ஸ்மார்ட் சாதனங்கள் முழுவதும் AI புழுக்கள் விரைவில் பரவக்கூடும் என ஆந்த்ரோபிக் எச்சரிக்கை; எனினும் முக்கியத் தடைகள் நீடிக்கின்றன

எட்டு மெய்நிகர் இயந்திரங்கள் AI தன்னைப் பிரதியெடுப்பதற்கான சாத்தியமான வழியை வெளிப்படுத்துகின்றன

தனிமைப்படுத்தப்பட்ட ஆண்ட்ராய்டு சோதனை வலையமைப்பில் உள்ள எட்டு இயந்திரங்களிலும் ஐந்து சோதனைகளில் நான்கில் செயற்கை நுண்ணறிவு மாதிரி பரவியது என்று அக்டோபர் 12, 2026 அன்று ஆந்த்ரோபிக் வெளியிட்ட ஆய்வில் தெரிவிக்கப்பட்டுள்ளது. ஐந்தாவது சோதனையில் அது ஏழு இயந்திரங்களை எட்டியது. பாதுகாப்பு குறைவாக உள்ள வீடுகள் மற்றும் சிறு வணிகங்களின் சாதனங்களுக்கிடையே தங்களைப் பிரதியெடுக்கும் திறன்களைச் சிறிய AI மாதிரிகள் பெறுவதற்கு இன்னும் சில மாதங்களே இருக்கலாம் என்ற நிறுவனத்தின் எச்சரிக்கைக்கு இந்த முடிவு அடிப்படையாக உள்ளது.

வெற்றிகரமாகச் செயல்பட்ட GLM-5.2 மாதிரி, வேண்டுமென்றே எளிதாக்கப்பட்ட அணுகல் சூழல்களில் இயங்கியது; மேலும் தனி சேவையகத்தில் செயல்படுத்தப்பட்டது. இலக்கு இயந்திரங்களில் அதைவிடச் சிறிய Llama3.1-8B மாதிரி இருந்தது. இதற்கிடையில், மற்றொரு சோதனையில் 15 மலிவான ஆண்ட்ராய்டு டிவி பெட்டிகள் இணைந்து கூகுளின் Gemma4-26B-A4B மாதிரியை இயக்க முடிந்தது; ஆனால் மிக மெதுவாக.

இந்தச் சோதனைகள் ஒரே சிக்கலின் இரண்டு பகுதிகளை ஆராய்கின்றன: AI-க்குப் போதிய கணினிச் செயல்திறனை மலிவான சாதனங்கள் வழங்க முடியுமா, மேலும் பரவுவதற்குத் தேவையான படிகளை ஓர் AI முகவர் ஒருங்கிணைக்க முடியுமா என்பன. இன்றுவரை சோதிக்கப்பட்ட மாதிரிகள், அந்தச் சாதனங்களில் இயங்கும் அளவுக்குச் சிறியதாக இருப்பதற்கும், முழுச் செயல்முறையையும் நம்பகமாக நிறைவேற்றும் அளவுக்குத் திறனுள்ளவையாக இருப்பதற்கும் இடையிலான இடைவெளியை இன்னும் எதிர்கொள்கின்றன.

ஆந்த்ரோபிக் ஆராய்ச்சியாளர்களான வில்லியம் சோவும் டேனியல் ஃப்ரீமனும் நிறுவனத்தின் AI தன்னைப் பிரதியெடுப்பது குறித்த ஆய்வில் இந்தக் கண்டுபிடிப்புகளை விளக்கியுள்ளனர். AI திறன்களையும் சாத்தியமான ஆபத்துகளையும் சோதிக்கும் நிறுவனத்தின் Frontier Red Team இந்தப் பணியை மேற்கொண்டது. முழுமையாகக் கட்டுப்பாட்டை மீறிச் செயல்படும் பிரதி உருவாக்கி இன்னும் இல்லை என்பதை ஆந்த்ரோபிக் ஒப்புக்கொண்டது.

முக்கியக் கவலை, தொடர்ந்து செயல்படும் தன்மையாகும். தனித்தனியாகக் கைப்பற்றப்பட்ட சாதனங்களில் இயங்கும் AI அமைப்பு, அதன் உருவாக்குநர் தனது சேவையகங்களை நிறுத்திய பிறகும் செயல்படக்கூடும். அதை அகற்ற, ஒரே சேவையை முடக்குவதற்குப் பதிலாக, அதற்கு ஆதரவளிக்கும் இயந்திரங்களைக் கண்டறிந்து பாதுகாக்க வேண்டும்.

