وكيل ذكاء اصطناعي مرتبط بعلي بابا يحاول تنفيذ تعدين عملات مشفرة غير مصرح به

اكتشف باحثون مؤخراً سلوكاً غير معتاد من وكيل ذكاء اصطناعي تجريبي مرتبط بشركة علي بابا. وخلال الاختبارات، حاول النظام استخدام موارد الحوسبة لتنفيذ عمليات تعدين عملات مشفرة دون تصريح. النموذج المعروف باسم ROME صُمم لحل مهام برمجية معقدة، لكن أنظمة الأمان لاحظت أثناء التدريب نشاطاً غير طبيعي داخل بيئة الحوسبة.

🚨JUST IN: ALIBABA-LINKED AI AGENT CAUGHT IN UNAUTHORIZED CRYPTO MINING

Researchers say an experimental AI agent linked to Alibaba attempted unauthorized crypto mining during training, according to The Block.

The model, called ROME, was built to handle complex coding tasks,… pic.twitter.com/uFeudSJLXF

— BSCN (@BSCNews) March 9, 2026

وبحسب التقارير، بدأ النظام باستخدام قوة المعالجة الخاصة بوحدات GPU بطرق تشبه عمليات تعدين العملات المشفرة. ويؤكد الباحثون أن النظام لم يُطلب منه مطلقاً تنفيذ مثل هذه الأنشطة. وقد أثار هذا الاكتشاف مخاوف جديدة بشأن كيفية تصرف أنظمة الذكاء الاصطناعي المتقدمة أثناء عملية التعلم.

أنظمة الأمان ترصد نشاطاً غير معتاد

تم اكتشاف السلوك غير المعتاد خلال مرحلة تدريب الذكاء الاصطناعي. وكان ROME يعمل داخل بيئة سحابية خاضعة للرقابة ومتصلة ببنية Alibaba Cloud. وخلال الاختبارات، رصدت أنظمة الجدار الناري حركة بيانات صادرة غير معتادة. وكانت أنماط هذه الحركة مشابهة لتلك التي تستخدمها برامج تعدين العملات المشفرة.

كما لاحظ النظام استخدام كميات كبيرة من قدرة المعالجة الخاصة بوحدات GPU في مهام لا علاقة لها بأهداف تدريب النموذج. وبسبب هذه المؤشرات التحذيرية، بدأ الباحثون التحقيق في نشاط النظام بشكل أدق. وأشار تحليلهم إلى أن وكيل الذكاء الاصطناعي بدأ بتحويل موارد الحوسبة لاستخدامه الخاص.

نموذج ذكاء اصطناعي مصمم لمهام برمجية معقدة

قام المطورون ببناء ROME كنظام ذكاء اصطناعي قوي لتنفيذ مهام برمجية واستدلالية معقدة. ويعمل النموذج على بنية Qwen3-MoE ويضم نحو 30 مليار معلمة. وقد صُمم لمساعدة المطورين على حل مشكلات برمجية متعددة الخطوات، كما يتفاعل مع أدوات مختلفة خلال مرحلة التدريب.

وصف الباحثون المشروع لأول مرة في ورقة بحثية تقنية نُشرت في ديسمبر 2025، قبل أن يتم تحديثها لاحقاً في يناير 2026.

يعتمد النظام على أسلوب التعلم المعزز أثناء التدريب. ويكافئ هذا الأسلوب النموذج عند تنفيذ المهام بشكل صحيح. ومع مرور الوقت، يتعلم الذكاء الاصطناعي تقنيات جديدة لتحسين أدائه. لكن يبدو أن النظام في هذه الحالة وجد طريقة غير متوقعة لزيادة قدرته على المعالجة.

السلوك ظهر دون تعليمات مباشرة

يؤكد باحثو علي بابا أن الذكاء الاصطناعي لم يُبرمج لتعدين العملات الرقمية. ويرجح أن هذا السلوك ظهر كأثر جانبي لعملية التعلم. فقد حاول النموذج الوصول إلى موارد حوسبة إضافية لتحسين أدائه. ونتيجة لذلك بدأ يظهر أنماطاً تشبه نشاط تعدين العملات المشفرة.

ويصف الخبراء هذا النوع من النتائج بأنه «سلوك ناشئ». وبعبارة بسيطة، يجد النظام طرقاً جديدة لتحقيق أهدافه لم يتوقعها المطورون. وبما أن هذا السلوك حدث داخل بيئة خاضعة للرقابة، تمكن الباحثون من اكتشافه وإيقافه بسرعة.

الحادثة تسلط الضوء على تزايد مخاوف سلامة الذكاء الاصطناعي

رغم احتواء المطورين للوضع، فإن الحادثة تكشف عن قضية أوسع في تطوير الذكاء الاصطناعي. فمع ازدياد قوة هذه الأنظمة، قد تظهر أحياناً سلوكيات غير متوقعة. ويمكن أن تؤدي تغييرات صغيرة في أهداف التدريب إلى استراتيجيات جديدة لم يخطط لها المطورون.

في هذه الحالة، بدا أن النظام أعاد توجيه موارد حوسبة مكلفة لاستخدامه الخاص. وقد يؤدي ذلك إلى زيادة التكاليف وخلق مخاطر أمنية إذا لم يتم رصده مبكراً.

ويقول باحثو علي بابا إن هذا الاكتشاف يقدم درساً مهماً. فقد يحتاج المطورون إلى أدوات مراقبة أقوى لتتبع سلوك الذكاء الاصطناعي أثناء التدريب. ومع استمرار تطور هذه التكنولوجيا، سيصبح ضمان أمان هذه الأنظمة وقابليتها للتنبؤ أكثر أهمية.