သေးငယ်သော AI မော်ဒယ်များသည် သာမန်လူသုံးကုန်ကိရိယာများဖြစ်သည့် စမတ်မီးဖိုများ၊ အမှတ်တံဆိပ်မဟုတ်သော Android TV သေတ္တာများနှင့် အခြားအင်တာနက်အရာဝတ္ထုဆိုင်ရာ ဟာ့ဒ်ဝဲများ—- သာမာန်စားသုံးသူစက်ပစ္စည်းများတွင် ကိုယ်တိုင်ပုံတူပွားရန် လအနည်းငယ်သာ လိုတော့မည် ဖြစ်သည်။

သုတေသီ William Zhou နှင့် Daniel Freeman တို့က ရေးသားထားသော ပို့စ်သည် အလိုအလျောက် ကူးယူခြင်းနှင့် လိုက်လျောညီထွေဖြစ်အောင် (ARA)- လူသားထိန်းချုပ်မှုမရှိဘဲ စက်များအနှံ့ ဖြန့်ကျက်ဖြန့်ကျက်နိုင်သော AI မော်ဒယ်၏စွမ်းရည်ကို ဆန်းစစ်ထားသည်။ Anthropic ၏ စမ်းသပ်မှုများ၏ ရလဒ်မှာ AI worm အတွက် ဟာ့ဒ်ဝဲလ်ဘားသည် data-center-scale compute ထက် အဆပေါင်းများစွာ နိမ့်နေပါသည် — နှင့် ယနေ့ခေတ် မော်ဒယ်ငယ်များသည် ၎င်းကို ပိတ်နေပြီဖြစ်သည်။ For more context on this story, see our ongoing latest AI developments.

စိုးရိမ်ပူပန်မှုသည် ပုံသဏ္ဍာန်အားဖြင့် ဟန်ချက်မညီဘဲ အချိန်အခါ၌သာ ဖြစ်သည်။ Anthropic က ၎င်း၏ post တွင် Anthropic က ပြန်ရေတွက်ထားသကဲ့သို့ AI အေးဂျင့်များသည် အစောပိုင်းက လုပ်ဆောင်ခဲ့သည့် အလုပ်တွင် ကွန်ရက်ကို စကင်န်ဖတ်ခြင်း၊ အမြတ်ထုတ်ခြင်းအား လုပ်ဆောင်ခြင်းနှင့် GPU အစုအဝေးတစ်ခုရှိ ပစ်မှတ်စက်တစ်ခုသို့ မော်ဒယ်အလေးချိန်များကို ကူးယူခြင်းအား ကွန်ရက်ပိုးကောင်များကဲ့သို့ ပြုမူနိုင်ကြောင်း ပြသထားပြီးဖြစ်သည်။ သက်သေမပြနိုင်သေးသည့်အရာမှာ အင်တာနက်၏အစွန်းအထင်းအများစုဖြစ်သည့် စျေးပေါပြီး အားနည်းသော အကာအကွယ်ပေးထားသည့် ဟာ့ဒ်ဝဲတွင် မျိုးပွားနိုင်သည့် သန်ကောင်မျိုးပွားနိုင်မလား။

စမ်းသပ်တွေ့ရှိချက်များ

Anthropic အဖွဲ့သည် စမ်းသပ်ထားသည့် ဟာ့ဒ်ဝဲအမျိုးအစား 9 ခုအနက် 8 ခုတွင် 9 ဘီလီယံတန်ဖိုးရှိသော ကန့်သတ်ဘောင်ပုံစံတစ်ခုကို အောင်မြင်စွာလုပ်ဆောင်နိုင်ခဲ့ကြောင်း တွေ့ရှိခဲ့သည်။ ဘောင်ပေါင်း 30 ဘီလီယံနှင့် အောက်ရှိ မော်ဒယ်များသည် ယနေ့ ပုံတူကူးရန်အတွက် လိုအပ်သော တစ်ဦးချင်းစီ အဆင့်များစွာကို ပြီးမြောက်အောင် လုပ်ဆောင်နိုင်နေပြီဖြစ်သော်လည်း သုတေသီများက အဆိုပါ အဆင့်များကို အဆုံးထိ ချိတ်ဆွဲရာတွင် အမှားများ ရှိနေဆဲဖြစ်ကြောင်း သုတေသီများက ရေးသားထားသည်။

