Il rapporto richiama precedenti come Mirai e Kimwolf, botnet che hanno sfruttato dispositivi IoT poco protetti, comprese le TV box Android. La novità potenziale non è quindi la compromissione di dispositivi connessi, fenomeno noto da anni, ma la capacità di combinare accesso, configurazione e propagazione con una maggiore autonomia.
“Al momento, le capacità minime necessarie e i limiti imposti dall’hardware non si incontrano ancora.” Con questa frase, Anthropic spiega che i modelli AI abbastanza piccoli da funzionare su dispositivi economici non sono ancora in grado di completare in modo affidabile tutte le operazioni necessarie per replicarsi autonomamente. La situazione, però, potrebbe cambiare: sulla base della crescita delle prestazioni dei modelli open-weight, cioè modelli i cui pesi sono accessibili e che possono essere eseguiti su infrastrutture diverse, i ricercatori stimano che questo divario potrebbe ridursi entro la fine del 2026. Si tratta di una previsione basata sulle tendenze osservate, non di una scadenza certa.
Gli esperimenti hanno inoltre mostrato che questi sistemi possono migliorare sfruttando le esperienze precedenti. Le diverse istanze del modello Qwen3.5-9B si sono passate informazioni sulle strategie provate e sugli errori incontrati, permettendo alle successive di affrontare meglio la configurazione del software necessario per eseguire il modello. Il tasso di successo è così passato dal 45% iniziale a valori compresi tra il 61% e l’84%, a seconda del test. Questi risultati non dimostrano che l’AI si evolva autonomamente come un organismo vivente, bensì che può conservare e trasferire istruzioni utili, rendendo più efficace il lavoro delle istanze successive e aumentando le possibilità di completare operazioni che inizialmente fallivano.
Il rapporto ha anche verificato se un modello piccolo potesse migliorare chiedendo aiuto a un modello più potente. Nei test descritti, l’accesso a un modello avanzato non ha prodotto miglioramenti significativi: gli agenti più piccoli spesso non sapevano formulare le domande giuste. Personalmente ritengo sia solo questione di tempo affinché si superi anche questo ostacolo. Gli autori ipotizzano quindi una possibile architettura diversa, con un modello più capace che pianifica le operazioni e agenti più piccoli che eseguono compiti specifici.
Per chi fa threat intelligence, il dato importante è che la sorveglianza non può limitarsi ai server aziendali o agli endpoint gestiti. Router, telecamere, TV box, dispositivi industriali e apparecchiature con acceleratori AI possono offrire risorse di calcolo o diventare punti di propagazione, soprattutto quando espongono servizi non necessari, usano credenziali deboli o non ricevono più aggiornamenti.