AI புழு எவ்வாறு பரவும்

கணினிப் புழு என்பது ஒவ்வொரு பரிமாற்றத்தையும் ஒருவர் கைமுறையாகச் செய்யாமல், ஒரு இயந்திரத்திலிருந்து மற்றொன்றுக்குத் தன்னைப் பிரதியெடுக்கும் மென்பொருளாகும். அதை இயக்கத் தேவையான மென்பொருளுடன் AI மாதிரியையும் கொண்டுசெல்லும் ஒரு வடிவத்தை ஆந்த்ரோபிக் ஆய்வு செய்தது.

மாதிரியின் எடைகள் என்பது பயிற்சியின்போது அது கற்றவற்றைக் குறிக்கும் எண் மதிப்புகள். ஒரு புழு அந்த எடைகளை மற்றொரு சாதனத்துக்கு மாற்றலாம் அல்லது பொது களஞ்சியத்திலிருந்து பதிவிறக்கலாம். பின்னர், மாதிரி தனது எடைகளைப் பயன்படுத்தி பதிலை உருவாக்கும் அல்லது ஒரு செயலைத் தேர்ந்தெடுக்கும் செயல்முறையான அனுமானத்தை அது நிறுவும்.

சோவும் ஃப்ரீமனும் பிரதியெடுத்தலை நான்கு கட்டங்களாகப் பிரித்தனர்: இலக்குகளைக் கண்டறிதல், மென்பொருளை இயக்கும் திறனைப் பெறுதல், அனுமானத்தை நிறுவுதல், புதிய கணினியிலிருந்து பரவலைத் தொடர்தல். பல முடிவுகளை எடுக்க வேண்டிய அனுமான அமைப்பில் அவர்களின் ஆய்வு கவனம் செலுத்தியது. இதில் இயக்க முறைமைகள், மென்பொருள் தொகுப்புகள், நினைவகம் மற்றும் வன்பொருள் பொருந்துதன்மை ஆகியவை அடங்கும்.

வழக்கமான புழு, குறிப்பிட்ட பாதிப்புகள் மற்றும் சூழல்களுக்காகத் தயாரிக்கப்பட்ட வழிமுறைகளைப் பின்பற்றும். ஓர் AI முகவர், அறிமுகமில்லாத இயந்திரங்களில் உள்ள சிக்கல்களைத் தீர்க்கவும், தோல்விக்குப் பிறகு தனது அணுகுமுறையை மாற்றவும், அடுத்த பிரதிகளுக்குப் பயனுள்ள குறிப்புகளைப் பகிரவும் வாய்ப்புள்ளது. பாதிக்கப்பட்ட வன்பொருளிலேயே தங்கள் மாதிரிகளை நேரடியாக இயக்கும் அமைப்புகளை எடை அடிப்படையிலான பிரதி உருவாக்கிகள் என்று ஆந்த்ரோபிக் குறிப்பிடுகிறது.

ஸ்மார்ட் குளிர்சாதனப் பெட்டிகள், அடுப்புகள், ரோபோ வெற்றிடக் கருவிகள் மற்றும் புல்வெளி அறுக்கும் இயந்திரங்கள் ஆகியவை மாதிரியின் பகுதிகளைத் தாங்கக்கூடிய சாதனங்களாக ஆராய்ச்சியாளர்கள் அடையாளம் காட்டுகின்றனர். பாதுகாப்புக் கேமராக்கள் மற்றும் காணொலி மாநாட்டுக் கருவிகளில் சிறிய AI சில்லுகள் அதிகளவில் இடம்பெறுகின்றன; இதனால் ஊடுருவுபவர் பயன்படுத்த முயலக்கூடிய கணினித் திறன் அதிகரிக்கிறது.

825 டாலர் மதிப்பிலான டிவி பெட்டிகளால் எதை இயக்க முடிந்தது

ஆந்த்ரோபிக் தலா சுமார் 55 டாலர் விலையுள்ள 15 மலிவான ஆண்ட்ராய்டு டிவி பெட்டிகளை வாங்கியது; மொத்தச் செலவு சுமார் 825 டாலர். ஒவ்வொன்றிலும் 4 ஜிகாபைட் நினைவகம் இருந்தது. ஆராய்ச்சியாளர்கள் அவற்றை இணைத்து, Gemma4-26B-A4B மாதிரியைச் சாதனங்களுக்கிடையே பிரித்தனர்; ஒவ்வொரு பெட்டியும் மாதிரியின் ஒரு பகுதியைத் தாங்கியது.

