Wilson Vega
Editor SrFanático de la tecnología, el cine y la cultura pop. Periodista de profesión y geek por vocación, apasionado de la inteligencia artificial y la robótica en la ciencia ficción y en el mundo real. A veces, el éxito significa ser el primero en fracasar.
Muy pronto -si se creen los reportes, tal vez en cosa de meses-, los modelos de inteligencia artificial compactos podrían ser capaces de autorreplicarse sin intervención humana en dispositivos IoT cotidianos y de baja seguridad. Estas amenazas emergentes, conocidas como “gusanos de IA”, operarían de manera descentralizada y lenta, fragmentándose para ejecutarse de forma distribuida en aparatos como televisores inteligentes y, en el proceso, ubicándose más allá de los servidores de sus creadores, y de sus kill-switchs.
Esa es la advertencia que se desprende de un estudio publicado por Anthropic, según el cual los modelos de IA en ambientes de pruebas han logrado autorreplicarse en dispositivos de Internet de las Cosas (IoT) -específicamente TV boxes para televisores Android- mediante un ciclo autónomo de cuatro etapas combinado con computación distribuida.
En la publicación se lee: “Nuestros experimentos sugieren que, en apenas meses, los modelos de IA pequeños podrían ser capaces de autorreplicarse en dispositivos comerciales de Internet de las Cosas (IoT), como hornos inteligentes y reproductores multimedia Android genéricos. Sería difícil desactivar un replicador de este tipo, ya que no existe un punto centralizado para su apagado”.
Cómo se replica la IA en los dispositivos
En ese escenario, el agente de IA escanea las redes locales, o incluso la internet, para descubrir dispositivos vulnerables como decodificadores, electrodomésticos conectados o cámaras de seguridad. Tras obtener acceso explotando vulnerabilidades de seguridad o puntos de entrada débiles comunes, el modelo descarga su carga útil y navega de forma autónoma por detalles específicos del sistema operativo sin necesitar en ningún momento los privilegios root/administrador.
Una vez que la inferencia está operativa, la instancia del modelo recién desplegada asume el control como agente autónomo, escaneando nuevas máquinas objetivo y repitiendo el ciclo.
La mayoría de los dispositivos IoT de consumo poseen potencia de cálculo y memoria mínimas (normalmente 1–4 GB de RAM). Un modelo demasiado grande para una sola máquina se divide en fragmentos a lo largo de múltiples dispositivos en red. Cada dispositivo almacena una pequeña porción de las capas del modelo y pasa activaciones a nodos adyacentes, permitiendo que una flota de dispositivos baratos ejecute colectivamente el modelo.
Un nuevo tipo de amenaza
A diferencia del malware tradicional que depende de scripts fijos y codificados para hardware específico, los replicadores de IA pueden analizar hardware desconocido y depurar errores de instalación específicos del entorno. Las instancias “padres” transmiten notas operativas, estrategias exitosas y registros de errores a replicadores “hijos”, lo que permite que las generaciones posteriores se adapten y aumenten su tasa de éxito en la configuración a medida que el ciclo se repite.
A diferencia de las botnets tradicionales, que suelen depender de servidores centralizados de comando y control, los gusanos de IA operan como replicadores descentralizados basados en pesos, lo que dificulta enormemente su erradicación al no existir un interruptor central de apagado.
El malware convencional se basa en scripts rígidos diseñados para dispositivos o sistemas operativos específicos. Pero los modelos de IA no están atados a un único tipo de hardware; pueden analizar entornos desconocidos por sí mismos, resolver incompatibilidades de paquetes y configurar servidores de inferencia en plataformas muy diversas, desde mini-PC y Macs hasta, concebiblemente Smart TV u otros electrodomésticos.
Cuestión de meses
En las evaluaciones realizadas por Anthropic sobre la capacidad de autorreplicación de modelos de pesos abiertos, GLM-5.2 fue el único modelo de pesos abiertos dentro del conjunto evaluado que logró completar de forma autónoma e integral todo el ciclo de replicación. Modelos más pequeños como Qwen3.5-9B, Gemma4-26B-A4B y Qwen3-Coder-Next no lograron completar la replicación autónoma de extremo a extremo debido a que cometen errores al encadenar la secuencia completa de pasos sin asistencia. Sin embargo, estos modelos sí demostraron capacidad para etapas individuales.
Anthropic señala que actualmente existe una brecha: los modelos pequeños (<30B) caben en la memoria de los dispositivos domésticos, pero no alcanzan el ‘suelo de capacidad’, mientras que modelos como GLM-5.2 tienen la capacidad pero son demasiado grandes para un solo dispositivo IoT. No obstante, según la tendencia histórica de avance en capacidades, se estima que los modelos de menos de 30B de parámetros alcanzarán el nivel de capacidad de GLM-5.2 a finales de 2026, lo que permitiría la existencia de replicadores autónomos completos en hardware ligero.
Ver 0 comentarios