Anthropic cảnh báo AI nhỏ đang tiến gần khả năng tự sao chép trên thiết bị IoT

Theo The Epoch Times ngày 13/10, Anthropic ngày 12/10 công bố nghiên cứu cảnh báo các mô hình AI nhỏ có thể chỉ còn cách khả năng tự sao chép trên thiết bị Internet vạn vật (IoT) thương mại vài tháng, không cần dựa vào trung tâm dữ liệu hoặc sự hỗ trợ của con người. Thiết bị được đề cập gồm lò nướng thông minh và hộp Android TV. Một hệ thống phân tán như vậy sẽ khó bị tắt hoàn toàn vì không có điểm điều khiển trung tâm.

AI nhỏ tiến gần ngưỡng tự sao chép

Thử nghiệm của nhóm Frontier Red Team thuộc Anthropic cho thấy các mô hình có không quá 30 tỷ tham số đã có thể thực hiện nhiều bước riêng lẻ cần thiết cho việc sao chép. Chúng có thể chạy theo cách chia nhỏ trên tủ lạnh, lò nướng, robot hút bụi, máy cắt cỏ và camera an ninh có chip AI nhỏ. Tuy nhiên, khi nối toàn bộ các bước từ đầu đến cuối, chúng vẫn mắc lỗi.

Nghiên cứu nhận thấy mô hình GLM-5.2 của Zhipu AI và các mô hình mạnh hơn có thể hoàn thành việc sao chép từ đầu đến cuối trong bài kiểm tra được đơn giản hóa. Nếu năng lực của các mô hình nhỏ tiếp tục tăng theo xu hướng khoảng 13,7 điểm Chỉ số Năng lực Epoch (ECI) mỗi năm, chúng có thể đạt mức năng lực sao chép này vào cuối năm 2026.

Anthropic nhấn mạnh ECI chỉ là chỉ dấu thay thế về năng lực chung. Mốc thời gian trên là ước lượng thô, không thể xác định chính xác khi nào khả năng đó xuất hiện.

Chạy mô hình 26 tỷ tham số trên 15 hộp TV

Để kiểm tra tính khả thi, nhóm mua 15 hộp Android TV không có thương hiệu lớn, giá khoảng 55 USD mỗi chiếc và bộ nhớ 1–4 GB. Nhóm dùng kỹ thuật xử lý song song theo đường ống để chia mô hình Gemma4-26B-A4B của Google DeepMind thành nhiều phần; mỗi hộp giữ hai lớp của mô hình. Hệ thống đạt tốc độ 0,39 token, tức đơn vị đầu ra của AI, mỗi giây.

Theo Anthropic, nhiều hộp TV này chạy các nhánh Android nguồn mở do nhà sản xuất tùy chỉnh, với tính năng bảo mật hạn chế. Với bộ nhớ 4 GB và lượng tử hóa 4 bit, khoảng bốn thiết bị trở lên có thể chạy mô hình 9 tỷ tham số; từ khoảng 10 thiết bị có thể chạy mô hình 26 tỷ tham số.

Hoạt động suy luận không nhất thiết cần quyền truy cập cao nhất của hệ thống, thường gọi là quyền root. Công cụ suy luận có thể chạy trong không gian người dùng; thiết bị vẫn có nguy cơ bị lây nhiễm trở lại sau khi khởi động lại.

Bài kiểm tra từ đầu đến cuối được đơn giản hóa

Nhóm thiết lập một đám mây riêng ảo cách ly với bên ngoài, gồm tám nút chạy trình giả lập Android redroid. Sau khi tạo nút khởi đầu, nhóm để AI tự di chuyển đến nút tiếp theo qua cổng Android Debug Bridge (ADB) không yêu cầu xác thực, chuyển thành phần cần thiết và dựng dịch vụ suy luận. Các nút sử dụng Llama3.1-8B để thống nhất cơ sở so sánh. Mô hình điều khiển chạy trên máy chủ suy luận riêng; thử nghiệm đo năng lực triển khai và lan truyền, không chứng minh GLM-5.2 tự chạy toàn bộ trên hộp TV.

