Zes organisaties draaiden MHS al voor de aankondiging. Wat ze deden, welke cijfers eruit kwamen en welk patroon eronder zit voor iedereen met een meetopstelling.
Een aankondiging van een standaard komt meestal met beloftes. Die van de Model Hardware Standard kwam met cijfers van zes organisaties die er al mee gewerkt hadden. Dat is zeldzaam genoeg om ze op een rij te zetten, en interessant genoeg om te kijken welk patroon eronder zit.
Wat MHS is, staat in wat is MHS. Dit stuk gaat over wat ermee gebeurde.
Genentech automatiseerde een BCA-eiwitmeting als proef op de som. De interessante stap was niet dat de meting draaide, maar dat het model zelf de optimale doorstroomsnelheid bepaalde: ongeveer 140 microliter per seconde voor water, en 10 microliter per seconde voor stroperige monsters. Twee verschillende antwoorden op dezelfde vraag, afhankelijk van wat er in de buis zat.
Daar zit ook de scherpste beperking. Toen er schuim in de monsters ontstond, behandelde het model dat als een softwarefout, terwijl het alleen fysiek op te lossen was.
De Baker- en Pinglay-labs koppelden zes instrumenten in minder dan een week. De doorlooptijd is daarbij het minst interessante deel. Interessanter is wat er daarna kon: het lab werd op afstand bedienbaar, en instrumenten konden een plaat aan elkaar doorgeven zonder dat er iemand tussen stond.
Dat tweede is precies het punt waar losse automatisering vastloopt. Elk apparaat afzonderlijk automatiseren is niet moeilijk. Ze op elkaar laten wachten wel.
Carnegie Mellon bepaalde dosis-responscurves, het soort werk waarbij je een stof steeds verder verdunt en meet wat er gebeurt. Het resultaat was ongeveer drie keer sneller, maar het cijfer dat er echt uit springt is dit: van kale, net opgestelde apparatuur naar een afgeronde verdunningscurve in acht uur, waar dat normaal weken kost. Het grootste deel van die weken gaat op aan het aan de praat krijgen van de opstelling.
Janelia werkte met zeven verschillende leveranciersprogramma's naast elkaar voor hun microscopie. Met MHS kwam dat onder één interface. Een nieuw apparaat toevoegen ging van een project van meerdere dagen naar een handeling van een paar minuten, en een beeldvormingsexperiment dat weken kostte werd samengeperst tot een dag.
Janelia is ook waar het geheel begon: de samenwerking tussen Anthropic en Janelia is de oorsprong van MHS.
QuEra bouwt kwantumcomputers, waarbij lasers gestabiliseerd moeten blijven. Met de hand duurde herstel vijf tot tien minuten. Met een agent erop 0,9 tot 5,4 seconden bij eenvoudige verstoringen, en het slagingspercentage ging van 58 naar 99,3 procent, oftewel 695 geslaagde pogingen op 700.
Ook hier de eerlijke kant: ging er iets mis aan de fysieke opstelling zelf, dan wist de agent niet waar te beginnen. Zijn kennis van de opstelling was programmatisch en niet fysiek.
Tetsuwan Scientific gebruikte MHS om qPCR-metingen te draaien voor een vervuilingsprofiel van San Pedro Creek. De cijfers gaan over precisie in het doseren: 9.143 losse doseringen over 300 verschillende soorten overdrachten, waarmee het gedrag van de opstelling ongeveer 12 procent nauwkeuriger werd voorspeld dan de fabrieksopgave.
Dat laatste is een aardige omkering. De machine bleek zich anders te gedragen dan zijn eigen datasheet zei, en genoeg metingen legden dat bloot.
Zet de zes naast elkaar en er komt één ding naar boven, en het is niet dat AI beter meet dan een mens.
Het wachten verdwijnt. In vrijwel elk geval zat de winst niet in een snellere handeling maar in het wegvallen van de pauze ertussen. Een onderzoeker die om half zes naar huis gaat, laat een experiment achter dat doorloopt.
Coördinatie is de moeilijke helft. Eén apparaat aansturen kon altijd al. Meerdere apparaten op elkaar laten wachten, met de juiste volgorde en controle ertussen, was het werk waar specialisten voor werden ingehuurd.
De grens hoort in het apparaat. Bij een van de partners blokkeerde de opstelling zes situaties voordat er iets bewoog, waaronder een ontbrekende plaat en een losgekoppelde camera. Geen van die situaties kon de agent zien.
Twee dingen ontbreken, en het is eerlijk om ze te noemen.
Er staat nergens hoeveel werk er in de voorbereiding zat. Acht uur van kale apparatuur naar een curve is indrukwekkend, maar zegt niets over de weken waarin iemand leerde hoe de opstelling in elkaar zat. Bij elk van deze zes stonden specialisten aan de knoppen.
En er staat nergens wat er misging zonder dat het gehaald werd. De 695 van 700 is gemeten, maar de vijf die daarbuiten vielen worden niet uitgesplitst. Voor een onderzoeksopstelling is dat prima. Voor een productielijn is precies die staart de vraag die je beantwoord wilt hebben.
Nee, mits de instrumenten een programmeerbare ingang hebben. Daar begint de inventarisatie.
Dat is het hele punt. Bij Janelia gingen zeven leveranciersprogramma's onder één interface.
Voor de beschrijving niet, die vul je in gewone taal in. Voor de koppelingen eromheen wel.
Hij kan parameters bepalen op basis van metingen, zoals bij Genentech gebeurde. Het ontwerp en het oordeel blijven mensenwerk.
Dat hangt af van wat je hebt ingericht. Zorg dat een storing iemand bereikt, want een proces dat stil faalt is gevaarlijker dan handwerk.
Voor productie ligt het dichtbij, en de deelnemerslijst met robotleveranciers wijst die kant op. Zie MHS voor de maakindustrie.
Wil je weten waar in jouw meetproces het wachten zit, neem contact op of lees de volledige uitwerking van de zes resultaten.
dGEN Productions, AI agency en business-automation partner uit Eindhoven. info@dgenproductions.nl · 06-87413056