Taalmodellen hebben geen fysieke intuïtie, de standaard werkt niet met elk apparaat en hij is nog geen open source. De grenzen op een rij, met de voorbeelden die de partners zelf publiceerden.
Het opvallendste aan de aankondiging van de Model Hardware Standard is niet wat er werkt. Het is hoe expliciet erbij staat wat niet werkt, met voorbeelden die de partners zelf aanleverden. Dat is zeldzaam, en het is de nuttigste informatie in het hele stuk.
Wat MHS wel is, staat in wat is MHS. Dit stuk gaat over de grenzen.
Claude en vergelijkbare modellen hebben de fysieke wereld leren kennen uit tekst en beeld. Ze hebben nooit iets vastgehouden, nooit iets horen ratelen, nooit een trilling gevoeld. Dat levert een herkenbaar patroon op.
Fysieke oorzaken worden voor softwarefouten aangezien. Bij Genentech ontstond schuim in de eiwitmonsters. Het model behandelde dat als een probleem in de besturing, terwijl het alleen fysiek op te lossen was. Onderzoekers moesten het model daar expliciet naartoe leiden.
Dat is geen randgeval. Het is precies het soort probleem dat op een werkvloer dagelijks voorkomt: een sensor die vuil is, een onderdeel dat klem zit, materiaal dat zich anders gedraagt dan verwacht.
Bij QuEra Computing werkte de agent uitstekend zolang alles via de aansturing verliep. Het slagingspercentage van laserherstel ging van 58 naar 99,3 procent. Maar zodra er iets aan de fysieke opstelling zelf haperde, wist de agent niet waar te beginnen: zijn begrip van de opstelling was programmatisch en niet fysiek.
Vertaald naar een productieomgeving: een agent die de machine bedient is niet dezelfde als een monteur die de machine kent. Dat onderscheid moet in je rolverdeling staan, niet in de hoop dat het meevalt.
MHS werkt alleen met apparatuur die een programmeerbare ingang heeft. Voor apparaten zonder zo'n ingang werkt Anthropic samen met de fabrikanten om drivers in te bouwen, maar dat gaat op hun tempo.
Praktisch betekent dat: hoe ouder je machinepark, hoe kleiner het deel dat straks meedoet. Dat is geen reden om te wachten, maar wel om te weten waar je staat. Een inventarisatie is een middag werk. Zie voorbereiden op agents die machines aansturen.
MHS staat in research preview voor geselecteerde deelnemers. Open source is aangekondigd, zonder datum. Wie vandaag wil beginnen, kan zich aanmelden maar niet zomaar downloaden.
De preview heeft een expliciet doel: veiligheidsevaluaties opbouwen en beschermingen versterken voor het gebruik van AI in de fysieke wereld. Dat is een reden om hem serieus te nemen, en tegelijk een teken dat er nog iets kan veranderen.
Dit is geen kritiek van Anthropic op zichzelf maar iets dat ons opviel bij het nalezen, en het hoort erbij.
Er staat nergens hoeveel voorbereiding er in zat. Acht uur van kale apparatuur naar een afgeronde verdunningscurve is indrukwekkend, maar zegt niets over de weken waarin iemand leerde hoe die opstelling in elkaar zit. Bij elk van de zes casussen stonden specialisten aan de knoppen.
En de mislukkingen worden niet uitgesplitst. De 695 geslaagde herstelpogingen op 700 is een mooi getal; wat er in die vijf gevallen gebeurde staat er niet bij. Voor een onderzoeksopstelling is dat prima. Voor een productielijn is precies die staart de vraag die je beantwoord wilt hebben.
Vanaf 20 januari 2027 geldt de nieuwe EU-machineverordening, die voor het eerst AI-gestuurde veiligheidsfuncties en zich ontwikkelend machinegedrag dekt. In de hoogste risicocategorieën kun je dan niet meer zelf een conformiteitsverklaring afgeven.
Wie nu een MHS-bestand schrijft dat een machine begrenst, schrijft mogelijk een gereguleerd veiligheidsonderdeel. Dat is een open vraag en geen opgelost punt. Zie de EU-machineverordening van 2027.
Bij een lijst met zes grenzen hoort de andere kant, anders wordt het een karikatuur.
De bewaking op apparaatniveau werkt aantoonbaar. Bij een van de partners weigerde de opstelling zes verschillende situaties voordat er iets bewoog, waaronder een ontbrekende plaat, een gedraaide plaat, een bezette lezer en een losgekoppelde camera. Geen van die vier kon de agent zien, en juist daarom hoort die bewaking te zitten waar de wereld gemeten wordt.
En de winst in de gemeten gevallen is niet klein. Bij HHMI Janelia ging het toevoegen van een nieuw apparaat van een project van meerdere dagen naar een handeling van een paar minuten. Bij Carnegie Mellon van weken naar acht uur.
De juiste conclusie is dus niet dat het te vroeg is, maar dat je weet welk deel van het werk bij een mens blijft.
Een aankondiging die alleen juicht, wordt niet geloofd door de mensen die het moeten uitvoeren. Iemand die dagelijks aan een opstelling staat, weet dat schuim, klemmende platen en losgeraakte kabels het echte werk zijn.
Door die voorbeelden erbij te zetten, wordt de rest geloofwaardiger. En belangrijker: het geeft je een concrete lijst van wat je zelf moet regelen. Deskundig toezicht, een rolverdeling tussen agent en mens, en grenzen die onder de agent worden afgedwongen in plaats van eraan gevraagd. Zie wanneer mag AI zelf handelen.
Met MHS zelf kan dat prima. Met het werk eromheen niet, want dat levert nu al tijd op.
De fysieke intuïtie van modellen is een onderzoeksvraag en geen instelling. Verwacht daar vooruitgang, geen omslag.
Je kunt het in de beschrijving zetten en er controles op bouwen. Dat is iets anders dan begrip, maar het werkt wel.
Dat hangt af van wat er kan bewegen en van hoe je het toezicht inricht, niet van de standaard alleen.
Dat je er niet vrij bij kunt. Het is een preview met beperkte toegang.
Inventariseren, beschrijven, de software ontsluiten en de goedkeuringspoort inrichten. Alle vier standaardonafhankelijk.
Wij bouwen de laag eromheen en zijn expliciet over wat er niet kan. Wil je weten wat er in jouw geval wel te winnen valt, neem contact op.
dGEN Productions, AI agency en business-automation partner uit Eindhoven. info@dgenproductions.nl · 06-87413056