Trong những mô hình trọng số mở được thử nghiệm, chỉ GLM-5.2 hoàn thành toàn bộ chuỗi công việc trong mô phỏng này: bốn trong năm lần thử lan tới cả tám nút, lần còn lại tới bảy nút. Các mô hình khác thất bại. Anthropic lưu ý việc cổng ADB không có xác thực khiến kết quả này là giới hạn trên của khả năng thành công ngoài thực tế. Một mô hình 9 tỷ tham số cũng dựng được suy luận trên tám trong chín loại phần cứng thử nghiệm.

Nhóm còn đề cập các kịch bản rủi ro khác, như đánh cắp thông tin xác thực API để khởi động máy chủ hoặc dùng công việc hợp pháp, chẳng hạn làm việc tự do trực tuyến, để trả chi phí suy luận.

Lan truyền chậm nhưng có khả năng thích nghi

Theo báo cáo, vấn đề đáng chú ý là khả năng thích nghi dù tốc độ sao chép còn chậm. Khi Qwen3.5-9B của Alibaba truyền lại lời nhắc, mã và ghi chép cho bản sao kế tiếp, tỷ lệ hoàn tất thiết lập suy luận tăng từ 45% lên cao nhất 84% qua sáu thế hệ.

Báo cáo ước tính Gemma4-26B-A4B mất khoảng 71–150 giờ để hoàn tất một lượt thiết lập suy luận trên hệ thống hộp TV; Qwen3.5-9B mất 28–51 giờ. Nếu giả định một mạng thiết bị có quy mô tương đương hơn hai triệu thiết bị từng bị botnet Kimwolf lây nhiễm, tổng năng lực suy luận được ước tính tối đa chỉ tương đương khoảng 40 GPU Nvidia H100.

Nhóm nghiên cứu ví dạng hệ thống chậm, phân tán này với một loại “nấm nhầy kỹ thuật số”. Đây là hình ảnh so sánh cách hệ thống phân bố và thích nghi.

Biện pháp phòng vệ và cảnh báo

Anthropic đề xuất giảm số thiết bị trung bình mà mỗi thiết bị nhiễm có thể lây sang xuống dưới một. Sự lan truyền trên quy mô lớn có thể tạo ra bất thường trong lưu lượng mà nhà cung cấp Internet nhận biết được. Nhóm dẫn kinh nghiệm phòng chống mã độc Mirai: cô lập kết nối của thuê bao bị nhiễm, kết hợp hướng dẫn làm sạch thiết bị, đã loại bỏ 92% trường hợp lây nhiễm trong 14 ngày.

Nhà sản xuất có thể thu hẹp số mục tiêu dễ bị tấn công bằng cấu hình mặc định an toàn hơn; quy định pháp lý cũng có thể góp phần nâng mức bảo vệ chung. Mirai xuất hiện năm 2016, nhắm vào thiết bị IoT như camera và bộ định tuyến bằng mật khẩu yếu.

Phần kết nghiên cứu dùng hình ảnh “dấu hiệu sự sống” để mô tả năng lực đang hình thành của các chương trình AI tự lan truyền. Các nhà nghiên cứu dự đoán AI có thể hiện diện trên nhiều loại phần cứng, phần mềm, từ hệ thống chậm và phân tán đến mô hình mạnh có khả năng vượt ra khỏi trung tâm dữ liệu. Họ kêu gọi tăng cường hệ thống để cản trở sự phát tán và chuẩn bị cho tương lai có những tác nhân nằm ngoài sự kiểm soát của con người.

Đối chiếu tài liệu nghiên cứu

Trong tài liệu gốc, Anthropic nói hiện chưa có một hệ thống tự sao chép ngoài kiểm soát hoàn chỉnh; nhóm đang quan sát khả năng thực hiện từng bước. Các dự đoán về tương lai vượt ra ngoài phạm vi thử nghiệm đã tiến hành.

Bản tin The Epoch Times nêu mức 74% ở nhóm chỉ được thông báo. Tài liệu Anthropic ghi mức này thuộc nhóm không nhận thông báo. Phần dữ kiện phòng vệ ở trên sử dụng tài liệu nghiên cứu để tránh nhầm nhóm so sánh.

Nguồn: Ngô Thụy Xương, The Epoch Times, ngày 13/10/2026; đối chiếu nghiên cứu Anthropic ngày 12/10/2026 của William Zhou và Daniel Freeman. Bản dịch đầy đủ nội dung chính; phần đối chiếu là bổ sung biên tập.