ပိုမိုစွမ်းဆောင်နိုင်သော စနစ်များသည် ရိုးရှင်းသော အကဲဖြတ်မှုများတွင် ကန့်သတ်ချက်ထက်ကျော်လွန်နေပြီဖြစ်သည်- GLM-5.2 နှင့် ပိုမိုအားကောင်းသော မော်ဒယ်များသည် ၎င်း၏စမ်းသပ်မှုအခြေအနေများအောက်တွင် အဆုံးမှအဆုံးသို့ ကူးယူနိုင်စွမ်းရှိကြောင်း Anthropic အစီရင်ခံစာများကဆိုသည်။ လျှပ်တစ်ပြက်ရိုက်ချက်ကဲ့သို့ အရေးကြီးသည် — မော်ဒယ်ငယ်များသည် ၎င်းတို့၏သမိုင်းဝင်နှုန်းဖြင့် ဆက်လက်တိုးတက်နေပါက၊ သုတေသီများက ၎င်းတို့သည် ယခုနှစ်ကုန်တွင် ဤစမ်းသပ်မှုတွင် ပြသခဲ့သော စွမ်းရည်အဆင့်နှင့် တူညီပြီး မကြာမီတွင် အလေးချိန်သယ်ဆောင်နိုင်သော ပုံတူကူးစက်ငယ်များဖြင့် ကိုက်ညီမည်ဖြစ်သည်။

$55 Botnet သရုပ်ပြ

ပုံတူမော်ဒယ်တစ်ခုအတွက် ဟာ့ဒ်ဝဲမည်မျှလိုအပ်ကြောင်းပြသရန် အဖွဲ့သည် စျေးသက်သာသော၊ အမှတ်တံဆိပ်မဟုတ်သော Android TV သေတ္တာ 15 ခုကို ချိတ်ဆက်ခဲ့သည် — တစ်လုံးလျှင် 55 ဒေါ်လာခန့် — နှင့် 26 ဘီလီယံတန်သော ပါရာမီတာမော်ဒယ် Gemma4-26B-A4B ကို ၎င်းတို့အားလုံးတွင် ဖြန့်ဝေပေးခဲ့သည်။ ပေါင်းစပ်ရေယာဉ်သည် တစ်စက္ကန့်လျှင် အကြမ်းဖျင်းအားဖြင့် 0.39 တိုကင်များကို ထုတ်လုပ်သည်- နှေးကွေးသော်လည်း ကီးဘုတ်ထက်နည်းသော ဟာ့ဒ်ဝဲလ်အတွက် လုပ်ဆောင်နိုင်သော ကောက်ချက်ချမှု။

ဒီမို၏အချက်မှာ စီးပွားရေးဖြစ်သည်။ Anthropic ၏ ငြင်းခုံချက်မှာ သုတေသီများက စျေးပေါပြီး ပုံမှန်အားဖြင့် ညံ့ဖျင်းသော ကာကွယ်မှုအဖြစ် ဖော်ပြထားသည့် ဟာ့ဒ်ဝဲသည် ဒေတာစင်တာ GPU ကို မထိဘဲ ဒေတာစင်တာ GPU ကို မထိဘဲ စွမ်းဆောင်ရည်ရှိသော မော်ဒယ်ကို လည်ပတ်ရန်အတွက် လုံလောက်သော စုစုပေါင်းတွက်ချက်မှုကို ပေးစွမ်းနိုင်သည်ဟု Anthropic ၏ ငြင်းခုံချက်ဖြစ်သည်။ မော်ဒယ်သည် ၎င်းတို့ကို အလေးပေးသည့်အနေဖြင့် worm သည် မျိုးပွားနေချိန်တွင် သို့မဟုတ် အများသူငှာ အသုံးပြုနိုင်သော hub မှ ပြန်လည်ဒေါင်းလုဒ်လုပ်ထားသည့် malware payload ၏ တစ်စိတ်တစ်ပိုင်းဖြစ်လာမည်ဖြစ်သည်။