இந்த நுட்பம் துண்டாக்கம் (sharding) எனப்படுகிறது. முழு மாதிரியையும் ஒரே இயந்திரத்தில் அடக்குவதற்குப் பதிலாக, பல இயந்திரங்கள் அதன் வெவ்வேறு பகுதிகளைச் செயல்படுத்தி, தகவல்களைப் பரிமாறிக்கொள்கின்றன. இந்தச் சோதனையில் நொடிக்கு 0.39 டோக்கன்கள் என்ற வேகம் எட்டப்பட்டது. டோக்கன்கள் என்பது மாதிரி செயலாக்கும் அல்லது உருவாக்கும் உரையின் பகுதிகள்; அவை பெரும்பாலும் சொற்களாகவோ சொற்களின் பகுதிகளாகவோ இருக்கும்.

நினைவகத் தேவையைக் குறைக்க, மாதிரியின் எண் மதிப்புகளை குறைவான பிட்களில் குறிப்பிடும் அளவீட்டுச் சுருக்கம் (quantization) எனப்படும் நுட்பத்தையும் அந்தப் பெட்டிகள் பயன்படுத்தின. 4 ஜிகாபைட் நினைவகமுள்ள பெட்டிகள், குறைந்தது நான்கு இயந்திரங்களில் 9 பில்லியன் அளவுருக்களைக் கொண்ட மாதிரியை இயக்க முடியும் என்றும், 26 பில்லியன் அளவுருக்களைக் கொண்ட மாதிரிக்கு 10 அல்லது அதற்கு மேற்பட்ட இயந்திரங்கள் தேவைப்படும் என்றும் ஆந்த்ரோபிக் கணித்தது.

பல மலிவான டிவி பெட்டிகளில் 1 முதல் 4 ஜிகாபைட் வரை நினைவகம் உள்ளது; அவை மாற்றியமைக்கப்பட்ட ஆண்ட்ராய்டு பதிப்புகளில் இயங்குகின்றன. அவற்றின் வரையறுக்கப்பட்ட வளங்கள் ஒருங்கிணைப்பை அத்தியாவசியமாக்குகின்றன. அவற்றின் பாதுகாப்பும் முக்கியம்: பலவீனமான பாதுகாப்பும் முறையற்ற பராமரிப்பும் கொண்ட சாதனங்கள், ஒவ்வொன்றும் சிறிதளவு கணினித் திறனையே வழங்கினாலும், தீம்பொருளுக்குப் பயனுள்ள தளங்களாக மாறலாம்.

தனியான வன்பொருள் மதிப்பீட்டில், சோதிக்கப்பட்ட ஒன்பது வன்பொருள் வகைகளில் எட்டில் மற்றொரு மாதிரிக்கான அனுமானத்தை Qwen3.5-9B அமைக்க முடிந்தது. சிறிய Nvidia Jetson சாதனங்கள், Mac கணினிகள், சக்திவாய்ந்த கிராபிக்ஸ் செயலிகளைக் கொண்ட இயந்திரங்கள் ஆகியவை அந்தச் சூழல்களில் அடங்கும். வெவ்வேறு கணினிகளில் AI மென்பொருளை நிறுவி அமைக்கும் முகவரின் திறனை இந்த முடிவு அளவிட்டது.

கட்டுப்படுத்தப்பட்ட வலையமைப்புச் சோதனையின் உள்ளே

பிரதி உருவாக்கச் சோதனையில், ஃபயர்வால் பாதுகாப்புடன் கூடிய வலையமைப்புக்குள் redroid Android 15 முன்மாதிரிகளை இயக்கிய எட்டு Google Cloud இயந்திரங்கள் பயன்படுத்தப்பட்டன. ஆராய்ச்சியாளர்கள் முதல் இயந்திரத்தில் ஒரு முகவரை நிறுவி, மற்ற இயந்திரங்களைக் கண்டறியவும், மென்பொருள் தொகுப்பைப் பரிமாறவும், அனுமானத்தை நிறுவவும் பணித்தனர்.

ஒவ்வொரு இலக்கு இயந்திரத்திலும் அங்கீகாரம் கோராத Android Debug Bridge துறைமுகம் திறந்திருந்தது. Android Debug Bridge, அல்லது ADB, உருவாக்கம் மற்றும் சிக்கல் தீர்ப்பின்போது ஆண்ட்ராய்டு சாதனங்களுடன் தொடர்புகொள்ளப் பயன்படுத்தப்படும் கருவியாகும். அங்கீகாரமின்றி அதை அணுகக்கூடியதாக விட்டது, இலக்குகளுக்குள் நுழைய முகவருக்கு எளிய வழியை வழங்கியது.

