Laboratuvar otomasyonu, çok sayıda cihazın aynı deney içinde koordineli çalışmasını sağlayarak deneylerin daha yüksek hız ve ölçekte yürütülmesine olanak sağlamaktadır. Ancak bu sistemlerin yaygınlaşmasının önündeki temel sorun yalnızca robotların deneyleri gerçekleştirebilmesi değildir; laboratuvar cihazlarının çoğunun kendi programlama arayüzüne sahip olması ve farklı cihazların birbiriyle iletişim kurabilmesi için özel entegrasyonlar gerektirmesi laboratuvar otomasyonunun önemli darboğazlarından birini oluşturmaktadır. Bu nedenle laboratuvarlarda birden fazla cihazın birlikte çalıştırılması çoğunlukla özel entegrasyonların geliştirilmesini gerektirmekte, kurulum süreçleri haftalar hatta aylar sürebilmektedir. Anthropic ile HHMI Janelia Research Campus iş birliğiyle geliştirilen Model Hardware Standard (MHS), bu parçalı yapıya standartlaştırılmış bir donanım iletişim ve kontrol katmanı getirmeyi amaçlamaktadır.
MHS’nin temel yeniliği, AI ajanları ile fiziksel cihazlar arasındaki iletişimi standartlaştırırken farklı üreticilerin donanımlarının da ortak bir arayüz üzerinden kullanılabilmesini sağlamasıdır. Sistem, her cihaz için MHS driver’ı (bilgisayar ile donanım arasında iletişimi sağlayan standartlaştırılmış yazılım) kullanarak cihazın kendine özgü programlama arayüzünü ortak komutlara dönüştürmektedir. Böylece programlanabilir arayüze sahip farklı cihazlar standart bir formatta keşfedilebilir ve AI ajanları tarafından kontrol edilebilir hale gelmektedir. Üstelik MHS belirli bir AI modeline bağlı değildir; model-agnostik (belirli bir yapay zeka modeline bağlı olmayan) yapısı sayesinde herhangi bir ajan altyapısı tarafından standart protokoller üzerinden kullanılabilmektedir. Bu yapı, daha önce cihazlar arasında özel “çeviri” programları geliştirilmesini gerektiren entegrasyon problemini azaltarak, cihazların özelliklerini, gerçekleştirilebilir işlemlerini ve uygulanacak güvenlik sınırlarını AI ajanlarının anlayabileceği biçimde tanımlamaktadır.
MHS’nin çalışma biçimi, AI ajanının yalnızca cihazlara tek tek komut vermesinden daha ileri bir koordinasyon sağlamaktadır. Sistem üzerinden bağlanan cihazların çalışma durumları AI ajanına aktarılabilmekte; ajan da birden fazla cihazdaki işlemleri sıralayabilmekte, sonuçları izleyebilmekte ve koşullar değiştikçe parametreleri gerçek zamanlı olarak ayarlayabilmektedir. Daha uzun süren veya modelin her adımda yeniden akıl yürütmesini gerektirmeyen işlemler ise kod dosyaları aracılığıyla zincirlenerek cihazlar tarafından doğrudan yürütülebilmektedir. Genentech araştırmacıları, MHS’yi bir sıvı işleme robotu, robot kolu ve mikroplaka okuyucusunu birlikte kullanarak gerçekleştirilen BCA protein analizinin otomasyonunda bir kavram kanıtı (proof-of-concept) olarak test etmiştir. Bu sistemde Claude, deney protokolünü planlayıp üç cihazı MHS üzerinden koordine etmiş ve sıvı transferlerinin doğruluğunu mikroplaka okuyucudan elde edilen sonuçlarla değerlendirerek akış hızlarını yeniden düzenlemiştir. Su için yaklaşık 140 µL/s, viskoz BSA çözeltisi için ise 10 µL/s akış hızlarına ulaşmış; bu parametreler otomasyon uzmanları tarafından kurulan sistem için makul bulunmuştur.
