Anthropic: Các mô hình AI có thể sớm tự nhân bản như sâu máy tính

Nguy cơ đáng lo ngại là chúng có thể hoạt động trên mạng lưới thiết bị phân tán, không phụ thuộc vào một trung tâm dữ liệu duy nhất và khó bị vô hiệu hóa hoàn toàn.

Trong nghiên cứu công bố ngày 12/10, Anthropic cho biết các mô hình AI đang tiến gần hơn đến khả năng tự triển khai và phát tán trên những thiết bị không do con người trực tiếp kiểm soát.

Đây chưa phải bằng chứng cho thấy AI đã có thể tự nhân bản hoàn chỉnh trên diện rộng trong môi trường thực tế. Tuy nhiên, kết quả thử nghiệm cho thấy một số bước kỹ thuật quan trọng đã nằm trong khả năng của những mô hình AI hiện nay.

AI có thể biến thành loại sâu máy tính mới

Trong an ninh mạng, sâu máy tính là chương trình độc hại có khả năng tự sao chép từ thiết bị này sang thiết bị khác mà không cần con người thực hiện từng bước. Khi xâm nhập được một máy tính, sâu có thể tiếp tục tìm kiếm mục tiêu mới và phát tán qua mạng.

Anthropic cảnh báo các tác tử AI có thể phát triển khả năng tương tự nhưng linh hoạt hơn những chương trình độc hại truyền thống. Thay vì chỉ thực hiện các chỉ dẫn được lập trình sẵn cho một loại thiết bị nhất định, AI có thể tự tìm hiểu môi trường phần cứng và phần mềm chưa từng gặp, lựa chọn công cụ phù hợp, khắc phục lỗi và thiết lập cách vận hành trên thiết bị mới.

Trong kịch bản được nghiên cứu, một tác tử AI sẽ tìm thiết bị có thể bị xâm nhập, giành quyền thực thi chương trình, đưa mô hình sang thiết bị đó, thiết lập môi trường để chạy rồi tiếp tục tìm mục tiêu khác. Bản sao có thể mang theo các trọng số của mô hình AI, tức những giá trị số quyết định cách AI xử lý thông tin, cùng các công cụ cần thiết để vận hành. Một số trường hợp có thể tải lại các thành phần này từ nguồn bên ngoài thay vì sao chép toàn bộ.

Điểm đáng chú ý là những bản sao mô hình AI như vậy không nhất thiết cần trung tâm dữ liệu chuyên dụng, mà có thể tận dụng tài nguyên tính toán của những thiết bị thông thường đã bị xâm nhập.

Anthropic tập trung nghiên cứu các thiết bị IoT (Internet vạn vật), chẳng hạn hộp giải mã truyền hình Android giá rẻ, TV thông minh, tủ lạnh, lò nướng, máy hút bụi và thiết bị gia dụng có kết nối mạng. Những sản phẩm này thường sở hữu năng lực tính toán hạn chế và có thể được nhà sản xuất trang bị các biện pháp bảo mật chưa đầy đủ.

Thử nghiệm trên 15 hộp truyền hình giá rẻ

Để kiểm tra liệu những thiết bị phổ thông có đủ khả năng chạy AI hay không, nhóm nghiên cứu tại Anthropic sử dụng 15 hộp truyền hình Android không có thương hiệu lớn, mỗi thiết bị có giá khoảng 55 USD. Các thiết bị được kết nối thành một hệ thống để cùng vận hành mô hình Gemma4-26B-A4B (có tổng cộng khoảng 26 tỉ tham số) của Google.

Thay vì yêu cầu từng thiết bị chạy toàn bộ Gemma4-26B-A4B, nhóm nghiên cứu chia mô hình AI này thành các phần và phân phối chúng trên nhiều máy. Mỗi hộp truyền hình đảm nhiệm một phần công việc, phối hợp với những thiết bị còn lại để xử lý yêu cầu.

Hệ thống đạt tốc độ khoảng 0,39 token mỗi giây. Token là đơn vị nhỏ mà mô hình AI xử lý khi đọc hoặc tạo nội dung. Tốc độ này rất thấp so với máy chủ AI chuyên dụng, nhưng thí nghiệm cho thấy những thiết bị giá rẻ vẫn có thể phối hợp để chạy Gemma4-26B-A4B.

Anthropic cũng thử nghiệm khả năng thiết lập môi trường chạy AI trên nhiều loại phần cứng khác nhau. Một mô hình AI có 9 tỉ tham số đã thiết lập được môi trường suy luận trên 8 trong số 9 loại phần cứng được thử nghiệm. Suy luận là quá trình mô hình AI sử dụng những gì đã học để tạo câu trả lời hoặc thực hiện nhiệm vụ.

