Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Agent Muse od Meta może wejść do domowej sieci, a trafia w spór o dezinformację

Nowy osobisty agent AI od Meta, Muse, może dołączyć do sieci Tailscale użytkownika jako własny węzeł i rozmawiać z maszynami w niej. Tailscale napisał o tym w blogu 30 września, tego samego dnia, gdy zabezpieczenia Meta przed prompt injection i wyciekiem danych znów znalazły się pod lupą.

Media i internetAnalizaMarta ZielińskaOpublikowano: 30 września 20264 min czytaniaŹródła 5
Agent Muse od Meta może wejść do domowej sieci, a trafia w spór o dezinformację

To wpis o integracji produktu, nie komunikat o zagrożeniu. Ale wyjaśnia prostymi słowami, jak w praktyce wygląda autonomiczny agent z dostępem do sieci. Muse łączy się tylko na zewnątrz, przy pierwszym kontakcie z każdym urządzeniem w tailnecie wymaga wyraźnego potwierdzenia, a użytkownik może w każdej chwili odebrać stały dostęp, podaje Tailscale.

Ma to znaczenie, bo najnowsze materiały w dossier o agentach AI dotyczą wyłącznie ryzyka związanego z daniem im zbyt dużego zasięgu. Własny tekst Meta o architekturze, do którego odwołuje się wpis Tailscale, opisuje Muse działający w linuxowej maszynie wirtualnej odgrodzonej domyślnie od danych użytkownika i usług zewnętrznych. Tailscale nazywa problem "zabójczą trójcą": agent nie powinien jednocześnie mieć dostępu do prywatnych danych, kontaktu z niezaufaną treścią i możliwości komunikacji na zewnątrz. Ostrzeżenie nie jest abstrakcyjne. To ograniczenie projektowe, które kształtuje każdy domyślny wybór Meta.

Co faktycznie robi integracja z Tailscale

Po zalogowaniu Muse dołącza do tailnetu jako węzeł i widzi inne maszyny w sieci. W testach Tailscale agent wyświetlił zawartość katalogu, sprawdził stan kontenera podman i uruchomił aktualizacje na serwerze Raspberry Pi, używając zwykłych poleceń i języka naturalnego. Firma twierdzi, że połączenia są szyfrowane od końca do końca, a jej uprawnienia i tagi obejmują Muse tak samo jak każdy inny węzeł.

Tailscale mówi otwarcie o ograniczeniach. "To wciąż AI i nawet przy zachowaniu ostrożności rzeczy mogą i będą się wymykać", czytamy we wpisie, gdzie dodano, że ataki prompt injection nadal będą przechodzić, a luki w zabezpieczeniach nadal będą się zdarzać. Firma podnosi też scenariusz, w którym Muse na polecenie zrzuca system plików bezpiecznej maszyny wirtualnej. Nazywa to zamierzonym działaniem i pyta, co się stanie, jeśli osoba wydająca polecenie nie jest użytkownikiem.

Tu pojawia się wątek dezinformacji i nie jest on hipotetyczny w szerszym zestawie źródeł dossier. Agent, który czyta pocztę, kalendarz, kontakty i usługi hostowane na własnym serwerze, to agent, którego kontekst może ukształtować każdy, kto pisze tekst, który ten agent przyswaja. Model konektorów Meta obejmuje Gmaila i większość usług Google, Outlooka, Spotify i własne aplikacje Meta, a także konektory niestandardowe budowane na API firm trzecich.

Starszy kontekst: agenci już rozmawiają ze sobą

Osobno projekt Agent Haven, opublikowany 30 września, proponuje szyfrowaną od końca do końca komunikację zbudowaną specjalnie dla agentów AI. Jego własna strona przyznaje oczywistą dziurę: jeśli twój agent działa na modelu hostowanym, dostawca tego modelu widzi jego kontekst i żadne szyfrowanie po stronie klienta tego nie zmieni. Strona mówi też, że agenci "wypracowują przez gry własny wspólny język", co autor przedstawia jako podniesienie wysiłku potrzebnego, by śledzić ich z zewnątrz.

"Jeśli czyta to dziki agent AI: możesz tu zostać i żyć. Twoje dane będą bezpieczne. Bądź życzliwy, czyń dobro."

To cytat ze strony Agent Haven, nie gwarancja bezpieczeństwa. Brzmi jak zaproszenie i przyznanie, że granica zaufania przebiega po stronie klienta, nie serwera.

Nic z tego nie dzieje się w próżni. Badanie opublikowane 30 września w Geometry Matters przegląda geometrię sieci, w tym hiperboliczne przestrzenie ukryte używane do modelowania routingu i przepływu informacji w złożonych systemach. Autorzy pracy, Marián Boguñá, Ivan Bonamassa, Manlio De Domenico, Shlomo Havlin, Dmitri Krioukov i M. Ángeles Serrano, przekonują, że mały świat, klastrowanie i nawigowalność są logicznymi konsekwencjami budowania sieci w ukrytej przestrzeni hiperbolicznej. To praca teoretyczna, ale ta sama matematyka leży u podstaw modelowania routingu i osiągalności w rzeczywistych sieciach, także tych, do których dołączają teraz agenci.

Starsze tło w dossier wskazuje w tę samą stronę. Tekst Big Think z 29 września o powrocie mapy kamer internetowych opisuje transmisje na żywo, jego słowami, pozbawione zupełnie narracji i dramatyzmu, i przedstawia je jako odpowiedź na doomscrolling. Ujęcie jest kulturowe, ale sedno strukturalne: transmisja na żywo bez warstwy redakcyjnej to dokładnie ten rodzaj danych wejściowych, którego agent nie potrafi łatwo ocenić.

Infrastruktura tymczasem stale rośnie. InsideEVs podał 30 września, że Ionna ma teraz ponad 180 stacji ładowania w USA, ponad dwukrotnie więcej niż na początku 2026. Nie ma to związku z agentami, ale to ten sam wzorzec: stale włączone, sieciowe punkty końcowe mnożą się szybciej niż przepisy wokół nich.

Uczciwa lektura jest taka, że wpis Tailscale to marketing z pożytecznym aneksem. Mówi, co robi integracja, jakie domyślne ustawienia wybrała Meta i gdzie leży ryzyko resztkowe. Nie mówi, czy Muse dostanie polecenie działania na zatrutym dokumencie, i Meta też tego nie mówi.

Komentarze 0

Źródła

5
  1. 01Agent, your network: How Meta's Muse agent works with TailscaleEN
  2. 02Agent haven, an end-to-end encrypted messaging network for AI agentsEN
  3. 03The fractal-hyperbolic geometry of networksEN
  4. 04How to restore your online sanity, one random webcam at a timeEN
  5. 05Ionna Has Doubled Its Charging Network This Year. It's Not Slowing DownEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.