Программа bioresilience от Google DeepMind и Isomorphic Labs: защита от биоугроз с помощью ИИ
16 июля 2026 года Google DeepMind и Isomorphic Labs представили совместный подход к bioresilience — устойчивости общества перед биологическими угрозами. Речь идёт о способности снижать риски, быстро замечать новые вспышки болезней и оперативно разворачивать медицинский ответ. Программа касается не только разработчиков ИИ, но и государственных служб, лабораторий и производителей лекарств.
В основе лежит использование моделей Gemini, AlphaFold, AlphaGenome, AlphaEvolve и системы Isomorphic Labs для создания препаратов. За последний год команды запустили более 15 партнёрств с госструктурами, организациями биобезопасности и научными группами, однако бюджеты и общие результаты не раскрываются.
Как устроена программа устойчивости к биоугрозам
Работа разделена на три направления: предотвращение злоупотреблений, обнаружение угроз и ответ на них. Такой цикл должен охватывать путь от запроса к искусственному интеллекту до появления нового лекарства или диагностического средства.
Проверка Gemini на опасные биологические возможности
Блок предотвращения строится на моделировании угроз, экспертном тестировании, исследованиях с участием людей, дообучении на безопасные отказы и анализе журналов использования. Сложность в том, что полезный научный запрос может выглядеть как часть вредоносного сценария, поэтому команда следит и за лишними отказами, мешающими законной науке.
Карточка Gemini 3.1 Pro показывает: модель остаётся ниже порога критических возможностей в химических, биологических, радиологических и ядерных сценариях. Она даёт точные сведения, но не предлагает полных инструкций для ключевых этапов, которые бы заметно усилили злоумышленника с малыми ресурсами. Оценка сделана по методике самого разработчика.
Внешние опыты противоречивы: RAND в 2024 году не нашла улучшения планов атак у групп с доступом к языковым моделям, а препринт 2026 года зафиксировал рост результатов новичков на компьютерных задачах. Прямое сравнение некорректно — изучались разные задачи и версии ИИ.
Маркировка ДНК и функциональный скрининг
Систему SynthID, которая ставит скрытые метки на медиаконтент, предлагают распространить на последовательности ДНК. Это поможет поставщикам синтеза распознавать цепочки, сгенерированные ИИ. Сейчас заказы проверяют по базам патогенов, но генеративная модель может предложить изменённую последовательность с похожей функцией. DeepMind изучает функциональный скрининг, предсказывающий опасность по свойствам цепочки.
Обнаружение вспышек и ускоренная разработка защиты
Для раннего выявления угроз делают ставку на метагеномное секвенирование — чтение генетического материала из сточных вод, воздуха и пациентов. AlphaEvolve помог оптимизировать систему DeepConsensus, снизив ошибки поиска вариантов на 30%. AlphaGenome и инструменты аннотации белков тестируют для быстрого распознавания новых патогенов.
Однако качество данных не заменяет эпиднадзор: нужны отбор проб, лаборатории, базы, трактовка эпидемиологов и канал передачи сигнала. В плане пока нет полевых метрик вроде времени от образца до предупреждения.
AlphaFold за пять лет упоминался в более чем 10 000 работ об инфекциях, включая туберкулёз, малярию, mpox и вирус Нипах. Ливерморская лаборатория использует AlphaFold 3 для антител широкого спектра. Isomorphic Labs выделила группу для быстрого подключения Drug Design Engine при вспышках, чтобы сократить перебор молекулярных кандидатов. Лабораторная проверка и клинические испытания остаются отдельными этапами.
Кому адресованы рекомендации и как проверить результат
Подробные предложения рассчитаны на власти США: требования к безопасности моделей, проверка заказов ДНК, расширение мониторинга, защищённые наборы данных и готовые мощности производства. Это показывает, что устойчивость зависит не только от ИИ, но и от правил, лабораторий и готовности служб.
Главный тест — полевые показатели. Программу стоит оценивать по доле пропущенных и лишне заблокированных последовательностей, времени от образца до сигнала, сроку получения подтверждённого кандидата и независимой проверке защиты Gemini. Публикация таких данных отделит рабочую инфраструктуру от дорожной карты.
Подход Google DeepMind и Isomorphic Labs связывает безопасность моделей, геномный надзор и разработку препаратов в один цикл. Его реальная польза проявится только когда появятся измеримые результаты вне лабораторных демонстраций.