Anthropic: co wykazały testy samoreplikacji AI

Nie. Raport Anthropic z 12 października 2026 r. opisuje kontrolowane testy poszczególnych etapów samoreplikacji, a nie samodzielne rozprzestrzenienie małego modelu wśród prawdziwych urządzeń domowych. W jednej próbie model działał na zestawie przystawek Android TV, w innej agent AI przechodził przez emulowane urządzenia w odizolowanej sieci. Raport Anthropic

Trzy testy, trzy różne wyniki

Wyniki dotyczą różnych zadań i konfiguracji. Rozproszone wnioskowanie na przystawkach, uruchamianie serwera na różnych typach sprzętu i test sieciowy nie były jednym pokazem autonomicznego ataku.

W teście sieciowym GLM-5.2 nie działał na urządzeniach docelowych. Agent konfigurował na nich wnioskowanie z użyciem Llama 3.1 8B, a następnie uruchamiał kolejną kopię agenta. Anthropic opisał ten układ jako uproszczony test z łatwym dostępem do sieci — nie próbę odtworzenia typowych zabezpieczeń urządzeń domowych.

Wynik z przystawek mówi, że w tej konfiguracji można było rozdzielić wnioskowanie modelu między niedrogie urządzenia, ale łączna szybkość wyniosła 0,39 tokena na sekundę. To osobna obserwacja od testu sieciowego: nie oznacza, że przystawki samodzielnie wyszukiwały kolejne urządzenia i się na nie przenosiły.

Co zmieniło przekazywanie kontekstu w eksperymencie Memento

W osobnym eksperymencie z Qwen3.5-9B kolejne instancje dziedziczyły kod, środowisko i notatki poprzedników za pośrednictwem Memento. W 20 liniach eksperymentu skuteczność konfiguracji wnioskowania wynosiła 45% w pierwszej generacji, a w późniejszych generacjach mieściła się w przedziale 61–84%.

To wynik dotyczący przekazywania pracy i informacji między instancjami. Nie oznacza, że model samodzielnie zmieniał swoje wagi lub się trenował. Anthropic oszacował też czas konfiguracji na 28–51 godzin dla Qwen3.5-9B oraz 71–150 godzin dla Gemma4-26B-A4B w warunkach tej oceny. Są to szacunki dla opisanych zadań konfiguracyjnych, nie uniwersalne czasy rozprzestrzeniania się po sieci.

Dlaczego prognoza na koniec 2026 roku jest warunkowa

Anthropic podał, że modele o wielkości do 30 mld parametrów potrafiły wykonać wiele pojedynczych zadań związanych z replikacją, ale połączone w cały proces nadal popełniały błędy. Zespół oszacował, że mały model może osiągnąć badany poziom możliwości do końca 2026 r., jeśli utrzyma się dotychczasowe tempo poprawy.

Prognoza opiera się na Epoch Capabilities Index (ECI), wskaźniku ogólnych możliwości modeli, użytym jako przybliżenie zdolności do replikacji. Dopasowany trend wzrastał o 13,7 punktu ECI rocznie (R² = 0,95). To warunkowa ekstrapolacja poziomu zmierzonego w testach, a nie termin przewidywanego zdarzenia w prawdziwych sieciach.

Wykrywanie i ograniczanie skutków

Anthropic wskazał kilka możliwych sygnałów sieciowych: duże transfery plików z wagami modeli, długotrwałe wnioskowanie między urządzeniami i skanowanie kolejnych hostów. Wśród rozważanych działań wymienił kwarantannę po stronie dostawców internetu, powiadamianie klientów oraz wyższe standardy bezpieczeństwa urządzeń IoT.

Jako przykład ograniczania skutków raport przytoczył badanie porządkowania sieci zainfekowanych przez Mirai. W ciągu 14 dni usunięto 92% infekcji przy kwarantannie sieci i powiadomieniu klientów, wobec 74% bez powiadomienia:

To przykład dotyczący Mirai, nie pomiar reakcji na samoreplikującą się AI. Anthropic zaznaczył też, że całkowite usunięcie takiego zagrożenia wymagałoby współpracy wszystkich dostawców internetu obsługujących zainfekowane sieci.