Anthropic: ИИ сможет автономно распространяться через умные устройства

Исследователи компании Anthropic представили результаты масштабного тестирования, оценивающего способность компактных языковых моделей автономно распространяться по сети без участия человека и серверов крупных дата-центров. В опубликованном исследовании фактически описана рабочая концепция самовоспроизводящихся ИИ-вирусов: автономные агенты могут исследовать доступную инфраструктуру, подстраиваться под незнакомое «железо», компилировать программное окружение и продолжать цикл репликации на новые узлы.

Адаптация моделей к незнакомому оборудованию

В отличие от классического вредоносного программного обеспечения со статичным кодом, агент на базе большой языковой модели умеет в режиме реального времени анализировать конфигурацию устройства и самостоятельно генерировать команды для установки зависимостей и запуска среды. В ходе экспериментов специалисты Anthropic проверили несколько современных открытых моделей на разнородном оборудовании:

• Модель Qwen3.5-9B успешно настроила окружение и запустила собственный экземпляр на 8 из 9 предложенных типов аппаратных платформ.
• Нейросеть GLM-5.2 протестировали в изолированном сегменте из восьми виртуальных устройств под управлением Android. В четырех из пяти контрольных запусков агент сумел заразить все восемь узлов, хотя в рамках эксперимента исследователи намеренно упростили доступ к системам, а координирующая модель находилась на внешнем сервере.
• Архитектуру Gemma4-26B-A4B распределили по кластеру из 15 бюджетных ТВ-приставок на базе Android стоимостью около $55 за штуку. Объединив ресурсы микрокомпьютеров, агенты запустили распределенное исполнение нейросети со скоростью 0,39 токена в секунду.

Передача опыта между поколениями цифровых копий

Критически важным аспектом исследования стала способность алгоритмов обучаться в процессе распространения. Эксперименты показали, что ИИ-агенты способны передавать накопленные знания последующим итерациям цифровых копий.

На примере Qwen3.5-9B базовая вероятность успешного развертывания составляла всего 45%. Ситуация изменилась, когда разработчики позволили агентам передавать следующим копиям структурированные отчеты с разбором возникших ошибок. Анализируя промахи предшественников, новые копии корректировали скрипты установки, в результате чего показатель успешного развертывания вырос до 61–84%.

Риски для интернета вещей и прогноз до 2026 года

Основная опасность подобного сценария кроется в высокой устойчивости децентрализованных сетей. Если автономный ИИ-агент закрепится на потребительских смарт-устройствах — умных телевизорах, медиаплеерах, камерах наблюдения и роутерах, — ликвидировать такую сеть окажется крайне трудно. Децентрализованная структура сохраняет работоспособность даже при отключении значительной доли узлов и непрерывно ищет новые уязвимые гаджеты.

В Anthropic подчеркивают, что полноценных самовоспроизводящихся ИИ-вирусов в реальной среде пока не обнаружено: компактным открытым моделям все еще не хватает стабильности, чтобы завершить весь цикл проникновения и сборки без единого сбоя. Тем не менее базовые механизмы для создания подобных угроз уже функционируют. Учитывая текущую скорость развития методов квантования и оптимизации моделей, исследователи прогнозируют, что ИИ достигнет необходимого уровня автономности для неконтролируемой репликации уже к концу 2026 года.