هل يمكن للذكاء الاصطناعي أن يتكاثر؟ Anthropic تُجري تجربة على 15 جهاز بث تلفزيوني رخيصًا

هل يمكن للذكاء الاصطناعي أن يتكاثر مثل فيروس حاسوبي؟ أجرت شركة Anthropic تجربة لتبيّن مدى بُعدنا عن هذا السيناريو. اشترى الباحثون 15 جهاز بث Android TV رخيصًا بسعر 55 دولارًا للواحد، وربطوها في شبكة واحدة، وشغّلوا عليها شبكة عصبية. وبالتوازي، اختبروا ما إذا كانت وكلاء الذكاء الاصطناعي قادرين على نشر النماذج ذاتيًا على أجهزة جديدة. وأظهرت النتائج أن كل مكوّن يعمل بشكل منفرد بالفعل، لكن تجميعها في دورة واحدة موثوقة لم يتحقق بعد.

عتاد رخيص يتحول إلى شبكة حوسبة

عملت 15 جهاز بث، كل منها بذاكرة 4 غيغابايت، كعنقود حوسبة. وشُغِّل عليها نموذج Gemma4-26B-A4B (26 مليار معامل)، بعد توزيع أوزانه بين الأجهزة. كان كل جهاز بث مسؤولًا عن حساب جزئه، وتُنقل النتائج عبر السلسلة. بلغت السرعة 0.39 رمزًا في الثانية — وهي سرعة ضعيفة جدًا للمحادثة مع روبوت دردشة، لكنها مقبولة تمامًا لوكيل آلي لا يحتاج إلى الرد على إنسان في الزمن الحقيقي.

لم تُظهر هذه التجربة تكاثرًا ذاتيًا: فقد قام الباحثون أنفسهم بتجميع الشبكة وتشغيل النموذج. بل أظهرت حقيقة أضيق نطاقًا لكنها مهمة — أن حتى هذا العتاد المتواضع جدًا قادر على دعم عمل النماذج الكبيرة عند تجميع الموارد. والسؤال التالي أكثر حدّة: من سيُعِدّ هذه البنية التحتية في غياب باحث بشري؟

الوكلاء يتعلمون تهيئة البيئة

كلّفت Anthropic النماذج بتشغيل شبكة عصبية أخرى ذاتيًا — Llama3.1-8B — على عتاد متنوّع. وتطلّب ذلك تحديد خصائص الجهاز، وتثبيت تبعيات متوافقة، وإصلاح الأخطاء الناشئة. نجح نموذج Qwen3.5-9B (9 مليارات معامل) في ثمانية من أصل تسعة أنواع عتاد خضعت للاختبار.

لكن الوكلاء كثيرًا ما يتعلقون بتفسيرات خاطئة. فقد أعادت نسخة من Qwen تثبيت الحزم لساعات، ظنًّا منها خطأً أن سبب المشكلة يكمن هناك. في الواقع، كانت المشكلة ناجمة عن عدم توافق في الواجهات بين المكوّنات — وهو أمر لا تحله أي عملية إعادة تثبيت.

ولمواجهة هذه الحالات، طوّر الباحثون نظام Memento. يُعيد هذا النظام تشغيل جلسة جديدة للوكيل بشكل دوري، مزوّدًا إياها بملفات العمل وملاحظات مختصرة عن المحاولات السابقة. وتحصل النسخة التالية على فرصة لإعادة تقييم المهمة من جديد، عوضًا عن الاستمرار في الفشل.

الانتشار عبر شبكة المختبر

بعد ذلك، اختبرت Anthropic ما إذا كانت النماذج قادرة على تنظيم انتشار متسلسل. ولهذه الغاية، أنشأ الباحثون شبكة معزولة من ثماني أجهزة افتراضية مزوّدة بمحاكيات Android. وكان على الوكيل أن يعثر على عُقد جديدة وينشر عليها نموذج Llama3.1-8B.

من بين النماذج المفتوحة، أكمل نموذج GLM-5.2 الدورة الكاملة. وفي أربع محاولات من أصل خمس، وصل إلى جميع العُقد الثماني، وفي المحاولة المتبقية وصل إلى سبع عُقد. لكن هذه النتيجة تحمل تحفظات جوهرية: فقد كانت آلية التحقق من الهوية معطّلة، وكان نموذج GLM-5.2 نفسه يعمل على خادم منفصل، وساعد نظام تجريبي في تشغيل الوكيل على كل عُقدة جديدة. وعندما استُبدلت عملية التثبيت بنصّ برمجي جاهز، تمكّنت حتى النماذج المدمجة — بما فيها تلك التي تعمل على عتاد ضعيف — من إنجاز المهمة بهذا النصّ. وهذا يشير إلى العقبة الحقيقية: ليست الشبكة العصبية نفسها، بل تهيئة بيئة العمل.

فجوة بين القوة والصغر

كشفت التجارب عن متطلبين غير متوافقين. يجب أن يكون النموذج صغيرًا بما يكفي للعمل على عتاد متاح، وفي الوقت نفسه قادرًا بما يكفي لتهيئة بيئته ذاتيًا. وفي تجارب Anthropic، اعتمد النموذج القوي (GLM-5.2) على مساعدة خادم خارجي، في حين لم تتمتع النماذج المدمجة بموثوقية كافية.

يتوقع مؤلفو الدراسة أن تقترب النماذج الصغيرة، بحلول نهاية عام 2026، من مستوى GLM-5.2 وفقًا للمؤشر العام للقدرات. لكن هذا تقدير تقريبي فقط: فقد تتطور القدرة على التكاثر الذاتي بشكل مختلف عن الأداء العام.

حتى لو ظهرت أنظمة من هذا النوع، فمن المرجح أن تكون بطيئة — إذ تتطلب تهيئة نسخة واحدة أيامًا. ولن تكمن الصعوبة أمام المدافعين في سرعة الهجوم، بل في تعدد الأجهزة المتفرقة التي لا يمكن إيقافها بمجرد إغلاق خادم واحد. وسيترك نقل ملفات النماذج وتبادل البيانات بين العُقد أثرًا شبكيًا واضحًا، لكن ذلك يصبح أصلًا مسألة كشف ورصد.