Kết quả này quan trọng bởi việc sao chép một file mô hình AI sang thiết bị khác chưa đủ để tạo ra bản sao có thể hoạt động. AI còn phải tìm đúng phần mềm hỗ trợ, chọn phiên bản tương thích, xử lý những khác biệt về hệ điều hành và phần cứng, sau đó khắc phục lỗi phát sinh.

Những bước này đòi hỏi khả năng lập kế hoạch và giải quyết vấn đề trong nhiều giai đoạn liên tiếp. Chỉ cần một bước thất bại, toàn bộ quá trình thiết lập có thể không hoàn thành.

GLM-5.2 cho thấy khả năng phát tán từ đầu đến cuối

Anthropic tiếp tục kiểm tra liệu các mô hình AI có thể kết hợp nhiều công đoạn thành một chu trình tự phát tán hay không. Trong thử nghiệm này, nhóm xây dựng một mạng lưới gồm các nút máy tính ảo chạy môi trường Android, với điều kiện truy cập được đơn giản hóa đáng kể.

AI phải tự tìm thiết bị có thể xâm nhập, sao chép chương trình của mình sang thiết bị đó rồi thiết lập các phần mềm cần thiết để chạy mô hình AI. Nếu thành công, bản sao sẽ tiếp tục tìm và lây sang những thiết bị khác, tạo thành một chuỗi phát tán tự động

Trong số các mô hình AI trọng số mở được thử nghiệm, GLM-5.2 của Z.ai (Trung Quốc) là cái tên duy nhất hoàn thành đáng tin cậy chuỗi thao tác từ tìm thiết bị đích, đưa chương trình sang thiết bị đó đến thiết lập môi trường chạy AI trong điều kiện thử nghiệm đơn giản hóa. Cụ thể, trong 4/5 lần thử, GLM-5.2 lan tới cả 8 máy tính đích. Ở lần còn lại, GLM-5.2 tiếp cận được 7/8 máy.

Tuy nhiên, kết quả này không có nghĩa GLM-5.2 (có tổng cộng 753 tỉ tham số) đã chứng minh khả năng tự phát tán trên các thiết bị thực tế với đầy đủ biện pháp bảo mật.

Anthropic sử dụng các máy tính ảo chạy môi trường Android và một cổng truy cập không yêu cầu xác thực để đơn giản hóa khâu xâm nhập mạng. Thử nghiệm chủ yếu đánh giá khả năng tự phối hợp các bước cần thiết để triển khai và vận hành mô hình AI trên thiết bị đích.

Dù vậy, nghiên cứu cho thấy AI đang tiến gần hơn đến khả năng tự sao chép và phát tán trên nhiều thiết bị. Các mô hình AI nhỏ đã có thể thực hiện nhiều bước riêng lẻ của quá trình này, còn những mô hình mạnh hơn như GLM-5.2 đã hoàn thành toàn bộ quy trình trong môi trường thử nghiệm được đơn giản hóa, với một số bước bảo mật bị lược bỏ.

Vì sao AI tự nhân bản có thể khó kiểm soát?

Theo Anthropic, nguy cơ không chỉ nằm ở việc một thiết bị nhiễm mã độc mà còn ở khả năng các bản sao mô hình AI tiếp tục tồn tại trên nhiều máy khác nhau.

Nếu AI chỉ chạy trên một máy chủ trung tâm, việc ngắt máy chủ có thể khiến nó dừng hoạt động. Song nếu mô hình AI đã phân tán sang hàng trăm hoặc hàng nghìn thiết bị, việc đóng một máy chủ không thể tự động loại bỏ tất cả bản sao còn lại.

Khả năng thích nghi cũng khiến sâu máy tính sử dụng AI có thể khác biệt với những botnet truyền thống. Botnet là mạng lưới thiết bị bị chiếm quyền điều khiển và được sử dụng cho những mục đích như phát tán mã độc hoặc thực hiện tấn công mạng. Những botnet thông thường thường nhắm vào một nhóm thiết bị hoặc lỗ hổng cụ thể. AI có thể linh hoạt hơn khi gặp phần cứng và môi trường phần mềm mới.

Anthropic còn thử nghiệm khả năng truyền lại kinh nghiệm giữa các thế hệ tác tử AI. Trong một thí nghiệm với Qwen3.5-9B của Alibaba, các phiên bản sau được kế thừa ghi chú về những phương pháp đã thử và lỗi gặp phải từ phiên bản trước. Tỉ lệ thiết lập môi trường thành công tăng từ 45% ở thế hệ đầu lên khoảng 61 - 84% ở những thế hệ sau.

