Μια συσκευή Android TV, ένας έξυπνος φούρνος ή μια κάμερα ασφαλείας θα μπορούσαν στο μέλλον να φιλοξενούν τμήματα ενός συστήματος τεχνητής νοημοσύνης που αντιγράφει τον εαυτό του και εξαπλώνεται σε άλλες συνδεδεμένες συσκευές, χωρίς συνεχή ανθρώπινη καθοδήγηση. Το ενδεχόμενο αυτό εξετάζει νέα έρευνα της Anthropic, η οποία προειδοποιεί ότι μικρά μοντέλα AI ενδέχεται να αποκτήσουν τέτοιες δυνατότητες μέσα στους επόμενους μήνες.
Η έρευνα, που δημοσιεύτηκε τη Δευτέρα 12 Οκτωβρίου, εξετάζει κατά πόσο ένα μοντέλο μπορεί να εντοπίζει ευάλωτες συσκευές, να αποκτά πρόσβαση σε αυτές, να εγκαθιστά το απαραίτητο λογισμικό και να συνεχίζει την εξάπλωσή του. Πρόκειται για μια μορφή αυτοαναπαραγόμενου λογισμικού, γνωστού στην κυβερνοασφάλεια ως *worm*, με τη διαφορά ότι η τεχνητή νοημοσύνη θα μπορούσε να προσαρμόζεται σε διαφορετικά συστήματα αντί να ακολουθεί μόνο προκαθορισμένες εντολές.
Σε ένα από τα πειράματα, οι ερευνητές συνέδεσαν 15 οικονομικές συσκευές Android TV, κόστους περίπου 55 δολαρίων η καθεμία, και κατάφεραν να εκτελέσουν ένα μοντέλο 26 δισεκατομμυρίων παραμέτρων, το Gemma4-26B-A4B. Το μοντέλο μοιράστηκε ανάμεσα στις συσκευές, καθεμία από τις οποίες αναλάμβανε ένα μικρό μέρος της επεξεργασίας. Η λειτουργία του ήταν εξαιρετικά αργή, αλλά το πείραμα έδειξε ότι ακόμη και φθηνός οικιακός εξοπλισμός μπορεί, όταν συνδυαστεί, να υποστηρίξει μοντέλα που κανονικά απαιτούν πολύ μεγαλύτερη υπολογιστική ισχύ.
Σε άλλη δοκιμή, ένα μοντέλο 9 δισεκατομμυρίων παραμέτρων κατάφερε να εγκαταστήσει και να θέσει σε λειτουργία την απαραίτητη υποδομή για την εκτέλεση AI σε οκτώ από εννέα διαφορετικούς τύπους εξοπλισμού. Οι ερευνητές διαπίστωσαν επίσης ότι ισχυρότερα μοντέλα μπορούσαν να ολοκληρώσουν διαδοχικά τα στάδια της εξάπλωσης. Το GLM-5.2 πέτυχε να φτάσει και στους οκτώ κόμβους ενός απομονωμένου δικτύου στις τέσσερις από τις πέντε δοκιμές.
Υπάρχει, ωστόσο, μια κρίσιμη διευκρίνιση. Η πλήρης διαδικασία δοκιμάστηκε σε ελεγχόμενο περιβάλλον, όπου η πρόσβαση στις συσκευές είχε απλοποιηθεί και δεν απαιτούνταν έλεγχος ταυτότητας. Επιπλέον, το ισχυρότερο μοντέλο που οργάνωνε την εξάπλωση εκτελούνταν σε ξεχωριστό σύστημα και δεν είχε εγκατασταθεί το ίδιο στις μικρές συσκευές. Η Anthropic δεν υποστηρίζει ότι ένα πλήρως αυτόνομο μοντέλο έχει ήδη αρχίσει να εξαπλώνεται ανεξέλεγκτα στον πραγματικό κόσμο.
Το ενδιαφέρον των ερευνητών στρέφεται πλέον στο πόσο γρήγορα θα μπορούσαν να αποκτήσουν αυτές τις ικανότητες τα μικρότερα μοντέλα, που μπορούν να εκτελούνται σε συσκευές περιορισμένης ισχύος. Με βάση τον μέχρι σήμερα ρυθμό βελτίωσής τους, εκτιμούν ότι θα μπορούσαν να φτάσουν στο απαιτούμενο επίπεδο έως το τέλος του 2026. Πρόκειται για πρόβλεψη και όχι για βεβαιότητα, καθώς τα σημερινά μικρά μοντέλα εξακολουθούν να δυσκολεύονται όταν πρέπει να ολοκληρώσουν μόνα τους ολόκληρη τη διαδικασία.
Ένα τέτοιο δίκτυο πιθανότατα θα εξαπλωνόταν αργά, με κάθε νέο αντίγραφο να χρειάζεται ακόμη και ημέρες για να εγκατασταθεί. Θα μπορούσε όμως να παραμένει ενεργό σε μεγάλο αριθμό συσκευών, χωρίς να υπάρχει ένας κεντρικός διακόπτης για την απενεργοποίησή του. Σε αντίθεση με το συμβατικό κακόβουλο λογισμικό, ένα μοντέλο AI θα μπορούσε επίσης να αναγνωρίζει άγνωστο εξοπλισμό, να δοκιμάζει διαφορετικές λύσεις και να αξιοποιεί πληροφορίες από προηγούμενες αποτυχημένες προσπάθειες.
Η Anthropic επισημαίνει ότι τέτοια δίκτυα θα άφηναν ίχνη στην κίνηση του διαδικτύου, επιτρέποντας τον εντοπισμό τους, και ζητά ισχυρότερη προστασία των συνδεδεμένων συσκευών. Το πρόβλημα είναι ότι εκατομμύρια φθηνές συσκευές κυκλοφορούν ήδη με περιορισμένα μέτρα ασφαλείας. Αν τα μικρά μοντέλα αποκτήσουν την ικανότητα να μετακινούνται αυτόνομα ανάμεσά τους, η αντιμετώπισή τους δεν θα εξαρτάται μόνο από την ασφάλεια ενός μεγάλου κέντρου δεδομένων, αλλά από την προστασία χιλιάδων διαφορετικών συσκευών και δικτύων.
Με στοιχεία από Reuters