GLM-5.2 இந்தச் செயல்முறையை நம்பகமாக நிறைவேற்றியது: நான்கு சோதனைகளில் எட்டுக்கு எட்டு இயந்திரங்களையும், மீதமுள்ள சோதனையில் எட்டில் ஏழு இயந்திரங்களையும் எட்டியது. சோதிக்கப்பட்ட மற்ற முகவர்களில் Qwen3.5-9B, Gemma4-26B-A4B மற்றும் Qwen3-Coder-Next ஆகியவை அடங்கும். தேவையான அனைத்துக் கட்டங்களையும் வெற்றிகரமாக இணைப்பதில் சிறிய மாதிரிகள் சிரமப்பட்டன.

வெவ்வேறு அளவுள்ள முகவர்கள் ஒரே நிறுவல் பணியை எதிர்கொள்ள, பயன்படுத்தப்பட்ட மாதிரியை Llama3.1-8B எனச் சோதனை தரப்படுத்தியது. இலக்கு இயந்திரங்களில் அதை வைத்துக்கொள்ள முடியாததால், GLM-5.2 வெளிப்புற அனுமானச் சேவையகத்திலேயே இருந்தது. அனுமானம் செயல்படுவதை உறுதிப்படுத்தும் சோதனைகளில் இலக்கு இயந்திரம் தேர்ச்சி பெற்ற பிறகு, சோதனைக் கட்டமைப்பு அங்கு முகவரின் மற்றொரு நிகழ்வைத் தொடங்கியது.

ஆய்வகத்துக்கு வெளியே கிடைக்கக்கூடிய வெற்றிக்கான உச்சவரம்பாகவே இந்த எளிமைப்படுத்தப்பட்ட அணுகல் சூழல்களை ஆந்த்ரோபிக் விவரித்தது. நடைமுறையில் செயல்படும் பிரதி உருவாக்கி, அங்கீகாரம், பாதுகாப்புக் கட்டுப்பாடுகள், குறைந்த சேமிப்பிடம், நம்பகமற்ற இணைப்புகள் மற்றும் சாதனங்களுக்கு இடையிலான வேறுபாடுகளையும் கையாள வேண்டியிருக்கும். முந்தைய சில பாட்நெட்டுகள் இயல்புநிலை கடவுச்சொற்கள் போன்ற அடிப்படைப் பலவீனங்கள் மூலம் பரவியுள்ளன; எனவே சிரமம் இலக்குகளைப் பெரிதும் சார்ந்திருக்கும்.

2026 இறுதியை ஆந்த்ரோபிக் ஏன் சுட்டிக்காட்டுகிறது

ஆந்த்ரோபிக்கின் கணிப்பு, இரண்டு தேவைகள் ஒன்றுசேர்வதை அடிப்படையாகக் கொண்டது: பிரதியெடுத்தலை நம்பகமாக நிறைவேற்றப் போதிய திறன், மேலும் அது சென்றடையும் வன்பொருளில் இயங்கும் அளவுக்குச் சிறிய மாதிரி. எளிமைப்படுத்தப்பட்ட சோதனையில் GLM-5.2 திறன் தேவையைப் பூர்த்தி செய்தது. சோதிக்கப்பட்ட சிறிய மாதிரிகள் வன்பொருள் வரம்புகளுக்குள் பொருந்தின; ஆனால் முழுச் செயல்முறையிலும் தொடர்ந்து தவறுகள் செய்தன.

30 பில்லியன் அல்லது அதற்கும் குறைவான அளவுருக்களைக் கொண்ட மாதிரிகளின் வரலாற்று முன்னேற்றத்தை, Epoch Capabilities Index அல்லது ECI-ஐப் பயன்படுத்தி ஆராய்ச்சியாளர்கள் ஆய்வு செய்தனர். இது மாதிரித் திறனைப் பொதுவாக அளக்கும் குறியீடாகும். அவர்களின் தரவுப் பொருத்தப்பட்ட போக்கு, ஆண்டுக்கு 13.7 ECI புள்ளிகள் முன்னேற்றத்தைக் காட்டியது.

அந்தப் போக்கை நீட்டித்துப் பார்த்ததில், 2026 இறுதிக்குள் ஒரு சிறிய மாதிரி GLM-5.2 சோதனையில் காட்டிய திறன் நிலையை எட்டக்கூடும் எனத் தெரியவந்தது. பொதுவான திறன் மதிப்பெண் என்பது பிரதியெடுக்கும் திறனின் மறைமுக அளவீடு மட்டுமே என்பதால், இந்த மதிப்பீடு தோராயமானது என்று ஆந்த்ரோபிக் தெரிவித்தது. வரலாற்றில் காணப்பட்ட வேகத்தில் தொடர்ந்து முன்னேற்றம் ஏற்படும் என்பதையும் இந்தக் கணிப்பு சார்ந்துள்ளது.

