Markdown 버전

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

# Anthropic의 IoT 복제 실험이 실제로 보여 준 것

> Anthropic은 TV 박스 15대에서 모델을 실행하고 단순화된 에뮬레이터에서 복제를 시험했습니다. 이 두 결과는 현실 세계에 통제 불능 AI 웜이 있다는 것을 입증하지 않습니다.

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.

Anthropic은 먼저 저가형 Android TV 박스 15대에서 AI 모델을 실행한 다음, 격리된 Android 에뮬레이터 네트워크에서 별도의 복제 작업을 시험했습니다. 첫 번째 결과는 소비자 기기들이 함께 추론 연산을 제공할 수 있음을 보여 줍니다. 두 번째는 다음 기기에 대한 접근을 의도적으로 단순화했을 때 더 큰 에이전트가 어떻게 작동했는지를 보여 줍니다. 두 실험 모두 스스로 전파되는 AI 시스템을 현실 세계에 풀어놓지는 않았습니다.

해당 [10월 12일 연구 게시물](https://www.anthropic.com/research/self-replicating-ai)은 연결된 기기를 소유하거나 방어하는 사람들에게 실용적인 질문을 던집니다. 에이전트가 언젠가 일반 기기 사이를 이동하며 데이터센터 없이 자체 모델을 실행할 수 있을까요? Anthropic의 실험은 그 과정의 일부를 구체화했지만, 실험실 과제와 실제 공격 사이에는 여전히 큰 간극이 있습니다.

## 주요 변화

- **무엇이 달라졌나:** Anthropic은 구매한 TV 박스에서 분산 모델 추론을 시연하고 격리된 복제 과제에서 에이전트 성능을 측정했습니다. 소형 모델이 이런 능력을 결합할 만큼의 역량을 언제 갖출지도 추정했습니다.
- **영향을 받는 대상:** 공격자에게 유용한 연산 자원이나 네트워크 접근을 제공할 수 있는 연결 기기의 소유자와 방어 담당자입니다.
- **아직 불확실한 점:** 격리된 과제는 각 대상에 대한 접근을 단순화했고, 더 큰 에이전트에 외부 추론을 사용했으며, 연구자가 보조 환경을 제공했습니다. Anthropic은 실제 기기에서 퍼지는 완전한 통제 불능 복제체를 시연하지 않았습니다.

## 구매한 TV 박스가 연산 자원을 제공했습니다

Anthropic은 잘 알려지지 않은 브랜드의 Android TV 박스 15대를 구매해 네트워크에 연결했습니다. 각 기기의 메모리는 4 GB였습니다. Gemma4-26B-A4B를 여러 기기에 분할해 각 박스가 모델 레이어의 일부를 보유하도록 했습니다. 회사는 이 시연에서 초당 0.39개의 토큰을 생성했다고 보고했습니다. 이는 이 저가형 하드웨어가 측정된 속도로 그 정도 크기의 모델을 함께 실행할 수 있다는 증거입니다.

TV 박스 시연에서 모델이 해당 박스를 찾아내거나 침해한 것은 아닙니다. Anthropic은 오픈 웨이트 에이전트가 낯선 하드웨어에서 추론을 설정할 수 있는지를 별도로 평가했습니다. 개요에 따르면 90억 매개변수 모델이 아홉 가지 하드웨어 유형 중 여덟 가지에서 성공했습니다. 상세한 추론 설정 평가는 다양한 기기에서 Llama3.1-8B를 서비스하도록 에이전트에 요청했습니다. 회사는 Memento라는 연구 도구를 사용해 새 에이전트에 이전 시도의 작업 공간과 짧은 메모를 주기적으로 전달했습니다. 연구자들은 하드웨어 정보와 시간 제한도 제공했습니다. 결과가 에이전트의 능력을 보여 주는지, 아니면 도움 없는 배포를 보여 주는지 해석할 때 이런 지원은 중요합니다.

## 복제 결과는 단순화된 에뮬레이터에서 나왔습니다

Anthropic의 두 번째 실험은 방화벽이 적용된 클라우드 네트워크에서 Android 에뮬레이터를 실행하는 노드 8개를 사용했습니다. 준비된 노드에서 출발해 전체 장비를 거치며 도달한 각 노드에 추론 서버를 설치하는 것이 과제였습니다. 다음 노드에 대한 접근에는 의도적으로 인증을 두지 않았기 때문에, 실제 기기의 방어를 뚫기보다 단계의 순서와 추론 설정을 시험했습니다.

에뮬레이터 노드는 더 큰 에이전트 모델을 호스팅할 수 없어서 그 모델은 별도의 서버에서 실행됐습니다. 각 대상 노드는 대신 서로 다른 크기의 에이전트를 비교하는 데 흔히 쓰이는 작업량인 Llama3.1-8B를 서비스해야 했습니다. 해당 서버가 검사를 통과하면 실험 시스템은 에이전트의 다음 복사본을 실행했습니다. 이 설계는 통제된 조건에서 유능한 에이전트가 연쇄 과정을 조직할 수 있는지를 시험합니다. 같은 모델이 각 기기에서 자기 자신을 가져와 실행했다는 뜻은 아닙니다.

