكّنت الوكيل من اختيار معلمات آمنة مسبقاً للسوائل ذات اللزوجة العالية، مما قلل أخطاء المعالجة بنسب قياسية.

نتائج وتجارب مختبرية موثقة

أظهرت البيانات التجريبية المنشورة من الاختبارات الميدانية قدرات غير مسبوقة:

دقة السحب والنقل متعدد السوائل: على مدار 9,143 عملية تفريغ وسحب فردية شملت 300 نمط نقل مختلف و1,508 حالة قياس عبر أربعة سوائل مختلفة، نجح اقتران Claude مع MHS في تحسين دقة التنبؤ بمعدلات التوزيع بنسبة تقارب 12% أعلى من المواصفات الفنية المعتمدة من الشركة المصنعة للعتاد نفسه، متفوقاً عليها في 31 من أصل 45 جولة اختبارية ($p \approx 0.001$). وارتفعت نسبة التحسين إلى 17% في البيانات الأكثر تكراراً.
تسريع فحص البروتينات المصممة حاسوبياً في جامعة واشنطن (UW): في مختبرات Baker وPinglay بجامعة واشنطن، استخدم الباحث Zihao Song معيار MHS لأتمتة فحص بروتينات de novo المصممة من الصفر. في السابق، كان تصميم البروتين يكلف سنتات قليلة، لكن اختباره مخبرياً كان يكلف نحو 100 دولار وأسبوعاً من العمل اليدوي، مع الاضطرار لتبديل أطباق الـ PCR يدوياً كل 90 دقيقة على مدار الساعة. باستخدام MHS، نسق الوكيل بسلاسة بين ذراع روبوتية ووحدة معالجة السوائل لمنع تصادم الأطباق ومراقبة منحنيات تضخيم qPCR وإيقاف التفاعل لحظة وصوله للنقطة المثالية دون تدخل بشري ليلي.

القيود والمخاطر الفيزيائية

على الرغم من قوة النتائج، تفرض البيئات الواقعية تحديات لا تزال قائمة:

حدود الاستدلال المكاني والفيزيائي: النماذج اللغوية تتعلم العالم الفيزيائي عبر النصوص والصور، وتفتقر إلى “الحس الحركي والحدس الفيزيائي الغريزي”. لا تزال الرقابة البشرية الخبيرة ضرورية لمنع تفسير الأعطال الميكانيكية كأخطاء برمجية.
العتاد القديم (Legacy Hardware): العديد من أجهزة المختبرات والمصانع تفتقر إلى واجهات برمجية رقمية وتعتمد على لوحات تحكم تناظرية، مما يتطلب محولات وسيطة أو أجهزة وسيطة مثل Raspberry Pi.
مخاطر السلامة الحيوية وإساءة الاستخدام: التحكم المباشر بالمواد الكيميائية والبيولوجية يفرض معايير أمان صارمة. تعمل Anthropic حالياً على بناء خارطة طريق للأمان الفيزيائي (Physical Safety Roadmap) تدمج فحوصاً صارمة لمنع تصنيع أو معالجة مواد خطرة.

ماذا يعني ذلك للمطورين والباحثين؟

يمثل MHS بداية عهد جديد يمكن تسميته بـ الوكلاء المتجسدين برمجياً (Embodied Software Agents). لن يقتصر دور نماذج الذكاء الاصطناعي على كتابة الأوراق البحثية واقتراح الفرضيات، بل سيمتد إلى الإشراف على تنفيذها معملياً على مدار الساعة.

للمختبرات والباحثين: فتحت Anthropic باب التسجيل في قائمة انتظار المعاينة البحثية لمؤسسات الأبحاث المتقدمة والمصانع.
لمطوري الروبوتات والأنظمة مفتوحة المصدر: تلتزم Anthropic بنشر المواصفة الكاملة كمعيار مفتوح المصدر (Open Source) فور اكتمال اختبارات الأمان، ويوفر التكامل الحالي مع مشاريع مثل Hugging Face LeRobot فرصة للبدء في كتابة مشغلات عتادية متوافقة مع MHS.