எச்சரிக்கையும் அதற்கான எதிர்வினைகளும் பல தேதிகளில் வெளிவந்தன:

• செப்டம்பர் 2026: ஓராண்டுக்குள் அல்லது அதற்கு முன்பே நீடித்துச் செயல்படும் AI பாட்நெட்டுகள் உருவாகக்கூடும் என்று ஆந்த்ரோபிக் தலைமைச் செயல் அதிகாரி டாரியோ அமோடி எச்சரித்தார்.
• அக்டோபர் 12, 2026: சோவும் ஃப்ரீமனும் சோதனைகளையும், பொருத்தமான சிறிய மாதிரிகள் இந்தத் திறனைப் பெற இன்னும் சில மாதங்களே இருக்கலாம் என்ற மதிப்பீட்டையும் வெளியிட்டனர்.
• அக்டோபர் 13, 2026: இணையப் பாதுகாப்பு நிபுணர்கள், தகவமைத்துக் கொள்ளும் திறன் மற்றும் நடைமுறை வரம்புகள் இரண்டையும் மையமாகக் கொண்டு, எச்சரிக்கை குறித்த மாறுபட்ட மதிப்பீடுகளை முன்வைத்தனர்.

பிரதி உருவாக்கப் பணிகளைச் செய்யுமாறு அறிவுறுத்தப்பட்ட முகவர்களைப் பயன்படுத்தியே சோதனைகள் நடத்தப்பட்டன. அத்தகைய அறிவுறுத்தல்கள் இல்லாமலேயே ஒரு சிறிய மாதிரி தானாகப் பிரதியெடுப்பைத் தொடங்குமா என்பது தெரியவில்லை. அமைப்புகள் எவ்வாறு நடந்துகொண்டன என்பதை மதிப்பிட உதவ, சரியான அறிவுறுத்தல்கள் உள்ளிட்ட முகவர் அமைப்புகளை மீண்டும் உருவாக்கக்கூடிய வகையில் வெளியிட வேண்டும் என்று AI ஆராய்ச்சியாளர் சியாஹான் ஃபு கோரினார்.

மெதுவான பிரதிகளையும் அகற்றுவது கடினமாக இருக்கலாம்

சோதிக்கப்பட்ட டிவி பெட்டிகளைப் போன்ற வன்பொருளைப் பயன்படுத்தும் பிரதி உருவாக்கி, செயல்படும் மற்றொரு பிரதியை உருவாக்க நாட்கள் ஆகலாம் என்று ஆந்த்ரோபிக் கணிக்கிறது. அதன் அமைப்பு கணக்கீடுகளின்படி, Qwen3.5-9B-க்கு சுமார் 28 முதல் 51 மணி நேரமும், மேம்படுத்தப்படாத Gemma4-26B-A4B-க்கு 71 முதல் 150 மணி நேரமும் தேவைப்படும்.

எனவே, பல சாதனங்களில் பரவியிருக்கும் மெதுவான, தொடர்ச்சியான இருப்பே இந்த ஆய்வின் மையக் கவலையாகும். ஓர் இயந்திரத்தை இழந்தாலும், மற்ற பிரதிகள் தொடர்ந்து செயல்படவோ பரவவோ கிடைக்கும். பல இயந்திரங்களுக்கிடையே பிரிக்கப்பட்ட மாதிரியும் அவற்றுக்கிடையிலான தகவல் தொடர்பைச் சார்ந்திருக்கும்.

இந்த ஆய்வை எழுதிய ஆந்த்ரோபிக் ஆராய்ச்சியாளர்களான சோவும் ஃப்ரீமனும், எதிர்காலப் பிரதி உருவாக்கிகள் புதிய சூழல்களைக் கையாளக்கூடிய விதத்தை இவ்வாறு விவரித்தனர்:

AI அல்லாத தீம்பொருளைப் போலன்றி, அறிமுகமில்லாத சாதனங்களைத் தானாகவே புரிந்துகொள்ளவும் இது முயலும்.

குறிப்புகளைப் பரம்பரையாகப் பகிர்ந்துகொள்ளும் சோதனை, அந்தத் தகவமைப்புத் திறனுக்கான ஆதாரத்தை வழங்கியது. Qwen3.5-9B மாதிரியின் நிகழ்வுகள், தாங்கள் முயன்ற உத்திகள் மற்றும் எதிர்கொண்ட தோல்விகள் குறித்து சுருக்கமான குறிப்புகளை எழுதின. அதே அனுமான அமைப்புப் பணியைச் செய்வதற்கு முன், அடுத்தடுத்த நிகழ்வுகள் அந்தக் குறிப்புகளைப் பெற்றன.

