Google DeepMind rozszerza program bezpieczeństwa biologicznego wobec ryzyk AI

Google DeepMind wspólnie ze spółką Isomorphic Labs opisały 16 lipca 2026 roku, jak zamierzają ograniczać ryzyko, że modele sztucznej inteligencji posłużą do projektowania niebezpiecznych patogenów. Firma ujawniła, że w ciągu ostatniego roku nawiązała ponad 15 partnerstw z rządami, laboratoriami i organizacjami zajmującymi się bezpieczeństwem biologicznym.

Trzy filary programu

DeepMind opisuje swoje podejście jako czterostopniowy proces bezpieczeństwa obejmujący modelowanie zagrożeń, testy ewaluacyjne, mechanizmy ograniczające ryzyko oraz stały monitoring. To pierwszy filar programu, nazwany zapobieganiem, w ramach którego firma adaptuje własną technologię znakowania treści SynthID do świata biologii. Celem jest umożliwienie dostawcom syntezy DNA skanowania zamówień pod kątem sekwencji zaprojektowanych z pomocą AI, które mogłyby posłużyć do stworzenia groźnego patogenu.

Drugi filar, wykrywanie, opiera się na agencie kodującym AlphaEvolve, który we współpracy z firmą Pacific Biosciences ma przyspieszać i podnosić dokładność algorytmów sekwencjonowania metagenomicznego, ułatwiając szybsze namierzanie nowych ognisk chorób. DeepMind bada też wykorzystanie modelu AlphaGenome oraz adnotacji funkcji białek do lepszej charakterystyki patogenów.

Trzeci filar, reagowanie, dotyczy udostępniania najnowszych systemów AI zaufanym badaczom, rządom i organizacjom non-profit do projektowania szczepionek i innych środków zaradczych. Isomorphic Labs uruchomiło w tym celu wyodrębnioną jednostkę zajmującą się szybkim wdrażaniem silnika projektowania leków IsoDDE podczas wybuchów epidemii.

Dlaczego akurat teraz

Rosnące możliwości modeli AI w projektowaniu białek i sekwencji genetycznych od dawna budzą obawy ekspertów bezpieczeństwa biologicznego. AlphaFold, wcześniejszy model DeepMind, zmapował struktury 3D niemal wszystkich znanych białek i w ciągu pięciu lat posłużył jako podstawa dla ponad 10 tysięcy publikacji naukowych dotyczących chorób zakaźnych. Ta sama zdolność modelowania struktur biologicznych, która przyspiesza badania nad szczepionkami, w niewłaściwych rękach mogłaby ułatwić projektowanie patogenów omijających istniejące systemy wykrywania.

DeepMind przyznaje, że dotychczasowy system skriningu zamówień na syntezę DNA zaczyna zawodzić, ponieważ AI potrafi już projektować funkcjonalne sekwencje, które nie są rozpoznawane przez obecne mechanizmy kontrolne. To jeden z powodów, dla których firma stawia na adaptację SynthID zamiast polegania wyłącznie na tradycyjnych bazach danych znanych sekwencji zagrożeń.

Jeśli okazałoby się, że osiągamy krytyczny poziom możliwości modelu, a nie mamy odpowiednich zabezpieczeń, to nie wypuścimy tego modelu - Helen King, wiceprezes ds. odpowiedzialności w Google DeepMind

Ograniczony dostęp, nie premiera publiczna

Firma podkreśla, że rozszerzony dostęp do najnowszych modeli i agentów AI dla zaufanych badaczy, rządów i partnerów zajmujących się bezpieczeństwem biologicznym to wdrożenia niskiego ryzyka, ograniczone do wąskiego grona odbiorców, a nie publiczna premiera narzędzi. Praca wpisuje się w szerszy Frontier Safety Framework DeepMind oraz protokoły zarządzania ryzykiem chemicznym, biologicznym, radiologicznym i jądrowym (CBRN), które firma rozwija od kilku lat równolegle z premierami kolejnych generacji modeli Gemini.

Dla polskich instytucji naukowych i firm biotechnologicznych program DeepMind pokazuje kierunek, w którym mogą pójść regulacje i standardy branżowe dotyczące syntezy DNA i badań nad patogenami wspieranych przez AI. Jeśli firmy takie jak DeepMind i Isomorphic Labs ustanowią własne mechanizmy kontrolne jako faktyczny standard, europejscy dostawcy syntezy genów i laboratoria mogą zostać zachęcone lub zobowiązane do wdrożenia podobnych zabezpieczeń, zanim powstaną twarde przepisy unijne w tym obszarze.

Program nie jest reakcją na konkretny incydent, lecz elementem szerszej strategii ograniczania ryzyk związanych z rozwojem coraz zdolniejszych modeli AI, obok wcześniejszych działań DeepMind dotyczących map zagrożeń dla autonomicznych agentów. Firma zapowiada, że będzie rozwijać zabezpieczenia po treningu modeli jako pracę w toku, a nie gotowe rozwiązanie, co sugeruje kolejne aktualizacje programu w najbliższych miesiącach.