فريق Red Team التابع لـ Anthropic: قد تتكاثر نماذج AI الصغيرة ذاتيًا قريبًا على أجهزة IoT

قد تتكاثر النماذج الصغيرة ذاتيًا على أجهزة المستخدم

وفقًا لـ Frontier Red Team التابع لـ Anthropic، قد تتكاثر نماذج AI الصغيرة خلال بضعة أشهر على أجهزة IoT التجارية، مثل الغلايات الذكية وأجهزة Android TV ذات علامات تجارية أقل شهرة. وفقًا لتقييماتهم، عالج نموذج 9B الاستدلال في 8 من أصل 9 أنواع تم فحصها من الأجهزة. النماذج ذات 30B معلمة أو أقل قادرة بالفعل على تنفيذ خطوات متعددة منفصلة من التكاثر الذاتي، لكنها ترتكب أخطاء عند تجميعها من البداية إلى النهاية.

في تقييمات مبسطة، يمكن لـ GLM-5.2 والنماذج الأقوى التكاثر الذاتي من البداية إلى النهاية. إذا تطورت النماذج الصغيرة بالوتيرة التاريخية، فستصل إلى هذا المستوى من القدرة بحلول نهاية 2026.

تشغيل النماذج القادرة على أجهزة رخيصة

قام الفريق بتوليد استدلال موزع لـ Gemma4-26B-A4B على جهاز Android TV ذو علامة تجارية غير معروفة بمعدل 0,39 رمز في الثانية. نجح Qwen3.5-9B في تثبيت استدلال على خوادم بأجهزة مختلفة، بدءًا من Jetson Nanos وانتهاءً بـ Mac PCs و RTX 4090s. تحتوي أجهزة TV العادية على ذاكرة RAM من 1 إلى 4 غيغابايت، مما يسمح بتشغيل نماذج 9B على 4 أجهزة أو أكثر، ونماذج 26B على 10 أجهزة أو أكثر.

سلسلة التكاثر الذاتي وتقييمات السرعة

قسم الفريق التكاثر الذاتي المستقل إلى أربع مراحل: البحث عن الأهداف، الحصول على التنفيذ، تثبيت الاستدلال، ومواصلة الانتشار. في اختبار محاكى على 8 عقد في GCP، كان GLM-5.2 هو النموذج المفحوص الوحيد الذي حقق تكاثرًا ذاتيًا كاملًا من البداية إلى النهاية وانتشر على 8 من 8 عقد في 4 من 5 محاولات. كان الانتشار بطيئًا، وكان وقت التضاعف يقاس بالأيام. كان بإمكان شبكة بوتنت من 2 مليون جهاز TV إنشاء حوالي 133000 نسخة من النموذج، والتي مجتمعة تعالج حوالي 80000 رمز في الثانية.

التكيفات والعوامل المخففة

يمكن للنماذج تلقي ملاحظات من النسخ الأصلية، مما يحسن معدل نجاح التثبيت بين الأجيال من 45% إلى 61-84%. يمكن للمدافعين استخدام التوقيعات الشبكية من عمليات نقل تحميل نماذج متعددة الغيغابايت وحركة المرور المستمرة من جهاز إلى جهاز، لخفض مؤشر التكاثر إلى أقل من 1.

المصادر: anthropic.com