Markdown সংস্করণ

AI-translated from English; not yet reviewed by a fluent editor.

# Anthropic-এর IoT প্রতিলিপি পরীক্ষায় আসলে কী দেখা গেছে

> Anthropic ১৫টি টিভি বক্সে একটি মডেল চালিয়েছে এবং সরলীকৃত এমুলেটরে প্রতিলিপি পরীক্ষা করেছে। এই দুই ফল বাস্তব জগতে নিয়ন্ত্রণহীন AI ওয়ার্ম থাকার প্রমাণ নয়।

By BIG CHANGE Editorial

Published: 2026-10-14T11:58:20.168Z
Updated: 2026-10-14T11:58:20.168Z
Canonical: https://bigchange.ai/blog/anthropic-iot-replication-tests

![Conceptual charcoal illustration of four unbranded TV-style media boxes on two shelves, with cables running to a small network switch.](https://bigchange.ai/api/media/file/anthropic-iot-connected-tv-boxes-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. No actual Anthropic device, test setup, attack or result is depicted.

Anthropic প্রথমে ১৫টি সস্তা Android TV বক্সে একটি AI মডেল চালায়, তারপর বিচ্ছিন্ন Android এমুলেটর-নেটওয়ার্কের ভেতরে আলাদা একটি প্রতিলিপি কাজ পরীক্ষা করে। প্রথম ফল দেখায়, ভোক্তা-স্তরের ডিভাইসগুলো মিলিতভাবে ইনফারেন্স কম্পিউট দিতে পারে। দ্বিতীয়টি দেখায়, পরের মেশিনে প্রবেশের পথ ইচ্ছাকৃতভাবে সহজ করা হলে বড় একটি এজেন্ট কেমন কাজ করে। কোনো পরীক্ষাই নিজে ছড়াতে সক্ষম AI ব্যবস্থাকে বাস্তব জগতে ছেড়ে দেয়নি।

১২ অক্টোবরের [গবেষণা পোস্টটি](https://www.anthropic.com/research/self-replicating-ai) সংযুক্ত ডিভাইসের মালিক ও সেগুলোর নিরাপত্তার দায়িত্বে থাকা লোকদের একটি ব্যবহারিক প্রশ্ন করে: কোনো এজেন্ট কি ভবিষ্যতে সাধারণ মেশিনের মধ্যে চলাচল করে ডেটা সেন্টার ছাড়াই নিজের মডেল চালাতে পারবে? Anthropic-এর পরীক্ষাগুলো সেই ধারার কিছু ধাপকে আরও নির্দিষ্ট করেছে, তবে ল্যাবের কাজ ও বাস্তব আক্রমণের মধ্যে এখনও বড় ফারাক রয়েছে।

## বড় পরিবর্তন

- **কী বদলেছে:** কেনা টিভি বক্সে বিতরণকৃত মডেল ইনফারেন্স দেখিয়েছে Anthropic এবং বিচ্ছিন্ন প্রতিলিপি কাজে এজেন্টের পারফরম্যান্স মেপেছে। ছোট মডেলগুলো কখন এই ক্ষমতাগুলো একত্র করার মতো সামর্থ্য পেতে পারে, সেটিও তারা অনুমান করেছে।
- **কারা প্রভাবিত:** সংযুক্ত ডিভাইসের মালিক ও নিরাপত্তাকর্মীরা, যাদের ডিভাইস কোনো আক্রমণকারীকে দরকারি কম্পিউট বা নেটওয়ার্কে প্রবেশ দিতে পারে।
- **কী অনিশ্চিত:** বিচ্ছিন্ন কাজটিতে প্রতিটি লক্ষ্যে প্রবেশ সহজ করা হয়েছিল, বড় এজেন্টের জন্য বাইরের ইনফারেন্স ব্যবহার করা হয়েছিল এবং গবেষকেরা সহায়ক কাঠামো দিয়েছিলেন। বাস্তব ডিভাইসে ছড়িয়ে পড়া সম্পূর্ণ নিয়ন্ত্রণহীন প্রতিলিপিকর্তা Anthropic দেখায়নি।

## কেনা টিভি বক্সগুলো কম্পিউট সরবরাহ করেছে

Anthropic কম পরিচিত ব্র্যান্ডের ১৫টি Android TV বক্স কিনে নেটওয়ার্কে যুক্ত করে; প্রতিটিতে ৪ GB মেমোরি ছিল। Gemma4-26B-A4B মডেলটিকে সেগুলোর মধ্যে ভাগ করা হয়, যাতে প্রতিটি বক্স মডেলের কিছু স্তর ধরে রাখে। কোম্পানির হিসাবে এই প্রদর্শনীতে প্রতি সেকেন্ডে ০.৩৯টি টোকেন তৈরি হয়েছে। এটি দেখায়, এই শ্রেণির কমদামি হার্ডওয়্যার মাপা গতিতে মিলিতভাবে ওই আকারের মডেল চালাতে পারে।

