科学家们使用名为 Evo 的人工智能程序来设计不同于任何已知天然病毒的新病毒基因组，其中 16 种在实验室构建和测试后被证明是可行的活病毒。

这项研究周四发表在《科学》杂志上，并在 CNN 的报道中进行了详细介绍，被誉为生成生物学的里程碑。但它也引起了有关生物安全的紧急警告，因为它表明，为聊天机器人提供动力的相同技术现在可以组成功能性的新型病原体。 更多相关背景，请参阅我们的AI新闻。

Evo 是如何训练的

据 CNN 报道，从数百万个来源（“生活的各个领域”）中提取的基因序列充当了 Evo 的语言库，就像 ChatGPT 和其他大型语言模型在大量文本上进行训练的方式一样。通过研究该库，该模型能够“学习控制自然基因组的进化限制”——关于哪些基因排列在生物体中实际发挥作用的不成文规则。

来自斯坦福大学和 Arc 研究所的科学家随后指示 Evo 在特定框架内生成数千个基因组组合 - 在这种情况下，基因组可以由 E 托管。大肠杆菌 细菌细胞。在该模型产生的数千种设计中，该团队在实验室中构建并测试了大约 300 种设计。其中十六个是活病毒。

噬菌体，而非人类病原体

一个重要的警告缓和了警报：新病毒是噬菌体，它可以感染细菌，但不能感染人类。因此，这项工作属于该技术潜力的充满希望的一面。研究人员报告说，其中一种新病毒具有“进化上遥远”的方面，这表明Evo引发了可能需要数百万年自然进化才能出现的基因变化——将深层进化时间压缩为单个生成步骤。

最引人注目的实际结果来自于将人工智能设计的噬菌体混合在一起。测试表明，该混合物可以克服某些大肠杆菌的抗菌耐药性。大肠杆菌菌株——这是“天然来源的相当混合物”噬菌体无法做到的。这是一个不小的要求。抗生素耐药性是全球健康中最严重的潜在威胁之一，而噬菌体疗法（利用病毒杀死有害细菌）长期以来一直被视为解决不再有效的药物的可能方法。

作者写道，该方法“为针对快速进化的病原体产生适应性和弹性的噬​​菌体疗法奠定了一条道路”，将 Evo 视为药物的设计引擎，可以跟上它们要击败的细菌的步伐。

##“紧急”生物安全问题

这一承诺伴随着研究人员自己也承认的担忧。在《科学》杂志上发表的一篇相应文章中，约翰霍普金斯大学健康安全中心的医生发出了警告的语气。他们写道：“尽管这对于生命科学应用来说很有希望，但它也提出了紧迫的生物安全和生物安保问题。” “使用生成式人工智能构建病毒基因组的能力现在已经存在，但安全引导它的治理还不存在。”

他们警告说，这样的基因组“可能会编码新的病原体，这些病原体可以以现有对策无法遏制的方式感染人类、动物或植物”——这提醒人们，产生针对大肠杆菌的无害噬菌体的相同生成方法。原则上，大肠杆菌可以针对其他目标。

并非所有专家都认为眼前的风险是极端的。巴塞罗那庞培法布拉大学系统生物学教授乔迪·加西亚·奥哈尔沃 (Jordi García Ojalvo) 告诉科学媒体中心，“取得的突破意义重大”。 CNN 指出，他的评估认为，这项特定研究带来的生物安全风险低于其他一些人工智能工具，这主要是因为在 Evo 设计基因组后，基因组仍然需要在实验室中单独构建和测试——这是文本或图像不存在的物理瓶颈。

为什么它比生物学更重要

Evo 结果最清楚地证明了生成式人工智能已经从语言和图像跨越到功能性生物实体的设计。它呼应了人工智能领域现在定义的紧张局势：承诺新药物和弹性疗法的相同功能也降低了设计潜在有害生物体所需的工作量。

约翰·霍普金斯大学的评论员认为，研究界需要“比大多数强大的生物人工智能模型开发者更谨慎地参与生物安全和生物安保问题”。这一论点远远超出了 Evo 的范围——它是对整个新兴生物人工智能系统类别的警告，与段落或图片不同，其输出可以在世界上物理实例化。

接下来会发生什么

斯坦福大学和 Arc 研究所的团队将这项工作作为基于噬菌体的耐药细菌疗法的基础。更艰巨、尚未解决的挑战是治理：如何发布和监督其设计可以合成到生物体中的生物人工智能工具。正如《科学》杂志上的两篇论文明确指出的那样，这现在是一个现实问题，而不是一个假设问题——而能力和监督之间的差距正是该领域最谨慎的声音现在正在竞相弥合的问题。

---

掌握AI最新动态

获取最新的AI新闻、分析和突破——尽在一处。

阅读更多AI新闻 →