Sztuczna inteligencja właśnie zaprojektowała pełne, działające genomy bakteriofagów zdolnych zabijać bakterie odporne na naturalne wirusy. Naukowcy ze Stanfordu pokazali, że generatywne AI potrafi tworzyć całe genomy od zera. Eksperci od biosecurity ostrzegają: ta sama technologia otwiera realną drogę do projektowania niebezpiecznych patogenów, a obecne zabezpieczenia nie nadążają.
Sztuczna inteligencja projektuje bakteriofagi – przełom z poważnymi konsekwencjami
Zespół ze Stanford University i Arc Institute opublikował w Science (6 sierpnia 2026) wyniki badań, w których modele Evo 1 i Evo 2 wygenerowały od podstaw kompletne genomy bakteriofagów. Bakteriofagi to wirusy atakujące wyłącznie bakterie. Wzorcem był klasyczny bakteriofag ΦX174. Z setek kandydatów zsyntetyzowano niemal 300 sekwencji, a 16 okazało się w pełni funkcjonalnymi wirusami atakującymi bakterie E. coli. Niektóre działały lepiej niż naturalny wzorzec, a ich mieszanka przełamywała oporność szczepów odpornych na fagi podobne do ΦX174.
To pierwszy udokumentowany przypadek, w którym sztuczna inteligencja zaprojektowała całe, działające genomy wirusów. Bakteriofagi nie zakażają ludzi, a modele celowo wykluczyły dane o patogenach ludzkich. Mimo to sukces pokazuje, że generatywne projektowanie genomów przestało być teorią.
Realne zagrożenia: luki w biosecurity i generatywne AI
Komentarz Thomasa Inglesby’ego i Moritza Hanke z Johns Hopkins Center for Health Security (opublikowany razem z artykułem w Science) jest niepokojący: pytanie nie brzmi już, czy generatywne projektowanie genomów wirusów powstanie – ono już istnieje. Pytanie brzmi, czy społeczeństwo zdąży stworzyć nadzór, który pozwoli korzystać z korzyści, a jednocześnie zapobiegnie poważnym szkodom.
Realne ryzyko polega na tym, że ta sama technologia może zostać zastosowana do patogenów ludzkich, zwierzęcych lub roślinnych. Modele językowe genomów uczą się „gramatyki” DNA i potrafią generować sekwencje, których nie ma w naturze. Obecne systemy kontroli i sprawdzania zamówień DNA w firmach syntetyzujących kwasy nukleinowe opierają się głównie na porównywaniu ze znanymi niebezpiecznymi sekwencjami. Nowe, wygenerowane przez AI genomy mogą tych filtrów nie uruchomić.
Eksperci wskazują też na problem podwójnego użycia: ta sama metoda, która przyspiesza tworzenie lepszych terapii fagowych przeciwko lekoopornym bakteriom, może przyspieszyć projektowanie wirusów trudniejszych do zwalczenia istniejącymi środkami. Nie chodzi o fantastyczne scenariusze selektywnego ataku na konkretne cechy ludzkie (jak np. kolor oczu), tylko o realną możliwość tworzenia nowych lub zmodyfikowanych patogenów, których nie da się łatwo powstrzymać obecnymi szczepionkami czy lekami.
Obowiązkowe, prawne kontrolowanie zamówień DNA i tożsamości zamawiających wciąż nie jest standardem we wszystkich krajach. Zabezpieczenia na poziomie modeli AI istnieją, ale ich skuteczność zależy od tego, kto i jak je stosuje.
Kto kontroluje generatywne projektowanie genomów, ten ma potężne narzędzie
Naukowcy ze Stanfordu sami podkreślają, że zespoły pracujące nad całymi genomami powinny konsultować się ze specjalistami od bezpieczeństwa biologicznego na każdym etapie. To jednak na razie rekomendacja, a nie twardy standard. Historia technologii pokazuje, że możliwości pojawiają się szybciej niż reguły ich kontrolowania.
Bakteriofagi projektowane przez sztuczną inteligencję mogą realnie pomóc w walce z bakteriami opornymi na antybiotyki. Jednocześnie ten sam mechanizm obniża próg wejścia w projektowanie bardziej złożonych genomów. Różnica między terapią a zagrożeniem sprowadza się do intencji i jakości nadzoru.
Jeśli ktoś uzyskałby dostęp do generatywnych modeli AI zdolnych projektować całe genomy i wykorzystał je do patogenów ludzkich, mógłby powstać wirus lub inny patogen o sekwencji, której nie ma w naturze i której obecne systemy kontroli DNA oraz istniejące leki nie rozpoznają. Taki patogen mógłby szybciej się rozprzestrzeniać, powodować cięższy przebieg choroby albo omijać dotychczasowe środki ochrony, co w skali populacji oznaczałoby gwałtowny wzrost liczby zachorowań, przeciążenie systemów opieki zdrowotnej i trudności z szybkim opracowaniem skutecznej odpowiedzi.
Dlatego zamiast wyłącznie celebrować przełom, warto pytać: kto ma dostęp do generatorów genomów? Jakie dane trafiają do treningu? I czy istnieją skuteczne mechanizmy uniemożliwiające użycie tej technologii do wyrządzenia poważnych szkód? Sztuczna inteligencja właśnie przesunęła granicę możliwości w dziedzinie, w której błędy lub nadużycia mogą mieć bardzo wysokie koszty.