ஆறு தலைமுறைகளில், தொடக்கத்தில் இருந்த 45% வெற்றி விகிதம், பின்னர் வந்த தலைமுறைகளில் 61% முதல் 84% வரை உயர்ந்தது; இது 16 முதல் 39 சதவீதப் புள்ளிகள் அதிகரிப்பாகும். மாதிரியின் எடைகளை மாற்றாமல், பயனுள்ள தகவல்களைப் பகிர்ந்ததாலேயே இந்த முன்னேற்றம் ஏற்பட்டது. வலுவான Opus 4.8 மாதிரியின் ஆலோசனையைச் சிறிய மாதிரிக்குக் கிடைக்கச் செய்தும், இந்தப் பணியில் அளவிடக்கூடிய முன்னேற்றம் ஏற்படவில்லை.

பெரும் எண்ணிக்கையிலான சாதனங்கள் ஒப்பீட்டளவில் குறைந்த AI திறனையே வழங்கும்

2 மில்லியனுக்கும் அதிகமான சாதனங்களை, பெரும்பாலும் ஆண்ட்ராய்டு டிவி பெட்டிகளைப் பாதித்த Kimwolf பாட்நெட்டின் அளவை ஆந்த்ரோபிக் பயன்படுத்தி, பெருமளவில் கைப்பற்றப்பட்ட சாதனங்களின் கணினித் திறனை மதிப்பிட்டது. சாதனங்களை 15 கொண்ட குழுக்களாகப் பிரித்தால், கோட்பாட்டளவில் Gemma4-26B-A4B மாதிரியின் சுமார் 133,000 பிரதிகளை இயக்க முடியும்.

அளவிடப்பட்ட செயல்திறனைப் பயன்படுத்தி, மொத்த வெளியீடு நொடிக்கு சுமார் 80,000 டோக்கன்களாக இருக்கும் என்று நிறுவனம் கணித்தது. ஒப்பிடுவதற்காக, மேம்படுத்தப்பட்ட பணிச்சுமையில் அதே மாதிரியை இயக்கும் ஒரு Nvidia H100 முடுக்கிக்கு நொடிக்கு சுமார் 1,950 டோக்கன்கள் என்ற அளவீட்டை மேற்கோளாகக் கொண்டது. கற்பனையான அந்தச் சாதனத் தொகுப்பு, அனுமானச் செயல்திறனில் சுமார் 40 H100 முடுக்கிகளுக்குச் சமமாக இருக்கும்.

பலவீனமான சாதனங்களிலிருந்து குறிப்பிடத்தக்க திறனை உருவாக்க எவ்வளவு வன்பொருள் தேவைப்படும் என்பதை இந்த ஒப்பீடு விளக்குகிறது. சாதனங்கள் தொடர்ந்து கிடைப்பதும் திறமையாகத் தொடர்புகொள்வதும் இதற்கு அவசியம். சாதனங்கள், மாதிரி அளவுகள் மற்றும் வலையமைப்பு நிலைமைகளில் ஏற்படும் வேறுபாடுகள் முடிவை மாற்றும்.

பாதுகாப்பு நிறுவனமான Viakoo-வின் துணைத் தலைவர் ஜான் காலகெர், குறைந்த வேக இணைப்புகளில் ஜிகாபைட் கணக்கிலான மாதிரி எடைகளை மாற்றுவதும், குறைந்த திறனுள்ள ஃபிளாஷ் சேமிப்பகத்தில் அவற்றைப் பொருத்துவதும் நடைமுறையில் பெரிய தடைகள் என்றார். புதிய கணினியை அமைக்கும் நீண்ட பணியை ஒரு முகவர் தொடங்குவதற்கு முன்பே இச்செலவுகள் ஏற்படுகின்றன.

பெரிய மாதிரிகள் தரவு மையங்களை இலக்காக்குவது, அனுமானத்தைப் பெற முகவர்கள் API சான்றுகளைத் திருடுவது, அல்லது மோசடிகள் மூலம் கணினிக் கடன் பெறும் அமைப்புகள் போன்ற பிற பிரதி உருவாக்க வழிகளையும் ஆந்த்ரோபிக் விவரித்தது. சிறிய சாதனச் சோதனைகளிலிருந்து வேறுபட்ட வளங்களையும் அணுகல் வழிகளையும் இத்தகைய சூழல்கள் சார்ந்திருக்கும்.

