Una IA de Anthropic ya es capaz de replicarse entre dispositivos sin utilizar más centros de datos

Anthropic estudia una IA capaz de replicarse entre dispositivos sin un centro de datos

Una inteligencia artificial puede ejecutarse en varios equipos pequeños, y los investigadores estudian si también podría propagarse entre ellos. Anthropic publicó el 12 de octubre de 2026 pruebas sobre componentes de esa posibilidad. El trabajo analiza un riesgo tecnológico; no documenta una IA que haya dejado de necesitar infraestructura.

El equipo ensayó inferencia distribuida con un modelo repartido entre 15 dispositivos Android TV y evaluó tareas de réplica en un entorno simplificado. La capacidad de utilizar equipos existentes reduce la necesidad de concentrar todo en un centro de datos y en cierta forma «reciclar» el el uso de miles de otros dispositivos que no son centros de datos, pero sigue dependiendo de máquinas, memoria, electricidad y comunicaciones.

Qué probó Anthropic y cuáles son sus límites

La investigación separa dos problemas: configurar un modelo en hardware desconocido y completar una cadena de propagación. Un modelo de nueve mil millones de parámetros logró configurar inferencia en ocho de nueve tipos de equipos. Ese resultado mide adaptación técnica, no una infección generalizada en redes domésticas.

Para evaluar la cadena completa, los autores utilizaron un entorno aislado con condiciones de acceso simplificadas. Los modelos más pequeños cometieron errores al combinar las tareas. La previsión de que mejoren en los próximos meses es una extrapolación de los investigadores, no una fecha confirmada para la aparición de un sistema autónomo fuera del laboratorio.

Copiar un modelo y mejorarlo son procesos distintos

El trabajo de Petals, presentado por sus investigadores en 2023, permite entender la base de la distribución. El sistema divide el procesamiento entre equipos que colaboran por internet para ejecutar modelos grandes. Los autores estudiaron cómo aprovechar dispositivos de consumo sin exigir que una sola persona disponga de toda la memoria necesaria. La cooperación requiere intercambiar información entre las partes del modelo.

Ese antecedente describe inferencia y ajuste como actividades distintas: usar un modelo para producir respuestas y adaptar componentes mediante entrenamiento. Copiar archivos y ponerlos a funcionar en otra máquina tampoco demuestra, por sí mismo, un aumento de inteligencia. Una réplica puede conservar los mismos parámetros que el original; disponer de más copias amplía las instancias ejecutables, pero no acredita una mejora en la capacidad de cada una.

El antecedente experimental de Palisade Research

Un informe de Palisade Research fechado el 7 de mayo de 2026 estudió agentes capaces de aprovechar servidores vulnerables, trasladar archivos y poner en marcha una copia operativa. Los autores evaluaron modelos abiertos y modelos utilizados mediante servicios externos. Distinguieron los casos en que se transferían los propios parámetros de aquellos en que el agente instalaba otro modelo disponible como carga de la prueba.

El informe describe ensayos en entornos controlados con vulnerabilidades preparadas y sin capas defensivas, además de una demostración entre máquinas virtuales de distintos proveedores. Su aporte es medir una capacidad bajo condiciones definidas. Los propios autores diferencian poder replicarse cuando se recibe ese objetivo y buscar hacerlo por iniciativa propia. Una demostración del primer comportamiento no establece automáticamente el segundo ni una tasa de éxito universal.

Qué aporta la ejecución distribuida

Otro artículo de los desarrolladores de Petals, publicado como investigación sobre inferencia por internet, aborda cómo distribuir modelos sobre equipos geográficamente separados. Su propuesta organiza el trabajo entre dispositivos que pueden tener capacidades diferentes o disponibilidad cambiante. Esto permite utilizar infraestructura ya instalada, aunque las comunicaciones y la coordinación se convierten en parte del funcionamiento del sistema.

Los autores demostraron el sistema con modelos como Llama 2 de 70.000 millones de parámetros y BLOOM de 176.000 millones. Su objetivo era facilitar el uso y el ajuste de modelos grandes con recursos compartidos. Esa tecnología constituye un antecedente legítimo de cómputo distribuido; el uso autorizado de equipos por una comunidad de investigación debe distinguirse del acceso indebido a dispositivos ajenos.

Por qué los dispositivos conectados importan en seguridad

La agencia estadounidense CISA explica que los equipos del internet de las cosas incorporan software y conexiones que pueden introducir riesgos en redes y servicios. Una cámara o un aparato conectado tiene funciones físicas, pero también constituye un punto informático. Cuando muchos dispositivos comprometidos quedan bajo un mismo control pueden integrar una botnet, una red utilizada para actividades no autorizadas.

La documentación de adquisición de CISA describe cómo esas redes pueden emplearse para generar tráfico masivo y dificultar el acceso a servicios, mediante ataques de denegación de servicio distribuida. Ese antecedente existe independientemente de la IA. La discusión sobre modelos autorreplicantes agrega otra posible carga de trabajo a equipos comprometidos; no convierte en nuevo todo el problema de seguridad de los dispositivos conectados.

Qué medidas técnicas ya se han demostrado

El NIST, Instituto Nacional de Estándares y Tecnología de Estados Unidos, documentó una estrategia para hogares y pequeñas empresas basada en Manufacturer Usage Description. El sistema permite que un dispositivo envíe y reciba únicamente el tráfico requerido para su función prevista. La finalidad es limitar las comunicaciones que un aparato puede establecer, en lugar de concederle acceso amplio por el solo hecho de conectarse.

El proyecto del NIST muestra que las reglas de red pueden formar parte de la mitigación de ataques basados en dispositivos. No constituye una certificación de protección absoluta frente a cualquier agente. Junto con las investigaciones de inferencia y replicación, aporta una pieza concreta para interpretar el tema: la autonomía de un programa y sus posibilidades de propagación siguen condicionadas por el acceso, los recursos disponibles y los controles de cada entorno.

📲 ¡Elegí LARED21 en Google Noticias en Google!
Si querés leernos siempre primero y tener la información de confianza e independiente a un toque, seguí estos pasos sencillos:

1️⃣ Entrá a este enlace directo: //www.google.com/preferences/source?q=lr21.com.uy

2️⃣ Iniciá sesión con tu cuenta de Google (si no la tenés abierta).

3️⃣ Hacé clic en la cajita de la derecha, seleccionando a LARED21.

¡Y listo! Ya nos sumaste como tu fuente de noticias preferida. 🙌