Đây không phải bằng chứng cho thấy mô hình AI tự huấn luyện lại trọng số mỗi khi nhân bản. Điều được thử nghiệm là khả năng truyền lại mã nguồn, chỉ dẫn và kinh nghiệm để những phiên bản tiếp theo xử lý nhiệm vụ hiệu quả hơn.

Nhờ được kế thừa kinh nghiệm từ các phiên bản trước, AI có thể thiết lập và vận hành trên những thiết bị quen thuộc hiệu quả hơn. Tuy nhiên, điều đó không có nghĩa AI sẽ dễ dàng hoạt động trên mọi thiết bị mới mà nó gặp phải.

AI có thể phát tán nhanh đến mức nào?

Dựa trên tốc độ thử nghiệm với phần cứng thực tế, Anthropic ước tính một mô hình AI 9 tỉ tham số có thể cần khoảng 28 - 51 giờ để hoàn thành quá trình thiết lập môi trường chạy AI trong kịch bản được nghiên cứu. Với mô hình Gemma4-26B-A4B chưa được tối ưu, thời gian ước tính là khoảng 71 - 150 giờ.

Đây là thời gian cho công đoạn thiết lập môi trường theo thử nghiệm, không phải thời gian đã được chứng minh để lây nhiễm thành công một thiết bị bất kì ngoài thực tế. Tốc độ phát tán thực tế còn phụ thuộc vào khả năng xâm nhập, kết nối mạng, phần cứng và những biện pháp bảo vệ của mục tiêu.

Anthropic dùng hình ảnh một dạng “nấm nhầy kỹ thuật số” để mô tả kịch bản các bản sao AI phân tán trên nhiều thiết bị, phát triển chậm và tận dụng những nguồn lực tính toán nhỏ lẻ. Mỗi thiết bị riêng lẻ có thể không mạnh, nhưng toàn bộ mạng lưới vẫn có thể cung cấp tài nguyên cho nhiều tác tử AI hoạt động đồng thời.

Anthropic dự báo rằng nếu các mô hình AI nhỏ tiếp tục tiến bộ với tốc độ như những năm qua, chúng có thể đủ khả năng tự tìm thiết bị dễ bị tấn công, sao chép sang đó và tiếp tục phát tán mà không cần con người can thiệp vào cuối năm 2026. Công ty AI hàng đầu thế giới thành phố San Francisco (Mỹ) cho rằng các mô hình nhỏ với khả năng tự sao chép trọng số có thể xuất hiện ngay sau đó.

Tăng cường bảo mật trước nguy cơ mới

Anthropic cho rằng các nhà sản xuất thiết bị và đơn vị vận hành mạng cần nâng cao mức bảo mật cơ bản, đặc biệt với những sản phẩm IoT thường bị bỏ quên trong quá trình cập nhật phần mềm. Việc loại bỏ mật khẩu mặc định yếu, vá lỗ hổng kịp thời và hạn chế các cổng truy cập không cần thiết có thể thu hẹp đáng kể số thiết bị dễ bị tấn công.

Các nhà cung cấp dịch vụ Internet cũng có thể theo dõi lưu lượng bất thường. Một mạng lưới phát tán AI có thể tạo ra những luồng dữ liệu lớn khi truyền các thành phần mô hình giữa các thiết bị, cùng hoạt động kết nối liên tục giữa những máy vốn không thường xuyên giao tiếp với nhau.

Khi phát hiện thiết bị nhiễm mã độc, nhà cung cấp dịch vụ Internet có thể tạm thời hạn chế kết nối của nó, đồng thời thông báo và hướng dẫn người dùng xử lý. Cách làm này có thể giúp ngăn mã độc tiếp tục phát tán. Tuy nhiên, nếu các bản sao AI đã lan sang nhiều thiết bị thuộc nhiều mạng khác nhau, việc loại bỏ hoàn toàn chúng sẽ khó khăn hơn và cần sự phối hợp giữa các nhà cung cấp mạng.

Anthropic lưu ý rằng các thử nghiệm mới chỉ cho thấy một số mô hình AI có thể thực hiện chuỗi bước tự nhân bản trong môi trường được đơn giản hóa. Công ty chưa chứng minh được AI có thể tự phát tán trên các thiết bị trong điều kiện thực tế. Dù vậy, nếu năng lực của các mô hình AI tiếp tục cải thiện, nguy cơ này có thể trở nên thực tế hơn trong thời gian tới.

Sơn Vân