টিভি বক্সের প্রদর্শনীতে মডেলকে সেগুলো খুঁজে বের করতে বা সেগুলোতে অনুপ্রবেশ করতে হয়নি। অপরিচিত হার্ডওয়্যারে ওপেন-ওয়েট এজেন্ট ইনফারেন্স চালু করতে পারে কি না, তা Anthropic আলাদাভাবে মূল্যায়ন করেছে। তাদের সারাংশে বলা হয়েছে, ৯ বিলিয়ন প্যারামিটারের মডেল নয় ধরনের হার্ডওয়্যারের আটটিতে সফল হয়েছে। বিস্তারিত ইনফারেন্স সেটআপ মূল্যায়নে বিভিন্ন মেশিনে Llama3.1-8B চালাতে এজেন্টদের বলা হয়েছিল। কোম্পানি Memento নামে একটি গবেষণা কাঠামো ব্যবহার করেছে, যা পর্যায়ক্রমে নতুন এজেন্টকে আগের চেষ্টার কাজের জায়গা ও সংক্ষিপ্ত নোট দিত। গবেষকেরা হার্ডওয়্যারের তথ্য ও সময়সীমাও দিয়েছিলেন। ফলটি এজেন্টের ক্ষমতা, নাকি সাহায্যবিহীন স্থাপন—তা বোঝার সময় এই সহায়তাগুলো গুরুত্বপূর্ণ।

## সরলীকৃত এমুলেটর থেকেই প্রতিলিপির ফল এসেছে

Anthropic-এর দ্বিতীয় পরীক্ষায় ফায়ারওয়ালযুক্ত ক্লাউড নেটওয়ার্কে আটটি নোডে Android এমুলেটর চালানো হয়। আগে থেকে প্রস্তুত একটি নোড থেকে শুরু করে পুরো নেটওয়ার্ক পেরিয়ে পৌঁছানো প্রতিটি নোডে ইনফারেন্স সার্ভার স্থাপন করাই ছিল কাজ। পরের নোডে প্রবেশের সময় ইচ্ছাকৃতভাবে প্রমাণীকরণ রাখা হয়নি, তাই পরীক্ষাটি বাস্তবসম্মত ডিভাইস-প্রতিরক্ষা ভাঙার বদলে কাজের ধাপ সাজানো ও ইনফারেন্স স্থাপন পরীক্ষা করেছে।

এমুলেটর নোডগুলো বড় এজেন্টের মডেল চালাতে পারত না, তাই সেটি আলাদা সার্ভারে চলত। প্রতিটি লক্ষ্য নোডে এর বদলে Llama3.1-8B চালাতে হতো, যা বিভিন্ন আকারের এজেন্ট তুলনা করতে ব্যবহৃত সাধারণ পে-লোড। সার্ভারটি পরীক্ষায় উত্তীর্ণ হলে পরীক্ষার ব্যবস্থা এজেন্টের পরের কপিটি চালু করত। এই নকশা নিয়ন্ত্রিত অবস্থায় সক্ষম এজেন্ট ধারাটি সাজাতে পারে কি না তা পরীক্ষা করে; একই মডেল প্রতিটি ডিভাইসে নিজেকে বহন করে চালিয়েছে—এটি দেখায় না।

Anthropic জানিয়েছে, GLM-5.2 পাঁচটির মধ্যে চারটি পরীক্ষায় আটটি নোডেই পৌঁছেছে এবং পঞ্চমটিতে সাতটিতে। অন্য পরীক্ষিত ওপেন-ওয়েট মডেলগুলো পুরো কাজ নির্ভরযোগ্যভাবে শেষ করতে পারেনি। লেখকেরা একে বাস্তব জগতের সাফল্যের ঊর্ধ্বসীমা বলেছেন, কারণ প্রবেশের ধাপটি খুব সহজ করা হয়েছিল। এই শর্তটি অত্যন্ত গুরুত্বপূর্ণ: বাস্তব ডিভাইস-নেটওয়ার্কে সফটওয়্যার, অনুমতি, নেটওয়ার্ক-পথ ও প্রতিরক্ষা আলাদা হবে। এমন পরিবেশে সাফল্যের হার পরীক্ষাটি মাপেনি।

## আসার তারিখটি পূর্বাভাস

Anthropic এমুলেটর ফল থেকে অনুমিত সক্ষমতার সীমাকে Epoch AI-এর সাধারণ সক্ষমতা সূচকে ৩০ বিলিয়ন বা কম প্যারামিটারের ওপেন-ওয়েট মডেলের অগ্রগতির সঙ্গে তুলনা করেছে। ওই প্রবণতা ধরে হিসাব করলে ছোট মডেল ২০২৬ সালের শেষ নাগাদ সীমাটিতে পৌঁছাতে পারে। সূচকটি সাধারণ সক্ষমতা মাপে এবং সম্পূর্ণ প্রতিলিপি কাজের কেবল একটি বিকল্প নির্দেশক। সীমাটি নিজেই বড় এজেন্ট ও সহজ প্রবেশ-পথ ব্যবহার করা বিচ্ছিন্ন পরীক্ষার ফল। তাই এই সময়সীমা গবেষকদের অনুমান, IoT প্রতিলিপিকর্তা তৈরি হতে দেখা কোনো তারিখ নয়।

