technology 9 分钟阅读

AI 刚刚制造出了自然界从未存在的病毒——而无人监管

Arc 研究所的研究人员利用 AI 模型生成了一个自然界不存在的活性病毒。科学原理站得住脚,但监管空白令人震惊。

  • AI 病毒
  • 生物安全
  • Arc 研究所
  • Evo 模型
  • 合成生物学

这个病毒没有源头

本周《科学》杂志发表的一篇论文描述了一件应让公共卫生官员长夜难眠的事。帕洛阿尔托的 Arc 研究所研究人员利用一款名为 Evo 的人工智能模型,生成了一个在自然界中从未存在过的可行病毒基因组。他们并非简单地复制粘贴已知病原体,而是要求一款以病毒 DNA 为训练数据的语言模型"发明"一个新基因组,在实验室中合成这段基因代码,并观察它完成复制。

十六个合成的候选株中,只有两个存活了下来。但这两个存活的事实,才是重点。这不是一次侥幸未中,这是概念验证。

该病毒靶向细菌而非人类,是从无害的ΦX174噬菌体出发、有意构建而成。这是大多数报道会首先抛出的安抚性细节——但恰恰是这一点,不应让你比本应感到更少的担忧。本文演示的技术,是任何拥有计算资源和湿实验室访问权限的人现在都可以指认并说"这是可能的"的技术。

真正的创新不是病毒,而是路径

病毒合成并非新鲜事。自本世纪初以来,科学家一直在从零组装基因组。真正的新意在于,人工智能模型如今可以生成候选基因组,无需人类设计师逐一定义每个碱基对。Evo 生成了七十万个候选株。人类将其筛选至三百个。其中两个奏效了。

这个失败率极低,但对于风险评估而言却无关紧要。成功的变种在两种不同的大肠杆菌菌株中克服了抗性——这意味着它们并非对任何已存在病原体的粗略复制品。它们是通过人类未曾人工设计的过程组装而成的新型功能性生物体。

机制之所以重要,是因为机制可以规模化。如果模型学会了从良性模板生成可行噬菌体,那么同样的架构就可以指向其他生物、其他基因组、其他目标。障碍已不再是生物学,而是算力。

监管在此消失

与论文同期发表的约翰斯·霍普金斯大学评论文章恰好点出了这一空白。Ingeslee 和 Moritz Hanke 两位教授指出,尽管该技术为生物医学研究开辟了有前景的途径,但它也暴露了人工智能驱动合成生物学领域治理方面的完全缺失。

美国国立卫生研究院(NIH)最近更新了其对高风险生物研究的政策,限制可能增强病原体毒力的实验。但该政策明确只覆盖"值得关注的实体"——即已知的危险病原体。例如天花就被引用为明确例子。这一规则预设威胁已经存在。

而一款由人工智能生成的、在自然界中从未存在过的病毒,恰恰落在那一定义之外。按现行政策的字面意思,用人工智能设计新型病原体并不被禁止——它 simply 没有被触及。

这不是一个漏洞。这是一个大到足以充当敞开大门的盲区。

为何日本率先拉响警报

日本科技媒体以美国媒体尚未匹及的紧迫感接过了这个故事。将其视为一种信号来阅读,而非仅仅作为报道偏好差异,是值得的。

日本对生物风险的文化熟悉感深植于其科研基础设施之上。这个国家经历了非典疫情、禽流感恐慌,以及1995年东京地铁沙林事件留下的生物恐怖主义意识阴影。日本的科技新闻在对待新兴能力问题——尤其是涉及人工智能与生物学的领域——时,往往比美国同行更具程序性怀疑态度。Gizmodo Japan 的标题大致译为"等等,它造出了病毒?这很糟糕",这句话的语调浓缩了一种媒体环境:他们假设"万一"的问题先于"可能性有多大"的问题而适用。

美国的报道(当它到来时)通常以惊叹为主轴——工程壮举、突破性进展——而将安全问题作为附录处理。日本报道则将安全问题置于头条。这一差异并非偶然。它反映了一种不同的制度性风险关系,随着技术加速发展,这种关系或许更为持久。

谁受益,谁受损,谁在注视

这项工作的研究者赢得了信誉和高影响力论文。更广泛的科学界获得了一种工具,可在合法方向上加速疫苗设计、噬菌体疗法和合成生物学。这是真正的益处,而非公关包装。

尚未明显显现的受损方,是因为目前还没有出事。这正是问题所在。最坏情形不需要恶意——它只需要一个具备生成式 AI 访问权限、拥有基础分子生物学实验室、且身处监管真空中的胜任者。构建新型病原体的成本,已从"接近零,因为实际上不可能"降至"非零,且持续下降"。

没有任何政府机构追踪 AI 生成的新型基因组。没有任何国际条约覆盖它们。《生物武器公约》禁止发展、生产和囤积生物制剂——但它制定于生成式 AI 出现之前,且没有任何机制能对那种直到为时已晚才留下物理痕迹的事物执行合规。

接下来会发生什么

立即可预测的下一步是:Arc 研究所的论文将被所有需要理由来放宽双重用途人工智能研究限制的人引用。它也会被所有希望加强管控的人引用——而眼下,后者的制度盟友更少。

所需的是一个尚不存在的政策类别:AI 生成的新型生物实体。不是增强型病原体。不是重建病毒。而是由机器学习系统设计、在自然界中从未被观察过的新型生物体。现有框架无法对它们进行分类,这意味着它们无法对它们进行监管。

让这项研究听起来像险胜的那七十万比二的比例,恰恰也是让它变得危险的原因。一旦机制变得可复制,低概率事件一旦在机械层面 straightforward,就会变成高后果问题。

《科学》论文中的病毒无法感染人类。但创造它的这个方法,原则上可以被重新定向。生物学本身没有改变,改变的只是指令。

而目前,针对这种情况,尚无操作手册。