Η αυτοαναπαραγωγή της AI ενδέχεται να αποτελέσει την επόμενη μεγάλη πρόκληση για την κυβερνοασφάλεια, όχι επειδή η τεχνητή νοημοσύνη αποκτά δική της βούληση, αλλά επειδή τα μοντέλα γίνονται αρκετά ικανά ώστε να εκτελούν πολύπλοκες διαδικασίες χωρίς συνεχή ανθρώπινη παρέμβαση. Μια νέα έρευνα της Anthropic δείχνει ότι πλησιάζει η στιγμή που ένας AI agent θα μπορεί να εγκαθίσταται σε ευάλωτες συσκευές, να δημιουργεί λειτουργικά αντίγραφα και να συνεχίζει την εξάπλωσή του. Το πραγματικά ανησυχητικό στοιχείο είναι ότι μπορεί να μη χρειάζεται καν ένα ισχυρό data center για να το πετύχει.
Η έρευνα, που δημοσιεύθηκε στις 12 Οκτωβρίου από την Frontier Red Team της Anthropic, τοποθετεί αυτή την τεχνολογική δυνατότητα ενδεχομένως λίγους μήνες μακριά. Πρόκειται όμως για εκτίμηση και όχι για επιβεβαιωμένη εξέλιξη. Οι δοκιμές πραγματοποιήθηκαν σε ελεγχόμενα περιβάλλοντα, με απλουστευμένες συνθήκες πρόσβασης στις συσκευές. Κανένα από τα πειράματα δεν απέδειξε ότι υπάρχει ήδη ένα πλήρως αυτόνομο AI worm που εξαπλώνεται ανεξέλεγκτα στο διαδίκτυο.
Το πραγματικό πρόβλημα δεν είναι καινούργιο
Για να γίνει κατανοητή η σημασία της έρευνας, χρειάζεται να εξετάσουμε τι συμβαίνει ήδη με εκατομμύρια συνδεδεμένες συσκευές.
Τον Ιανουάριο του 2026, ερευνητές της Synthient αποκάλυψαν ότι το botnet Kimwolf είχε μολύνει περισσότερες από δύο εκατομμύρια συσκευές, κυρίως οικονομικά Android TV boxes.
Το Kimwolf δεν αποτελεί παράδειγμα αυτοαναπαραγόμενης τεχνητής νοημοσύνης. Είναι ένα συμβατικό κακόβουλο δίκτυο, το οποίο εκμεταλλεύεται αδύναμες ρυθμίσεις ασφαλείας.
Αποδεικνύει, ωστόσο, πόσο μεγάλη υπολογιστική υποδομή μπορεί να δημιουργηθεί από συσκευές που οι ιδιοκτήτες τους θεωρούν ασήμαντες.
Η διαφορά είναι ότι ένα παραδοσιακό botnet ακολουθεί προκαθορισμένες εντολές και τεχνικές παραβίασης. Ένα μελλοντικό AI botnet θα μπορούσε να προσαρμόζει τη συμπεριφορά του όταν συναντά διαφορετικό hardware ή λογισμικό.
Αυτό ακριβώς το ενδεχόμενο επιχείρησε να διερευνήσει η Anthropic.
Το πείραμα που αλλάζει τα δεδομένα
Οι ερευνητές χρησιμοποίησαν 15 οικονομικά Android TV boxes, αξίας περίπου 55 δολαρίων το καθένα, για να εκτελέσουν το μοντέλο Gemma4-26B-A4B.
Κανένα από τα συγκεκριμένα μηχανήματα δεν διέθετε αρκετή μνήμη για να φιλοξενήσει ολόκληρο το μοντέλο.
Η λύση ήταν η κατανομή του σε μικρότερα τμήματα, με κάθε συσκευή να αναλαμβάνει μέρος των υπολογισμών.
Το αποτέλεσμα ήταν λειτουργικό, αλλά εξαιρετικά αργό. Περίπου 0,39 tokens ανά δευτερόλεπτο.
Η ταχύτητα αυτή δεν προσφέρεται για συνηθισμένη χρήση AI. Αποδεικνύει όμως κάτι σημαντικότερο. Η εκτέλεση ενός μοντέλου μπορεί να κατανεμηθεί σε πολλές φθηνές συσκευές, χωρίς εξειδικευμένους AI servers.
Σε ξεχωριστές δοκιμές, ένα μικρότερο μοντέλο εννέα δισεκατομμυρίων παραμέτρων κατάφερε να εγκαταστήσει λειτουργικό περιβάλλον εκτέλεσης AI σε οκτώ από τις εννέα διαφορετικές κατηγορίες hardware που εξετάστηκαν.
Η κρίσιμη λεπτομέρεια που αλλάζει την ερμηνεία
Το πιο εντυπωσιακό αποτέλεσμα προήλθε από το GLM-5.2, το οποίο ολοκλήρωσε τη διαδικασία διάδοσης σε οκτώ εικονικές συσκευές στις τέσσερις από τις πέντε δοκιμές.
Υπάρχει, όμως, μια ουσιαστική διαφορά ανάμεσα σε αυτό το αποτέλεσμα και στην πραγματική αυτοαναπαραγωγή AI.
