Anthropic เตือนว่าโมเดล AI ขนาดเล็กอาจอีกไม่กี่เดือนก็เก่งพอจะ “ขยายพันธุ์” เองบนอุปกรณ์ IoT ราคาถูกอย่างกล่อง Android TV หรือแม้แต่เตาอบอัจฉริยะ โดยไม่ต้องพึ่งดาต้าเซ็นเตอร์ใหญ่ และถ้าเกิดขึ้นจริงจะไม่มีจุดเดียวที่กดปิดทั้งฝูงได้ง่าย ๆ
ภาพที่แล็บโชว์ช่วยให้เห็นภาพชัดขึ้น พวกเขาประกอบกล่องทีวีจีนราคาประมาณเครื่องละ $55 จำนวน 15 เครื่อง แล้วกระจายโมเดล Gemma4-26B ไปรันร่วมกันได้จริง แม้ความเร็วจะช้ามากราว 0.39 โทเคนต่อวินาที แต่พอพิสูจน์แล้วว่าฝูง IoT ก็ยกโมเดลใหญ่พอสมควรขึ้นมาวิ่งได้
AI worm ในนิยามของงานนี้คืออะไร
Anthropic อธิบายว่า worm คือโปรแกรมที่ก็อปปี้ตัวเองจากเครื่องหนึ่งไปอีกเครื่องโดยไม่ต้องมีคนกดสั่ง ในบริบท AI น้ำหนักโมเดลสามารถเป็นส่วนหนึ่งของ payload ได้ แล้วไปรัน inference บนเครื่องที่ถูกยึดต่อ ๆ ไป กลุ่มนี้เขาเรียกแนวทางนี้ว่า weight-based replicator
งานชิ้นนี้โฟกัสขั้นที่วัดกันยากกว่าการเจาะช่องโหว่ธรรมดา คือการ “ตั้งระบบ inference” บนฮาร์ดแวร์แปลก ๆ ที่โมเดลไม่คุ้น ตั้งแต่ Jetson Nano ไปจนถึง Mac และ RTX 4090 เพราะต้องเลือกสแต็ก เวอร์ชันแพ็กเกจ และดีบักปัญหาเครื่องต่อเครื่องให้จบเป็นห่วงโซ่
ทดลองในกรอบที่คุมไว้ และข้อจำกัดที่ต้องอ่านคู่กัน
ในเครือข่ายทดลองบน GCP ที่รัน Android emulator จำนวน 8 โหนด Anthropic ทำให้ขั้นเจาะระบบง่ายเป็นพิเศษ (พอร์ต ADB ไม่มีการยืนยันตัวตน) เพื่อวัดว่าโมเดลประกอบขั้นค้นหาเป้าหมาย ส่ง payload และตั้ง inference ได้ครบหรือไม่ ในชุดนี้ GLM-5.2 ทำได้ตั้งแต่ต้นจนจบอย่างสม่ำเสมอ ขณะที่โมเดลอื่นล้มเหลวซ้ำ ๆ
ทีมยังประเมินว่าถ้าความสามารถของโมเดลเล็กยังไต่ระดับตามแนวโน้มเดิม อาจถึงระดับที่เทียบเคียงความสามารถ replication แบบนี้ได้ภายในสิ้นปี 2026 แต่ย้ำว่านี่เป็นการประมาณจากดัชนีความสามารถทั่วไป ไม่ใช่การันตีวันเกิด worm จริงในชีวิตประจำวัน และการทดลองยังตั้งใจทำให้ง่ายกว่าโลกจริงหลายชั้น
ช้าแบบราเมน แต่กวนใจแบบเห็ดเมือกดิจิทัล
ถ้าเทียบความเร็ว Anthropic ยกตัวอย่างว่าการตั้ง inference บนฮาร์ดแวร์แบบกล่องทีวีอาจกินเวลาหลายสิบชั่วโมงต่อรอบ ภาพที่เขาใช้คือ slime mold หรือฝูงแมลงวันผลไม้ ที่ขยายทีละน้อยในหน่วยวัน ไม่ใช่ระเบิดไวรัลในนาทีเดียว แต่ข้อต่างจาก botnet เก่า ๆ คือ AI ไม่ได้ผูกกับรุ่นเครื่องเดียว มันปรับกับฮาร์ดแวร์แปลกได้กว้างกว่า และส่งโน้ตจากรุ่นพ่อไปรุ่นลูกเพื่อให้รอบถัดไปสำเร็จง่ายขึ้น
ฝั่งป้องกัน เขายกจุดที่ได้เปรียบ เช่น traffic ของการส่งน้ำหนักโมเดลขนาดใหญ่จะผิดปกติในระบบมอนิเตอร์ของ ISP การกักกันแบบที่เคยใช้กับ Mirai และการบังคับไม่ให้ IoT ใช้รหัสผ่านโรงงานแบบเดิม แนวคิดหลักคือดันค่า R0 ให้ต่ำกว่า 1 จนการแพร่ค่อย ๆ ดับเอง
อ่านคู่กับข่าว AI แนวพีค ๆ อื่นบนเว็บได้ เช่น Claude ที่เคยส่งเบาะแสคดีปลอมให้ตำรวจ หรือ คลิป AI พา Jensen Huang ไปแทน Michael Jackson อันนี้โทนไม่ใช่มีมบนเวที แต่เป็นงานวิจัยที่พูดถึงฝูงโมเดลบนกล่องทีวีราคาถูกแบบจริงจัง