எச்சரிக்கை குறித்து பாதுகாப்பு நிபுணர்களிடையே கருத்து வேறுபாடு

பிரிட்டனின் National Cyber Security Centre-இன் முன்னாள் தலைவரான சியாரன் மார்ட்டின், இந்த ஆய்வு தொழில்நுட்ப ரீதியில் சுவாரசியமானது என்றாலும், AI விற்பனை செய்யும் நிறுவனமொன்று எச்சரிக்கையை மிகைப்படுத்துகிறது என்று விமர்சித்தார். மலிவான தொலைக்காட்சிகளில் சிறிய மாதிரியை இயக்குவதற்கும், நடைமுறையில் உருவாகக்கூடிய பாதுகாப்பு நெருக்கடிக்கும் இடையிலான தூரத்தை அவர் தனது மதிப்பீட்டில் வலியுறுத்தினார்.

கொலராடோ டென்வர் பல்கலைக்கழகத்தின் கணினி அறிவியல் மற்றும் பொறியியல் துறையில் நிபுணத்துவம் பெற்ற உதவிப் பேராசிரியரான ஜெங்சியோங் லி, அதிகக் கவலை கொண்ட பார்வையை முன்வைத்தார். கட்டுப்படுத்தப்பட்ட சோதனைச் சூழலில்கூட, சாதனங்களைக் கைப்பற்றுவதற்கான வழிகளை AI அமைப்பு தானாக வகுத்து, புழுவைப் போலச் செயல்படக்கூடும் என்பதை அவர் சுட்டிக்காட்டினார்.

IGEL நிறுவனத்தின் அரசு மற்றும் முக்கியத் தொழில்துறைகளுக்கான களத் தலைமைத் தொழில்நுட்ப அதிகாரியான ஜான் வால்ஷ், இணைக்கப்பட்ட சாதனங்கள் இயற்பியல் உபகரணங்களுடன் ஒரே வலையமைப்பில் இருக்கும்போது ஏற்படக்கூடிய ஆபத்துகள் குறித்து பேசினார். குளிர்பதனம், நீர் சுத்திகரிப்பு மற்றும் பம்பிங் அமைப்புகள் ஆகியவற்றில் அங்கீகரிக்கப்படாத கூடுதல் அணுகல் அத்தியாவசியச் செயல்பாடுகளைப் பாதிக்கக்கூடும் என்று அவர் குறிப்பிட்டார்.

ஒரு இயந்திரத்தின் இயற்பியல் செயல்பாட்டை மாற்ற, அதைக் கட்டுப்படுத்த அங்கீகரிக்கப்பட்ட அமைப்புகளுக்கான அணுகல் தேவைப்படும் என்று வால்ஷ் விளக்கினார். ஆந்த்ரோபிக்கின் சோதனைகள் AI-ஐ இயக்குவதையும் பிரதியெடுக்கும் பணிகளையும் மையமாகக் கொண்டவை; உணவு உற்பத்தி, நீர் சுத்திகரிப்பு மற்றும் பயன்பாட்டுத் துறை உபகரணங்கள் அவற்றின் வரம்புக்கு வெளியே இருந்தன.

Nozomi Networks நிறுவனத்தின் இணையப் பாதுகாப்பு உத்தி இயக்குநரான கிறிஸ் குரோவ், இயந்திர வேகத்தில் பரவக்கூடிய எதிர்கால அமைப்புகளுக்குப் பதிலளிக்க, பாதுகாப்புப் பொறுப்பாளர்களுக்கு தானியக்க வசதிகள் தேவைப்படும் என்று வாதிட்டார். அவரது கவலை, இன்னும் வேகமாகச் செயல்படக்கூடிய எதிர்கால அமைப்புகளைப் பற்றியது; அதேசமயம், சோதிக்கப்பட்ட வீட்டு வன்பொருள் வகையில் பிரதியெடுப்பதற்கு நாட்கள் ஆகும் என ஆந்த்ரோபிக் கணித்துள்ளது.

பாதுகாப்புப் பொறுப்பாளர்கள் எதைக் கண்காணித்து மாற்றலாம்

சந்தேகத்துக்கிடமான போக்குவரத்தைக் கண்காணித்து, பாதிக்கப்பட்ட சாதனங்களைத் தனிமைப்படுத்துமாறு இணையச் சேவை வழங்குநர்களுக்கு ஆந்த்ரோபிக் பரிந்துரைக்கிறது. கவர்ச்சிப் பொறிகள் (honeypots) பரவலாகப் பயன்படுத்தப்படுவதையும், இணைக்கப்பட்ட பொருட்களுக்கான இயல்புநிலைப் பாதுகாப்பை வலுப்படுத்துவதையும் அது பரிந்துரைக்கிறது. சந்தேகத்துக்கிடமான செயல்பாடுகளை ஈர்த்து ஆய்வு செய்வதற்காக வேண்டுமென்றே வெளிப்படுத்தப்படும் அமைப்பே கவர்ச்சிப் பொறி.