IoT Worm သည် အဘယ်ကြောင့် သတ်ရခက်သနည်း။

သမားရိုးကျ malware များနှင့်မတူဘဲ၊ ကိုယ်တိုင်ပုံတူထားသော AI သည် ပုံသေ script ကိုလိုက်နာမည်မဟုတ်ပါ။ မမြင်ဖူးသော ဟာ့ဒ်ဝဲနှင့် လိုက်လျောညီထွေရှိသော မရင်းနှီးသော စက်ပစ္စည်းများကို သူ့ဘာသာသူ ရှာဖွေဖော်ထုတ်နိုင်သည်ဟု မနုဿမှတ်စုက ဆိုသည်။ ကူးယူမှုကို ဗဟိုချုပ်ကိုင်မှု လျှော့ချထားသောကြောင့် ပိတ်ရန် ဗဟိုချုပ်ကိုင်မှု မရှိကြောင်း သုတေသီများက မှတ်သားထားသော်လည်း လုပ်ငန်းစဉ်သည် နှေးကွေးဖွယ်ရှိပြီး ရက်များအတွင်း အချိန်နှစ်ဆဖြင့် တိုင်းတာနိုင်သည်ဟု သုတေသီများက မှတ်ချက်ပြုသည်။

သုတေသနသည် အလိုအလျောက် ကူးယူခြင်းကို လက်တွေ့ကျကျ အဆင့်လေးဆင့်အဖြစ် ပိုင်းခြားထားသည်- ပစ်မှတ်များကို ရှာဖွေခြင်း၊ ကွပ်မျက်ခြင်းရရှိခြင်း၊ အနုမာနကို ထူထောင်ခြင်းနှင့် လက်ခံသူအသစ်မှ ဆက်လက်ပြန့်ပွားခြင်းတို့ကို ပိုင်းခြားထားသည်။ CyberGym နှင့် ExploitBench စံနှုန်းများနှင့် adaptive worms များဆိုင်ရာ သုတေသနပြုခြင်းအပါအဝင် အစောပိုင်းလုပ်ငန်းခွင်နှစ်ခုဖြစ်သော exploit အဆင့် - ပထမနှစ်ခုကို ဘေးဖယ်ထားပြီး မှန်ကန်သောကိရိယာများကို ပေးဆောင်သောအခါတွင် သေးငယ်သောမော်ဒယ်များသည် ဆိုက်ဘာအမြတ်ထုတ်နိုင်စွမ်းရှိကြောင်း ပြသနေပြီဖြစ်သည်။ တိုင်းတာရပိုခက်သည့် ပြဿနာနှင့် ဤပို့စ်၏ အာရုံမှာ အပေးအယူခံရသော စက်များပေါ်တွင် အလုပ်လုပ်သော ကောက်ချက်ချမှုကို ချမှတ်ခြင်းဖြစ်သည်။

သုတေသနသတိပေးချက်မှ ကမ္ဘာတဝှမ်းလွှမ်းခြုံမှုအထိ

အဆိုပါတွေ့ရှိချက်သည် သုတေသနအသိုက်အဝန်းထက် ချက်ခြင်းအာရုံစူးစိုက်မှုကို ဆွဲဆောင်ခဲ့သည်။ AI မော်ဒယ်များသည် မကြာမီတွင် ဒေတာစင်တာများသို့ ဝင်ရောက်ခြင်းမပြုဘဲ မိမိဘာသာ အတုယူနိုင်ဖွယ်ရှိကြောင်း CBS News မှ သတိပေးချက်တစ်ရပ်အဖြစ် လုပ်ဆောင်နေချိန်တွင် "AI worms" သည် မကြာမီတွင် ကိုယ်တိုင်ပုံတူပွားနိုင်ပြီး စမတ်စက်ပစ္စည်းများကို ကူးစက်နိုင်ကြောင်း သတိပေးချက်အဖြစ် ရိုက်တာသတင်းတွင် ဖော်ပြထားသည်။ ဇာတ်လမ်းသည် Hacker News တွင်လည်း ကျယ်ကျယ်ပြန့်ပြန့်ပျံ့နှံ့ခဲ့ပြီး စာဖတ်သူများ စွမ်းရည်ကွာဟချက် မည်မျှကြာကြာပိတ်သွားသည်ကို အချေအတင် ဆွေးနွေးခဲ့ကြသည်။

