Anthropic、IoT機器で自己複製するAIを検証

米Anthropic（安全性重視のフロンティアAI研究・開発を行う米スタートアップ）の研究チームは2026年10月13日（現地時間）、高価なデータセンターのGPUクラスタに依存せず、市販の安価なIoT機器（スマートTVボックス等）をネットワーク連携させることで、小型AIモデルが自律的に自己複製・拡散するリスクに関する調査レポートを発表しました。1台あたり約55ドルのノーブランドAndroid TV端末15台を用いた実験において、260億パラメータ規模のモデルを分散稼働させることに成功したほか、AIモデル自身が未知のハードウェアを解析して推論基盤を自動構築できることを実証しました。

15台のTVボックスによる分散推論と自己複製の4段階

従来のマルウェア研究では、自己増殖型プログラム（ワーム）がAIモデルを保持・実行するには巨大なGPUサーバーが必要であると考えられてきました。しかしAnthropicの研究員William Zhou氏とDaniel Freeman氏は、家庭や小規模オフィスに普及している安価なIoT機器に着目しました。

研究チームは、RAM 4GBを搭載した市販のAndroid TVボックス15台をネットワーク接続し、パイプライン並列（Pipeline parallelism）を用いて「Gemma4-26B-A4B」モデルの各層を分割配置することで、毎秒0.39トークンの分散推論を実現しました。

研究では、自律的複製（ARA: Autonomous Replication and Adaptation）の連鎖を以下の4段階に分解して検証しています。

段階	処理内容	本研究での検証結果
1. 標的探索（Finding targets）	ネットワーク内の脆弱な端末をスキャン	既存の小型モデルでも容易に遂行可能
2. 初期侵入・配備（Payload delivery）	エクスプロイトを実行し重みデータを転送	ADBポート経由などで自動配備を完了
3. 推論基盤構築（Inference setup）	端末のOS・ハードに適合した推論環境を構築	9種中8種の異種ハードで自力セットアップ成功
4. 拡散継続（Continuing propagation）	新たなホストから次の感染端末へ増殖	隔離環境の8ノードすべてへの伝播を確認

未知ハードウェアへの自動適応と世代間学習

特に難関とされる「推論基盤構築」において、Qwen3.5-9BモデルはJetson NanoやMac PC、RTX 4090など、テストした9種類のハードウェアのうち8種類において依存パッケージや環境変数のエラーを自力でデバッグし、推論サーバーを立ち上げました。

さらに、親エージェントの試行メモを子エージェントが引き継ぐ「Memento」ハーネスを用いた世代間実験では、第1世代で45%だったセットアップ成功率が、世代を重ねるごとに61〜84%へと向上しました。AIエージェントが試行錯誤を通じて環境への適応能力を高める「ラマルク的進化」が確認されています。

また、GCP上でAndroid 15エミュレータを走らせた8ノードの検証環境では、GLM-5.2モデルが全8ノードへのエンドツーエンド感染を完遂しました。

差分整理：メディア報道と公式発表の焦点の違い

ITmediaやTom's Hardwareなどの外部報道では、「55ドルのTVボックス15台で26Bモデルが稼働した」という低コストな物理ハードウェアの突破が大きく取り上げられています。

しかし、Anthropic公式論文の主眼はハードウェアの安さそのものよりも、「AIが未知の実行環境を自律解析して推論スタックを自力構築する能力」にあります。過去の大規模IoTボットネット（MiraiやKimwolf）は特定の機器構成しか感染させられませんでしたが、AIワームはアーキテクチャの異なる未知の端末に直面しても自力で推論エンジンをコンパイル・起動できるため、侵入可能な機器の多様性が桁違いに広がる点が最大の脅威と指摘されています。

分析と今後の展望

現段階におけるIoT上の小型AIワームは、トークン生成速度が毎秒0.39トークンと極めて遅く、個体の倍加時間には数日を要します。そのため、即座にインターネット全体を麻痺させるような爆発的感染力はなく、研究チームも「デジタル粘菌」のような緩慢な増殖にとどまると分析しています。

しかし、モデルパラメータの圧縮技術やエッジ向けAIアクセラレータ（NVIDIA Jetson等）の普及が進めば、拡散速度は飛躍的に向上します。ISP（インターネット接続事業者）によるギガバイト単位のモデル重み転送のトラフィック異常検知や、IoT製品のデフォルトパスワード禁止といった制度的防御を、脅威が現実化する前に先手を打って進める必要があります。

引用元：Anthropic | Tom's Hardware | ITmedia NEWS | Gizmodo