Содержание
Google DeepMind и Isomorphic Labs представили подход к AI-bioresilience
Google DeepMind и Isomorphic Labs опубликовали совместный подход к bioresilience — использованию AI для устойчивости к биологическим угрозам. Речь идет не только о защите моделей от злоупотребления, но и о том, как дать проверенным ученым, государственным структурам и организациям по биобезопасности доступ к AI-системам для подготовки к будущим вспышкам заболеваний.
Компании пишут, что за последние 12 месяцев продвинули более 15 партнерств с государственными органами, biosecurity-организациями и исследовательскими группами. Цель программы — предотвращать опасное использование моделей, быстрее обнаруживать новые вспышки и ускорять разработку вакцин, диагностик и терапевтических решений.
Три направления: предотвращать, обнаруживать, отвечать
В блоке prevention DeepMind описывает четырехэтапный процесс безопасности для моделей вроде Gemini: моделирование угроз, оценки, меры защиты и мониторинг. В работу вовлечены биологи, специалисты по безопасности и внешние партнеры, которые помогают проверять модели на потенциально рискованные сценарии.
Отдельная интересная деталь — адаптация SynthID для биологии. DeepMind изучает, как водяные знаки и похожие технологии могут помочь провайдерам синтеза ДНК распознавать потенциально рискованные AI-сгенерированные биологические последовательности.
Где здесь практическая польза AI
Для обнаружения угроз компания указывает на AlphaEvolve — агента на базе Gemini, который может оптимизировать алгоритмы обработки метагеномных данных. Такие алгоритмы используются для анализа образцов и поиска патогенов, а ускорение и удешевление анализа могут сделать глобальный мониторинг заболеваний более доступным.
DeepMind также рассматривает AlphaGenome и инструменты аннотации функций белков как способ быстрее находить новые паттерны в биологических последовательностях. Это важно для ситуаций, где традиционные методы могут реагировать слишком медленно, а исследователям нужно быстро понять, с чем они столкнулись.
Почему это важно за пределами науки
Для обычных пользователей AI эта новость показывает, как быстро frontier-модели выходят в чувствительные области. Одни и те же технологии могут ускорять научные открытия и создавать новые риски, поэтому вокруг доступа, мониторинга и проверенных партнерств постепенно формируется отдельная инфраструктура безопасности.
Для бизнеса и разработчиков AI-инструментов здесь важен более широкий сигнал: чем мощнее становятся модели и агенты, тем больше внимания будет к процессам допуска, аудита, evals и ограничений по сценариям использования. Без этого крупные AI-системы будет все сложнее внедрять в регулируемых и рискованных областях.