Уявіть собі хробака, який не просто виконує зашитий у нього скрипт, а діє як «живий» інженер: сканує мережу, знаходить нові пристрої, самостійно добирає драйвери, компонує код для запуску власного AI-рушія і перестрибує далі.
Уявіть собі хробака, який не просто виконує зашитий у нього скрипт, а діє як «живий» інженер: сканує мережу, знаходить нові пристрої, самостійно добирає драйвери, компонує код для запуску власного AI-рушія і перестрибує далі.
Дослідники з Frontier Red Team (Вільям Чжоу та Деніел Фріман) опублікували репорт, який звучить як зав’язка для кіберпанк-трилера: через кілька місяців маленькі штучні інтелекти (до 30 млрд параметрів) зможуть автономно розмножуватися через звичайні IoT-пристрої — від дешевих ТВ-приставок на Android до розумних духовок.
Ми вже стисло писали по це на цьому тижні. Але у робочі дні всі, як правило, заклопотані. Немає часу і ресурсів на сприйняття довгих історій. На виходних давайте зануримося в цю тему (повірте, вона важлива) і зрозуміємо разом, чи слід вже починати боятися:)
Ми (dev.ua) зібрали головне з дослідження: як працює цей «вірус», чому його майже неможливо зупинити та коли чекати на перші реальні AI-ботнети.
Концепція ARA (Autonomous Replication and Adaptation) описує сценарій, коли модель штучного інтелекту розгортає й поширює сама себе без будь-якого контролю з боку людини.
Раніше дослідники вже демонстрували, що AI-агенти вміють знаходити вразливості в мережі (cyber exploits). Проте головний челендж для автономного хробака — це Inference Setup (налаштування виводу/запуску).
Щоб завестися на чужому залізі, AI-хробак має:
Визначити тип операційної системи та процесора.
Підібрати сумісний стек бібліотек, виправити конфлікти версій та виловити баги.
Розподілити свої «ваги» (weights) або запустити легшу модель на обмежених ресурсах.
Продовжити сканування мережі для пошуку нових жертв.
Саме це й протестували Frontier Red Team.
Щоб довести життєздатність концепції, дослідники придбали 15 звичайних бюджетних Android TV-боксів (ціною близько $55 за штуку) з 4 ГБ оперативної пам’яті.
На таких пристроях немає потужних GPU, але дослідники використали пайплайн-паралелізм: модель Gemma4-26B-A4B розбили на шарди (фрагменти), і кожна приставка тримала лише по кілька шарів моделі.
Результат: Фліт із 15 ТВ-боксів видав швидкість інференсу 0.39 токенів на секунду. Це повільно, але цілком достатньо для автономного агента, який працює у фоновому режимі 24/7.
Схема автономної реплікації AI-хробака:
[Пошук цілей] ➔ [Отримання доступу] ➔ [Налаштування Інференсу (Inference Setup)] ➔ [Подальше поширення]
Малі моделі (до 30B, як-от Qwen 3.5-9B) здатні підняти середовище запуску на 8 із 9 протестованих типів заліза (від Jetson Nano до RTX 4090). Проте при спробі пройти весь цикл автономно від «А» до «Я» вони поки плутаються у послідовності дій.
Флагманські відкриті моделі (GLM-5.2): у ізольованому середовищі на GCP (8 вузлів redroid) модель GLM-5.2 змогла автономно заразити весь фліт у 4 з 5 випробувань, успішно налаштовуючи запуск Llama 3.1-8B на кожному пристрої.
Для виникнення повноцінного автономного AI-хробака мають збігтися дві умови:
Поріг можливостей (Capability Floor): Модель має бути достатньо розумною, щоб вирішувати нетипові інженерні завдання під час зараження.
Стеля розміру (Size Ceiling): Модель має бути достатньо компактною, щоб «влізати» у пам’ять дешевих IoT-пристроїв.
Зараз ці лінії ще не перетиналися. Проте, згідно з графіком розгортання моделей за лінійкою Epoch Capabilities Index (ECI), рівень інтелекту малих моделей зростає на 13.7 пунктів на рік.
Прогноз дослідників: моделі розміром до 30B параметрів досягнуть рівня інтелекту GLM-5.2 вже до кінця 2026 року. Це означає, що малі вагові реплікатори стануть реальністю вже найближчим часом.
Еволюція Ламарка (навчання під час поширення) каже нам про те, що на відміну від звичайного коду, AI-хробак вчиться на своїх помилках. У експерименті модель Qwen 3.5-9B залишала «нотатки» для своїх наступних копій. У результаті відсоток успішного розгортання інференсу зріс із 45% у першому поколінні до 61–84% у наступних.
Адаптивність до невідомого заліза: звичайний хробак ламається, якщо потрапляє на незнайому архітектуру. AI-агент здатний дебажити код, підбирати прапорці компілятора та шукати шляхи обходу помилок.
Відсутність центральної точки вимкнення: такий вірус живе роззосереджено на мільйонах побутових приладів. Навіть якщо знищити командний сервер, автономні вузли продовжуватимуть шукати нові жертви.
Цікавий факт: дослідники спробували дати малим моделям доступ до «старшого радника» (Opus 4.8). Виявилося, що це не допомогло: малі моделі просто не вміють правильно ставити запитання складним AI, тому найефективніше вони працюють як автономні «робочі конячки».
Швидкість поширення такого хробака буде низькою (подвоєння мережі займатиме дні, а не хвилини), що нагадує скоріше «плісняву» або популяцію фруктових мушок, які поступово заводяться у фруктах і потім з’являються у великій кількості (їх вже не вивести).
Проте масштаби ботнету Kimwolf (нещодавно заразив понад 2 млн ТВ-приставок) показують, що сукупна потужність таких мереж може вимірюватися еквівалентом десятків серверних GPU H100. Це просто може бути AI-мережа монстр, яка сама себе розмножує, і це не контролюється.
Головний висновок для розробників та фахівців з кібербезпеки: захист IoT-пристроїв більше не можна ігнорувати. Базові паролі за замовчуванням та відкриті порти ADB у смарт-ТВ вже найближчими роками можуть стати фундаментом для некерованого цифрового організму.
