Как Google DeepMind и Isomorphic Labs строят защиту от биологических угроз с помощью ИИ

Программа охватывает путь от запроса к модели до нового препарата

16 июля 2026 года Google DeepMind и Isomorphic Labs опубликовали совместный подход к bioresilience. Под этим термином они понимают способность общества снижать биологические риски, быстро обнаруживать новые вспышки и разворачивать медицинский ответ. В программе задействуют Gemini, AlphaFold, AlphaGenome, AlphaEvolve и систему Isomorphic Labs для разработки лекарств.

Работа разделена на три направления: предотвращение злоупотреблений, обнаружение угроз и ответ на них. За предыдущие 12 месяцев команды работали более чем над 15 партнёрствами с государственными структурами, организациями биобезопасности и исследовательскими группами. Полный список, бюджеты и общие показатели эффективности не раскрыты.

Gemini проверяют на способность снижать порог входа в опасную биологию

Предотвращение злоупотреблений строится вокруг моделирования угроз, экспертного тестирования, рандомизированных исследований с участием людей, дообучения на безопасные отказы, классификаторов опасной активности и анализа журналов использования. Трудность заложена в двойном назначении биологических знаний: полезный научный запрос может быть похож на часть вредоносного сценария. Команда отдельно следит за чрезмерными отказами, которые мешают законным исследованиям.

По карточке Gemini 3.1 Pro модель остаётся ниже порога критических возможностей в химических, биологических, радиологических и ядерных сценариях. Она способна выдавать точные и применимые сведения, однако не предоставляет достаточно новых и полных инструкций для критических этапов, которые заметно усилили бы злоумышленника с ограниченными ресурсами. Оценка основана на методике и порогах самого разработчика.

Внешние эксперименты дают неодинаковые результаты. RAND в 2024 году не обнаружила статистически значимого улучшения планов биологической атаки у команд с доступом к LLM. Препринт 2026 года на компьютерных биологических задачах зафиксировал заметный рост результатов новичков. Сравнивать эти работы напрямую нельзя: они изучали разные задачи и поколения моделей. Вместе они показывают ценность испытаний, где измеряется влияние ИИ на человека в конкретном сценарии. Такие исследования осложняют быстрые обновления моделей, различия между пользователями и нестабильные контрольные условия.

SynthID хотят перенести с медиаконтента на последовательности ДНК

SynthID встраивает скрытые метки в изображения, аудио, текст и видео, созданные продуктами Google. В биологической версии метка должна помогать поставщикам синтеза ДНК распознавать последовательности, сгенерированные ИИ. Проект пока исследуется.

Идея отвечает на слабое место нынешнего контроля. Заказы проверяют по базам известных патогенов и токсинов вместе с данными о клиенте. Генеративная модель может предложить сильно изменённую последовательность с похожей функцией, поэтому совпадения с базой уже недостаточно. DeepMind рассматривает функциональный скрининг, который предсказывает токсичность или патогенность по свойствам последовательности. В совместном документе эту задачу называют крупной и открытой.

Из принципа работы следует ограничение: метка полезна лишь там, где генератор умеет её ставить, а поставщик синтеза - находить. Широкое покрытие потребует общего стандарта и участия множества моделей, лабораторий и производителей. Текущий анонс таких договорённостей не содержит.

AlphaEvolve улучшает чтение ДНК, но эпиднадзор требует отдельной инфраструктуры

Для раннего обнаружения вспышек компании делают ставку на метагеномное секвенирование: чтение всего генетического материала в пробах из сточных вод, воздуха или пациентов. AlphaEvolve уже помог оптимизировать DeepConsensus, систему исправления ошибок секвенирования. Google DeepMind сообщает о сокращении ошибок при поиске генетических вариантов на 30%. AlphaGenome и инструменты аннотации функций белков пока изучаются как способы быстрее распознавать новые патогены по последовательностям.

Улучшение качества исходных данных само по себе не доказывает более раннее обнаружение эпидемий. Нужны регулярный отбор проб, лабораторные мощности, сопоставимые базы, эпидемиологическая интерпретация и канал передачи сигнала службам здравоохранения. В опубликованном плане нет полевых метрик вроде времени от взятия образца до предупреждения или доли ложных тревог.

AlphaFold и Drug Design Engine подключат к экстренному поиску средств защиты

По данным компаний, AlphaFold за пять лет упоминался более чем в 10 000 публикаций об инфекционных заболеваниях; систему применяли в исследованиях туберкулёза, малярии, mpox и вируса Нипах. Ливерморская национальная лаборатория имени Лоуренса использует AlphaFold 3 для проектирования антител широкого спектра. Отдельным исследователям также предоставляют ограниченный доступ к ИИ-системам вроде Co-Scientist.

Isomorphic Labs создала подразделение для быстрого подключения Drug Design Engine к разработке медицинских средств во время новой вспышки. ИИ способен сократить перебор гипотез и молекулярных кандидатов. Лабораторная проверка, клинические испытания, производство и регуляторное решение остаются самостоятельными этапами. Документ предлагает заранее готовить производственные площадки, сети испытаний и ускоренные процедуры согласования.

Глобальная задача пока опирается на американскую нормативную повестку

Практическая часть программы рассчитана на международные партнёрства, но подробные рекомендации адресованы властям США. Среди них федеральная система требований к безопасности передовых моделей, обязательная проверка заказов на синтез ДНК, расширение метагеномного мониторинга, защищённые и стандартизованные наборы биологических данных, заранее подготовленные мощности для выпуска медицинских средств.

Такой набор мер показывает реальную архитектуру bioresilience. Качество моделей составляет один слой. Результат зависит от правил доступа, лабораторной сети, обмена данными, производства и готовности государственных служб действовать по сигналу.

Полевые показатели станут главным тестом программы

Сильная сторона подхода - попытка связать безопасность моделей, геномный надзор и разработку препаратов в один цикл. Слабая точка находится между исследовательской демонстрацией и работающей системой. Биологический SynthID, применение AlphaGenome к патогенам, функциональный скрининг ДНК и экстренное подразделение Isomorphic Labs пока описаны как направления работы.

Проверять программу стоит по четырём показателям: доле пропущенных и ошибочно заблокированных последовательностей, времени от образца до сигнала, сроку получения экспериментально подтверждённого медицинского кандидата и результатам независимой проверки защитных механизмов Gemini. Публикация таких данных даст bioresilience измеримые критерии и позволит отделить работающую инфраструктуру от дорожной карты.