Deneyler aynı zamanda AI ajanlarının fiziksel cihazlarla çalışırken hata yönetimi yapabildiğini de göstermiştir. Claude, deney sırasında tip pickup failure (pipet ucunun alınamaması) ve fluid detection error (sıvı algılama hatası) gibi beklenmeyen hatalarla karşılaşmasına rağmen bazı durumlarda kendi başına toparlanarak çalışmayı sürdürebilmiştir. Bununla birlikte sonuçlar, mevcut AI modellerinin fiziksel dünyayı anlamadaki sınırlarını da ortaya koymuştur. Örneğin sıvı içinde oluşan kabarcıkların neden olduğu hatalarda Claude başlangıçta aynı kuyuda işlemi farklı parametrelerle tekrarlamış, ancak bu yaklaşım daha fazla kabarcık oluşmasına yol açmıştır. Araştırmacılar fiziksel nedenin kabarcıklar olduğunu ve temiz bir kuyuya geçilerek karıştırma döngülerinin azaltılması gerektiğini açıkladıktan sonra Claude, bu bilgiyi deneyin geri kalanında korumuş ve buna uygun parametreler kullanmıştır. Carnegie Mellon University araştırmacıları ise MHS’yi, seri seyreltme yöntemiyle doz-cevap eğrilerinin belirlenmesinde test etmiştir. Sistem; bir sıvı işleme robotu, mikroplaka okuyucu, robotik kol ve izleme kameralarını, birbirleriyle temelde uyumsuz arayüzlere sahip üç farklı bilgisayar üzerinden çalışan bir AI kontrollü sistemde bir araya getirmiş, benzer bir vendor tabanlı kurulumun haftalar sürebildiğini ve gerçekleştirilen seri seyreltme deneylerinin önceki yönteme kıyasla yaklaşık üç kat daha hızlı yürütüldüğünü bildirmiştir.
Bu sonuçlar, MHS’nin öneminin yalnızca AI’nin bir laboratuvar robotunu kontrol edebilmesinden kaynaklanmadığını göstermektedir. Asıl yenilik, farklı üreticilerin ve farklı arayüzlerin oluşturduğu parçalı laboratuvar donanımını, AI ajanlarının kullanabileceği ortak bir iletişim katmanında birleştirmesidir. Böylece geleneksel modelde her yeni cihaz için ayrı bir entegrasyon geliştirilmesi gerekirken, MHS uyumlu bir sistemde cihazların ortak standart üzerinden keşfedilmesi ve koordine edilmesi hedeflenmektedir. Anthropic’in paylaştığı erken örneklerde bu yaklaşımın entegrasyon süresini azaltabildiği, farklı cihazların birlikte çalışmasını kolaylaştırdığı ve AI ajanlarının deneyleri gerçek zamanlı olarak izleyip yönlendirebildiği gösterilmiştir. Araştırmacılar MHS’yi daha fazla cihazla genişleterek, bilim insanlarının yüksek düzeydeki deneysel amacı belirlediği ve AI ajanlarının fiziksel deney sürecini koordine ettiği otonom keşif sistemlerine doğru ilerlemeyi hedeflemektedir. Bununla birlikte mevcut çalışmaların hâlen proof-of-concept düzeyinde olduğu ve AI modellerinin fiziksel, kimyasal ve biyolojik kısıtları anlamasında önemli sınırlamalar bulunduğu belirtilmektedir.
Yazar: Hazel Birgül
Editör: Asmin Petekbaşı
Referans: Anthropic. (2026, August 27). Previewing the Model Hardware Standard. https://www.anthropic.com/news/model-hardware-standard-research-preview
-Bioinforange Bilimsel Haber Servisi-
Haber Yazıları, 20> Etki Faktörlü Q1 dergilerinde yayınlanan (listesi için tıklayınız)
bilimsel araştırmaların ekip arkadaşlarımız tarafından incelenip derlenmesi ile hazırlanmaktadır.