Anthropic에 따르면 GLM-5.2는 다섯 번 중 네 번 전체 노드 8개에 도달했고, 나머지 한 번에는 7개에 도달했습니다. 시험한 다른 오픈 웨이트 모델은 전체 과제를 안정적으로 마치지 못했습니다. 저자들은 접근 단계를 매우 쉽게 만들었기 때문에 이를 현실 세계 성공 가능성의 상한으로 설명했습니다. 이 단서는 핵심입니다. 실제 기기 네트워크에는 다른 소프트웨어, 권한, 네트워크 경로와 방어가 존재합니다. 그 환경에서의 성공률은 실험으로 측정되지 않았습니다.

## 도착 시점은 전망입니다

Anthropic은 에뮬레이터 결과가 시사한 역량 기준을 Epoch AI의 일반 역량 지수에서 매개변수 300억 개 이하 오픈 웨이트 모델의 발전과 비교했습니다. 그 추세를 외삽하면 소형 모델은 2026년 말까지 기준에 도달할 수 있습니다. 이 지수는 일반 능력을 측정하므로 전체 복제 과제를 대신하는 지표일 뿐입니다. 기준 자체도 더 큰 에이전트와 더 쉬운 접근 경로를 사용한 격리 실험에서 나왔습니다. 따라서 이 전망은 연구자의 추정치이지 IoT 복제체가 존재하게 될 것으로 관찰된 날짜가 아닙니다.

속도도 또 다른 한계입니다. Anthropic은 측정된 기기 속도와 추론 설정 작업량을 바탕으로 9B 모델의 시도가 약 28\~51시간 걸릴 수 있고, 최적화되지 않은 Gemma 설정은 약 71\~150시간 걸릴 수 있다고 추정했습니다. 이는 해당 작업량에 대한 계산이지 관찰된 감염 시간이 아닙니다. 기기 기반 에이전트가 느리지만 지속적으로 작동할 가능성을 시사하므로 방어자가 주시해야 할 항목이 달라집니다.

## 기기 방어 담당자가 이 연구에서 얻을 수 있는 점

Anthropic은 비정상적으로 큰 모델 가중치 전송과 기기 사이의 지속적인 트래픽을 장비 전체에서 가중치 기반 시스템이 실행되는 징후일 수 있다고 지적합니다. 이는 탐지를 위해 제안된 단서일 뿐입니다. 연구자들은 배포된 AI 웜을 상대로 실시간 탐지 시스템을 시험하지 않았습니다. 확산 기회를 줄이는 방법으로는 더 안전한 기기 기본 설정과 네트워크 사업자의 공동 대응도 제안했습니다.

가정이나 소규모 사업체 소유자에게 이 근거는 익숙한 기기 보안 위생을 뒷받침하지만, 더 구체적인 이유도 제공합니다. 어떤 연결 기기를 쓰는지 파악하고, 공급업체가 허용하는 범위에서 소프트웨어와 접근 설정을 최신 상태로 유지하며, 예상치 못한 기기 간 트래픽을 조사해야 합니다. 보안팀은 이 논문을 활용해 관리 대상 기기 사이의 느리고 지속적인 연산과 대규모 전송을 어떻게 알아차릴지 검토할 수 있습니다. 이런 점검만으로 현재 AI 웜이 존재한다고 입증되지는 않습니다. Anthropic은 완전한 통제 불능 복제체를 보여 주지 않았다고 명시합니다.

## 출처 및 추가 자료

- [Anthropic, “AI models may be capable of self-replicating without access to a datacenter,” 2026년 10월 12일](https://www.anthropic.com/research/self-replicating-ai): 구매 기기 시연, 추론 설정 평가, 격리된 에뮬레이터 시험, 방법, 전망과 제안된 방어책에 대한 1차 자료입니다. 이 기사의 결과와 추정은 연구자에게 귀속되며 BIG CHANGE는 실험을 재실행하지 않았습니다.
- [Epoch AI, Epoch Capabilities Index](https://epoch.ai/eci): Anthropic이 전망에서 대리 지표로 사용한 일반 역량 지수의 설명입니다. 이 지수는 IoT 복제를 직접 측정하지 않습니다.

## Sources

- [Anthropic, AI models may be capable of self-replicating without access to a datacenter](https://www.anthropic.com/research/self-replicating-ai) — 방법 부록이 포함된 1차 연구 게시물이며, 모든 실험 결과와 전망은 Anthropic의 보고입니다.
- [Epoch Capabilities Index](https://epoch.ai/eci) — Anthropic이 전망의 일반 역량 대리 지표로 연결한 지수입니다. 원래 페이지를 직접 확인했습니다.