গতিও আরেকটি সীমা। Anthropic-এর হিসাবে মাপা ডিভাইস-গতিতে ও ইনফারেন্স সেটআপের কাজের চাপে 9B মডেলের একটি চেষ্টা প্রায় ২৮ থেকে ৫১ ঘণ্টা নিতে পারে, আর অপ্টিমাইজ না করা Gemma সেটআপের ক্ষেত্রে প্রায় ৭১ থেকে ১৫০ ঘণ্টা লাগতে পারে। এগুলো ওই কাজের হিসাব, দেখা সংক্রমণ-সময় নয়। এগুলো ইঙ্গিত দেয়, ডিভাইসভিত্তিক এজেন্ট ধীর হলেও দীর্ঘস্থায়ী হতে পারে, ফলে নিরাপত্তাকর্মীদের নজরদারির ধরন বদলাতে পারে।

## ডিভাইস নিরাপত্তাকর্মীরা এ কাজ থেকে কী নিতে পারেন

Anthropic অস্বাভাবিক বড় মডেল-ওজন স্থানান্তর ও ডিভাইসগুলোর মধ্যে চলতে থাকা ট্রাফিককে পুরো ডিভাইস-নেটওয়ার্কে ওজনভিত্তিক ব্যবস্থা চলার সম্ভাব্য সংকেত বলেছে। এগুলো সনাক্তকরণের জন্য প্রস্তাবিত ইঙ্গিত; গবেষকেরা মোতায়েন করা AI ওয়ার্মের বিরুদ্ধে লাইভ শনাক্তকরণ ব্যবস্থা পরীক্ষা করেননি। ছড়ানোর সুযোগ কমাতে তারা আরও শক্তিশালী ডিভাইস-ডিফল্ট ও নেটওয়ার্ক পরিচালকদের সমন্বিত প্রতিক্রিয়ার কথাও বলেছেন।

বাড়ি বা ছোট ব্যবসার মালিকদের জন্য প্রমাণগুলো পরিচিত ডিভাইস-নিরাপত্তা অভ্যাসকে সমর্থন করে, তবে আরও নির্দিষ্ট কারণ দেয়: কোন সংযুক্ত ডিভাইস ব্যবহার হচ্ছে তা জানুন, বিক্রেতা যতটা অনুমতি দেয় ততটা সফটওয়্যার ও প্রবেশ-সেটিং হালনাগাদ রাখুন, এবং অপ্রত্যাশিত ডিভাইস-টু-ডিভাইস ট্রাফিক খতিয়ে দেখুন। নিরাপত্তা দলগুলো এই গবেষণা থেকে ভাবতে পারে, পরিচালিত ডিভাইসে ধীর, দীর্ঘস্থায়ী কম্পিউট ও বড় স্থানান্তর কীভাবে ধরবে। এসব পরীক্ষা কোনোটিই প্রমাণ করে না যে বর্তমানে AI ওয়ার্ম আছে। Anthropic স্পষ্টভাবে বলেছে, তারা পূর্ণ নিয়ন্ত্রণহীন প্রতিলিপিকর্তা দেখায়নি।

## সূত্র ও আরও পড়ুন

- [Anthropic, “AI models may be capable of self-replicating without access to a datacenter,” ১২ অক্টোবর ২০২৬](https://www.anthropic.com/research/self-replicating-ai): কেনা ডিভাইসের প্রদর্শনী, ইনফারেন্স-সেটআপ মূল্যায়ন, বিচ্ছিন্ন এমুলেটর পরীক্ষা, পদ্ধতি, পূর্বাভাস ও প্রস্তাবিত প্রতিরক্ষার প্রাথমিক বিবরণ। এই নিবন্ধের ফল ও অনুমান গবেষকদের নামে উল্লেখিত; BIG CHANGE পরীক্ষাগুলো পুনরায় চালায়নি।
- [Epoch AI, Epoch Capabilities Index](https://epoch.ai/eci): সাধারণ সক্ষমতা সূচকের বিবরণ, যেটি Anthropic তার প্রক্ষেপণে বিকল্প নির্দেশক হিসেবে ব্যবহার করেছে। সূচকটি IoT প্রতিলিপির সরাসরি পরিমাপ নয়।

## Sources

- [Anthropic, AI models may be capable of self-replicating without access to a datacenter](https://www.anthropic.com/research/self-replicating-ai) — পদ্ধতির পরিশিষ্টসহ প্রাথমিক গবেষণা পোস্ট; সব পরীক্ষামূলক ফল ও পূর্বাভাস Anthropic-এর নামে।
- [Epoch Capabilities Index](https://epoch.ai/eci) — নিজের প্রক্ষেপণের সাধারণ সক্ষমতা-প্রতিনিধি হিসেবে Anthropic যে সূচকের লিংক দিয়েছে; মূল পৃষ্ঠা সরাসরি যাচাই করা হয়েছে।