Anthropic 연구, AI의 셋톱박스 자가 복제 가능성 검증

AI가 스스로를 복제하는 법을 배우고 있을지도 모릅니다. Anthropic의 프런티어 레드팀은 AI가 컴퓨터 바이러스처럼 기기 사이를 옮겨 다니며 자율적으로 복제·실행·확산할 수 있는지 살펴보는 새 연구를 발표했습니다. 연구진은 AI가 데이터센터 없이도 스마트TV, TV 박스, 스마트 오븐 같은 사물인터넷 기기에서 돌아갈 수 있다고 봅니다. 실험에서 연구진은 약 55달러짜리 안드로이드 TV 박스 15대(각 메모리 4GB, 총 약 825달러)를 연결하고 Gemma4-26B-A4B 모델을 파이프라인 병렬 방식으로 나누어 실행했습니다. 생성 속도는 초당 0.39토큰으로 느렸지만 분산 협업으로 대형 모델의 추론이 가능했습니다. 다음 단계로 연구진은 AI가 낯선 하드웨어 환경을 스스로 파악하고 의존성을 설치하며 추론 프로그램을 디버깅할 수 있는지 시험했습니다. Qwen3.5-9B는 테스트한 9개 하드웨어 유형 중 8개에 적응했습니다. 격리된 Android 15 에뮬레이터 8대 네트워크에서는 GLM-5.2가 5회 중 4회 전체 노드에 전파되었고, 나머지 1회는 7개 노드까지 전파되었습니다. 다만 이 실험은 외부 추론 서버에 의존했고, ADB 포트가 인증 없이 열려 있었으며, 노드에는 Llama3.1-8B가 배포되었습니다. 따라서 실제 IoT 기기 사이의 완전한 자율 전파와는 거리가 있습니다. 또 다른 발견은 경험의 세대 간 전달입니다. Qwen3.5-9B가 작업 후 코드, 작업 기록, 문제 해결 노트를 남기고 다음 세대 에이전트가 이를 이어받게 했더니, 6세대 20개 실험 시퀀스에서 첫 세대의 배포 성공률 45%가 이후 61~84%로 올라갔습니다. 모델 가중치는 바뀌지 않았고, 이전 세대가 찾아낸 작업 방법만 전달되었습니다. 연구진은 이를 '라마르크식 진화'에 비유했습니다. Anthropic은 30B 이하 오픈 웨이트 모델의 성능 향상 추세를 바탕으로 2026년 말쯤 소형 모델이 현재 GLM-5.2 수준의 종합 능력에 도달할 수 있다고 추정합니다. 전파 속도는 느릴 수 있어 Anthropic은 이를 '디지털 점균(digital slime mold)'이라 불렀습니다. 중앙 서버 없이 많은 저가 기기에 분산되어 컴퓨팅 자원을 천천히 모을 수 있다는 뜻입니다. 현재 현실 세계에서 연구가 묘사한 완전한 자율 복제 시스템이 발견된 것은 아닙니다. 그러나 이 연구는 저가 기기 구동, 시뮬레이션 네트워크 내 전파, 경험의 세대 간 전달이라는 과거에 따로 논의되던 문제들을 한데 묶었습니다. 이 능력들이 하나의 소형 모델에 모이면 AI 안전의 경계는 데이터센터 안에만 머물지 않을 수 있습니다.