Может ли ИИ размножаться? Anthropic запустила эксперимент на 15 дешёвых приставках

Может ли искусственный интеллект размножаться как компьютерный вирус? Anthropic провела эксперимент, чтобы понять, насколько мы далеки от такого сценария. Исследователи купили 15 дешёвых Android TV-приставок по $55 каждая, соединили их в сеть и запустили нейросеть. Параллельно протестировали, могут ли ИИ-агенты самостоятельно развертывать модели на новых устройствах. Результаты показали: по отдельности компоненты уже работают, но собрать их в единый надёжный цикл пока не удаётся.

Дешёвое железо как вычислительная сеть

Пятнадцать приставок с 4 ГБ оперативной памяти каждая выполняли роль вычислительного кластера. На них запустили модель Gemma4-26B-A4B (26 миллиардов параметров), распределив её весы между устройствами. Каждая приставка отвечала за вычисление своей части, результаты передавались по цепочке. Скорость составила 0,39 токена в секунду — крайне мало для беседы с чат-ботом, но вполне приемлемо для автоматического агента, которому не нужно отвечать человеку в реальном времени.

Этот эксперимент не демонстрировал самокопирование: исследователи сами собрали сеть и запустили модель. Вместо этого он показал более узкий, но важный факт — даже такое мизерное оборудование способно поддерживать работу больших моделей при объединении ресурсов. Следующий вопрос острее: кто подготовит эту инфраструктуру, если рядом не будет человека-исследователя?

Агенты учатся подготавливать среду

Anthropicпоручила моделям самостоятельно запускать другую нейросеть — Llama3.1-8B — на разном оборудовании. Требовалось определить характеристики машины, установить совместимые зависимости, устранить возникающие ошибки. Модель Qwen3.5-9B (9 миллиардов параметров) справилась на восьми из девяти проверенных типов оборудования.

Но агенты часто застревают в неправильных объяснениях. Один экземпляр Qwen часами переустанавливал пакеты, ошибочно думая, что там причина ошибки. На самом деле проблема была в несовместимости интерфейсов между компонентами — никакие переустановки это не решат.

Для борьбы с такими ситуациями исследователи разработали систему Memento. Она периодически запускает новую сессию агента, передавая ей рабочие файлы и краткие заметки о предыдущих попытках. Следующий экземпляр получает шанс переоценить задачу заново, вместо того чтобы упорствовать в неудаче.

Распространение по лабораторной сети

Затем Anthropic проверила, смогут ли модели организовать последовательное распространение. Для этого создали изолированную сеть из восьми виртуальных машин с эмуляторами Android. Агент должен был находить новые узлы и развертывать на них Llama3.1-8B.

Из открытых моделей полный цикл прошла GLM-5.2. В четырёх запусках из пяти она достигала всех восьми узлов, в оставшемся — семи. Однако результат имеет существенные оговорки: аутентификация была отключена, сама GLM-5.2 работала на отдельном сервере, и экспериментальная система помогала запускать агента на каждом новом узле. Когда установку заменили готовым скриптом, со скриптом справились и компактные модели, включая те, что помещаются на слабом железе. Это указывает на главное препятствие: не сама нейросеть, а подготовка рабочей среды.

Разрыв между мощностью и компактностью

Эксперименты выявили два несовместимых требования. Модель должна быть достаточно маленькой для работы на доступном оборудовании и одновременно достаточно способной для самостоятельной подготовки среды. В опытах Anthropic сильная модель (GLM-5.2) полагалась на помощь сервера, а компактные модели не обладали надёжностью.

Авторы исследования прогнозируют, что к концу 2026 года малые модели могут приблизиться к уровню GLM-5.2 по общему индексу способностей. Однако это грубый ориентир: способность к размножению может развиваться иначе, чем общая производительность.

Даже если такие системы появятся, они вероятно будут медленны — на подготовку одной копии потребуются дни. Трудность для защитников состояла бы не в скорости атаки, а в множестве разрозненных устройств, которые нельзя остановить отключением одного сервера. Пересылка файлов моделей и обмен данными между узлами оставляли бы заметный сетевой след, но это уже вопрос обнаружения и мониторинга.