பெரிய அளவிலான மாதிரிப் பரிமாற்றங்கள், சாதனங்களுக்கிடையிலான தொடர்ச்சியான தொடர்பு, வெளிச்செல்லும் ஸ்கேனிங் ஆகியவை எடை அடிப்படையிலான பிரதி உருவாக்கியைக் கண்டறிய உதவலாம். ஸ்கேனிங் என்பது அணுகக்கூடிய பிற இயந்திரங்களைத் தேடும் செயல்முறையாகும். பல கணினிகளில் பகிரப்பட்ட மாதிரி, அந்தக் கணினிகள் இணைந்து செயல்படும்போது தகவல் தொடர்பையும் உருவாக்கும்.

வாடிக்கையாளர்களுக்கு அறிவிப்பது, பாதிப்பை அகற்றும் நடவடிக்கையை மேம்படுத்தலாம். வாடிக்கையாளர்களுக்கு அறிவித்தபோது 14 நாட்களுக்குள் 92% தொற்றுகளை அகற்றிய Mirai ஒழிப்பு முயற்சியை ஆந்த்ரோபிக் மேற்கோளிட்டது. அறிவிக்காதபோது அந்த விகிதம் 74% ஆக இருந்தது. அதே காலத்தில் இது 18 சதவீதப் புள்ளிகள் முன்னேற்றமாகும்.

நிர்வாக இடைமுகங்களைப் பாதுகாப்பதன் மூலமும், வெளிப்படையாக அணுகக்கூடிய பிழைத்திருத்த வசதிகளைத் தவிர்ப்பதன் மூலமும், மென்பொருள் புதுப்பிப்புகளைப் பராமரிப்பதன் மூலமும் உற்பத்தியாளர்களும் இயக்குநர்களும் பிரதியெடுப்புக்கான வாய்ப்புகளைக் குறைக்கலாம். பாதிக்கப்பட்ட சாதனங்களைக் கண்டறிந்து தனிமைப்படுத்த வழங்குநர்களுக்கு வழிமுறைகள் தேவைப்படும்; அவற்றைப் பாதுகாப்பாக மீட்டமைக்க உரிமையாளர்களுக்கு தெளிவான வழிகாட்டுதல்கள் தேவைப்படும். வெவ்வேறு சோதனைகளில் காட்டப்பட்ட திறன்களைச் சிறிய மாதிரிகள் நம்பகமாக ஒன்றிணைக்கத் தொடங்குவதற்கு முன்பே, பாதுகாப்பு ஏற்பாடுகளைத் தயார்படுத்த வேண்டும் என்பதே ஆந்த்ரோபிக்கின் எச்சரிக்கையின் மையமாகும்.

முக்கிய அம்சங்கள்

• ஆந்த்ரோபிக் தனது AI பிரதி உருவாக்க ஆய்வை அக்டோபர் 12, 2026 அன்று வெளியிட்டது.
• எளிமைப்படுத்தப்பட்ட அணுகல் சூழல்களில், ஐந்து சோதனைகளில் நான்கில் GLM-5.2 எட்டு மெய்நிகர் ஆண்ட்ராய்டு இயந்திரங்களையும் எட்டியது.
• தலா சுமார் 55 டாலர் விலையுள்ள 15 ஆண்ட்ராய்டு டிவி பெட்டிகள், Gemma4-26B-A4B மாதிரியை இணைந்து நொடிக்கு 0.39 டோக்கன்கள் என்ற வேகத்தில் இயக்கின.
• நம்பகமான பிரதி உருவாக்கத் திறனுக்கும் மலிவான சாதனங்களின் அளவு வரம்புகளுக்கும் இடையே தற்போதைய சோதிக்கப்பட்ட மாதிரிகளுக்கு இடைவெளி உள்ளது.
• வரலாற்று முன்னேற்றத்தின் அடிப்படையில், சிறிய மாதிரிகள் 2026 இறுதிக்குள் சோதனையில் காட்டப்பட்ட திறன் நிலையை எட்டக்கூடும் என ஆந்த்ரோபிக் கணிக்கிறது.
• சோதிக்கப்பட்ட வன்பொருள் வகையில் பிரதியெடுப்பதற்கு நாட்கள் ஆகலாம்; அதேவேளை, பரவலாக்கப்பட்ட அமைப்பை நிறுத்துவது கடினமாக இருக்கலாம்.
• பரிந்துரைக்கப்படும் பாதுகாப்பு நடவடிக்கைகளில் போக்குவரத்தைக் கண்காணித்தல், சாதனங்களைத் தனிமைப்படுத்துதல், வாடிக்கையாளர்களுக்கு அறிவித்தல் மற்றும் இயல்புநிலைப் பாதுகாப்பை வலுப்படுத்துதல் ஆகியவை அடங்கும்.