Το GLM-5.2 εκτελούνταν σε ξεχωριστό υπολογιστικό περιβάλλον. Οι εικονικές συσκευές φιλοξενούσαν άλλο, μικρότερο μοντέλο, ενώ οι ερευνητές ενεργοποιούσαν τα επόμενα αντίγραφα όταν ολοκληρώνονταν συγκεκριμένοι έλεγχοι.
Επιπλέον, η πρόσβαση στις συσκευές είχε σκόπιμα απλοποιηθεί, χωρίς να απαιτείται παράκαμψη κανονικών μηχανισμών ελέγχου ταυτότητας.
Επομένως, αποδείχθηκε ότι ένα ισχυρό AI μοντέλο μπορεί να συντονίζει με επιτυχία σημαντικά στάδια της διαδικασίας. Δεν αποδείχθηκε ότι μπορεί ήδη να παραβιάζει οποιαδήποτε συσκευή και να αναπαράγει αυτόνομα ολόκληρο το σύστημά του.
Γιατί η Anthropic μιλά για λίγους μήνες
Η πρόβλεψη της εταιρείας βασίζεται σε δύο τεχνολογικές εξελίξεις που πλησιάζουν μεταξύ τους.
Από τη μία πλευρά, τα ισχυρότερα μοντέλα μπορούν να ολοκληρώνουν σύνθετες εργασίες, αλλά απαιτούν σημαντικούς πόρους.
Από την άλλη, μικρότερα μοντέλα εκτελούνται σε συνηθισμένο hardware, χωρίς ακόμη να διαθέτουν την ίδια αξιοπιστία.
Η Anthropic εκτιμά ότι, εφόσον συνεχιστεί ο ιστορικός ρυθμός βελτίωσης, μικρά μοντέλα θα μπορούσαν να φτάσουν το απαραίτητο επίπεδο ικανοτήτων μέχρι το τέλος του 2026.
Η εκτίμηση προκύπτει από γενικούς δείκτες απόδοσης των μοντέλων, όχι από άμεση μέτρηση του πότε θα εμφανιστεί ένα λειτουργικό AI worm.
Ακόμη και αν επιβεβαιωθεί, η αυτοαναπαραγωγή AI δεν συνεπάγεται ότι τα συστήματα αποκτούν συνείδηση ή προσωπικούς στόχους. Περιγράφει την αυτόνομη εκτέλεση μιας διαδικασίας αντιγραφής και εγκατάστασης, σύμφωνα με συγκεκριμένες οδηγίες ή μηχανισμούς λειτουργίας.
Το στοιχείο που ενδέχεται να δυσκολέψει περισσότερο την άμυνα
Μια λιγότερο προβεβλημένη διαπίστωση της έρευνας αφορά την ικανότητα προσαρμογής.
Όταν διαδοχικές εκτελέσεις του Qwen3.5-9B κληρονομούσαν σημειώσεις από προηγούμενες προσπάθειες, η επιτυχία εγκατάστασης αυξήθηκε από 45% σε ποσοστά μεταξύ 61% και 84%.
Δεν πρόκειται για αυτόματη εκπαίδευση νέων μοντέλων. Πρόκειται για αξιοποίηση αποθηκευμένων εμπειριών, λαθών και λύσεων.
Αυτή η δυνατότητα έχει ιδιαίτερη σημασία στην κυβερνοασφάλεια: ένα κακόβουλο σύστημα που αποτυγχάνει σε μια συσκευή ενδέχεται να χρησιμοποιήσει τις πληροφορίες της αποτυχίας για να προσεγγίσει αποτελεσματικότερα την επόμενη.
Η απειλή, επομένως, δεν βρίσκεται αποκλειστικά στην ταχύτητα εξάπλωσης, αλλά στην προσαρμοστικότητα.
Μπορεί να αντιμετωπιστεί ένα αυτοαναπαραγόμενο AI;
Η αποκεντρωμένη λειτουργία δεν σημαίνει ότι ένα τέτοιο σύστημα θα είναι αδύνατο να εντοπιστεί.
Η μεταφορά μεγάλων αρχείων μοντέλων και η συνεχής επικοινωνία μεταξύ συσκευών δημιουργούν χαρακτηριστική δικτυακή δραστηριότητα, την οποία μπορούν να αναγνωρίσουν οι μηχανισμοί παρακολούθησης.
Η μεγαλύτερη πρόκληση θα είναι ο περιορισμός της εξάπλωσης σε χιλιάδες διαφορετικά δίκτυα και κατασκευαστές.
Η προστασία ξεκινά από γνωστές πρακτικές: ενημερώσεις ασφαλείας, κατάργηση προεπιλεγμένων κωδικών, περιορισμό της απομακρυσμένης πρόσβασης και απομόνωση των IoT συσκευών από κρίσιμα συστήματα.
Η ουσία της έρευνας της Anthropic είναι τελικά διαφορετική από την εικόνα μιας τεχνητής νοημοσύνης που ξαφνικά ξεφεύγει από τον ανθρώπινο έλεγχο.
Το πρόβλημα είναι ότι ένα ήδη ευάλωτο διαδίκτυο συσκευών μπορεί σύντομα να φιλοξενεί κακόβουλο λογισμικό ικανό να προσαρμόζεται μόνο του.
Και αυτό μετατρέπει την αυτοαναπαραγωγή AI από ένα θεωρητικό σενάριο σε πρόβλημα για το οποίο η κυβερνοασφάλεια οφείλει να προετοιμαστεί πριν εμφανιστεί η πρώτη πραγματική επίθεση.