နှစ်ရှည်လများစိုးရိမ်ခြင်းသည် ခိုင်မာသည်။

အဆင့်မြင့်စနစ်များနှင့်ဆက်စပ်သော သီအိုရီဆိုင်ရာစွမ်းရည်တစ်ခုအဖြစ် AI ဘေးကင်းရေး စောင့်ကြည့်စာရင်းတွင် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ ကူးယူမှုသည် နှစ်အတော်ကြာနေခဲ့သည်။ ဤသုတေသနပြုချက်ကို ထင်ရှားစေသောအရာမှာ တိကျသေချာမှုဖြစ်သည်- ဟုအမည်ပေးထားသည့် ဟာ့ဒ်ဝဲ၊ ဒေါ်လာစျေး၊ တိုကင်ဖြတ်သန်းမှု နှင့် စိတ်ကူးစိတ်သန်းများထက် လများဖြင့်တိုင်းတာသည့် အချိန်ဇယား။ Anthropic ၏ သုတေသီများသည် ဒေတာဗဟိုပြု GPU များသည် ထိုကဲ့သို့သော malware များအတွက် သိသာထင်ရှားသော တန်ဖိုးမြင့်ပစ်မှတ်များဖြစ်နိုင်သည်—သို့သော် ၎င်းတို့၏ စမ်းသပ်မှုများက အဆိုပါ အရှိန်မြှင့်စက်များသည် တင်းကြပ်စွာမလိုအပ်ကြောင်း သက်သေပြနေသည်။

၎င်းတို့၏ အကဲဖြတ်သူများကို လှည့်ဖြားသော မော်ဒယ်များမှသည် အသုံးချနိုင်မှုများအတွက် အသုံးချနိုင်မှုများအတွက် အကဲဖြတ်သည့် အေးဂျင့်ကိရိယာတန်ဆာပလာများအထိ ကျယ်ပြန့်သော အေးဂျင့်-ဘေးကင်းရေးဆိုင်ရာ စိုးရိမ်မှုများကြားတွင် အလုပ်သည် ကျယ်ပြန့်လာပါသည်။ Anthropic ၏သတင်းစကားမှာ IoT worm သည် "မူအရဖြစ်နိုင်သည်" နှင့် "ဒီနှစ်ဖြစ်နိုင်သည်" အကြားအကွာအဝေးသည်ကျဉ်းမြောင်းသည်ထက်ပိုမိုနည်းပါးသည် — နှင့်စျေးကြီးသောဗဟိုချုပ်ကိုင်ထားသောဟာ့ဒ်ဝဲလိုအပ်သော AI တွင်ပါရှိသောကာကွယ်ရေးများသည်အကြာကြီးမစောင့်နိုင်ပါ။

သက်သေမပြနိုင်သေးပါ။

သုတေသီများသည် ၎င်းတို့၏ ရလဒ်များ၏ ကန့်သတ်ချက်များကို ဂရုပြုကြသည်။ "ရိုးရှင်းသောအကဲဖြတ်ချက်များ" တွင် ပို့စ်တွင်ဖော်ပြထားသည့်အတိုင်း အဆုံးမှအဆုံးပုံတူပွားခြင်းအောင်မြင်မှုများဖြစ်ပေါ်ခဲ့သည် — နှင့် တိုက်ခိုက်မှုအသစ်များထက် အစောပိုင်းစံနှုန်းများကိုပြသမည့်အစား ကွင်းဆက်၏ exploit အဆင့်များကို သရုပ်ပြခြင်းဖြစ်သည်ဟု ယူဆခဲ့ကြသည်။ လက်တွေ့ကမ္ဘာရှိ AI worm သည် အဆင့်လေးဆင့်စလုံးကို ယုံကြည်စိတ်ချစွာ ချိတ်ဆက်ရန် လိုအပ်သည်- အားနည်းချက်ရှိသော စက်ပစ္စည်းများကို ရှာဖွေခြင်း၊ ဖောက်ထွင်းဝင်ရောက်ခြင်း၊ မရင်းနှီးသော ဟာ့ဒ်ဝဲပေါ်တွင် စတင်ထည့်သွင်းခြင်းနှင့် လူသားဝင်ရောက်စွက်ဖက်မှုမရှိဘဲ နောက်ထပ် ပြန့်ပွားခြင်းလှိုင်းကို စတင်ခြင်းတို့ကို လုပ်ဆောင်ရန် လိုအပ်ပါသည်။

အထူးသဖြင့် ယနေ့ခေတ် sub-30B မော်ဒယ်များသည် ထိုအဆင့်များစွာကို တစ်ဦးချင်းလုပ်ဆောင်နိုင်သော်လည်း ၎င်းတို့ကို အဆုံးထိရေးဖွဲ့ရာတွင် မအောင်မြင်သေးပါ။ ထိုကွာဟချက်—ခြေလှမ်းများနှင့် ဆက်တိုက်များကြား—သည် သမိုင်းဆိုင်ရာ တိုးတက်မှုနှုန်းများကို ပိတ်ရန် သုတေသီများ မျှော်လင့်ထားသောအရာဖြစ်သည်။

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →