36 тысяч биологических экспериментов — и ни одного учёного за столом. GPT-5 справился сам
NewsMakerИскусственные ученые уже среди нас. Жаль, что законов под их деятельность всё ещё ноль.
Искусственный интеллект уже не ограничивается подсказками для биологов: такие системы начинают проектировать эксперименты, запускать их через роботизированные лаборатории и использовать результаты для следующего цикла работы. Возможности растут быстрее, чем правила безопасности, рассчитанные на классические лаборатории и ручной контроль.
Показательный пример — совместный проект OpenAI и Ginkgo Bioworks. В феврале 2026 года компании сообщили, что GPT-5 спроектировала и провела 36 тысяч биологических экспериментов через роботизированную облачную лабораторию. Люди задавали цель, модель предлагала варианты, оборудование выполняло опыты, а полученные данные возвращались в систему для нового цикла. Такой подход снизил стоимость производства нужного белка на 40%.
Этот подход называют программируемой биологией. Биологический объект сначала проектируют в цифровой среде, затем автоматически создают и проверяют в лаборатории. ИИ связывает расчёты и физический эксперимент в один цикл: проектирование, сборка, тестирование, анализ и новая попытка.
Биология долго двигалась от наблюдения к управлению живыми системами. Сначала учёные описывали организмы и их функции, затем научились читать геномы и понимать, как ДНК задаёт работу клеток. Позже инструменты CRISPR позволили точечно менять генетический код. Сейчас компьютеры не только анализируют биологические данные, но и предлагают новые конструкции, которые можно быстро проверить на практике.
Особенно заметны перемены в белковой инженерии. Белки выполняют большинство функций внутри клеток, но их проектирование долго оставалось задачей с большим числом проб и ошибок. Даже небольшая замена в последовательности аминокислот может изменить форму молекулы и её свойства, поэтому поиск нужного варианта раньше занимал годы.
Языковые модели для белков обучаются на миллионах природных последовательностей и предсказывают, как мутации повлияют на поведение молекулы. Они помогают подбирать кандидатов для лекарств, ускорять разработку вакцин и создавать белки с заданными свойствами. В связке с автоматизированными лабораториями тысячи вариантов можно проверить за дни, а не за месяцы.
У технологии есть обратная сторона. Специалисты по биобезопасности называют это проблемой двойного назначения: инструмент, созданный для лечения болезней и ускорения исследований, можно применить во вред.
Исследования показывают, что ИИ-системы, подключённые к автоматизированным лабораториям, способны оптимизировать свойства вирусов даже без специальной подготовки пользователя. Отдельные методы оценки риска уже позволяют анализировать, как модель может изменить возможности вируса, например расширить круг заражаемых видов или помочь обходить иммунную защиту.
Другие работы указывают на ещё один риск: современные модели могут объяснять технические этапы восстановления живых вирусов из синтетической ДНК. По оценке исследователей, ИИ способен снижать барьеры на нескольких стадиях разработки биологического оружия , тогда как действующий надзор почти не рассчитан на такие сценарии.
Отдельный вопрос — помощь людям без профильной подготовки. Раньше сложные биологические эксперименты требовали многолетнего опыта и практических навыков. Большие языковые модели начинают ослаблять этот барьер.
Исследование Scale AI и некоммерческой организации SecureBio показало, что люди с ограниченными знаниями в биологии при помощи больших языковых моделей справлялись с задачами по вирусологии в четыре раза точнее. В некоторых заданиях новички превосходили подготовленных специалистов. Около 90% участников сообщили, что смогли получить от моделей потенциально опасную биологическую информацию, несмотря на встроенные ограничения.
Исследование Active Site дало более осторожную картину. ИИ не обеспечил новичкам решающего преимущества при прохождении полного цикла создания вируса в лаборатории биологической безопасности. Но группа с ИИ-поддержкой чаще успешно выполняла отдельные задачи и быстрее проходила некоторые этапы, особенно при выращивании клеточных культур.
Практическая работа в лаборатории пока остаётся важным ограничителем. Даже хороший проект нужно выполнить руками специалистов и проверить на оборудовании. Но облачные лаборатории и роботизированные комплексы постепенно меняют ситуацию: созданный ИИ план можно отправить в удалённую лабораторию и получить результаты без постоянного участия человека на месте.
Регулирование к этому не готово. Правила биологических исследований писались для лабораторий, где ключевые решения принимают люди, а нормы для ИИ обычно не рассматривают биологические эксперименты как отдельную область риска.
В США администрация Джо Байдена выпустила указ по безопасности ИИ в 2023 году, включавший положения о биобезопасности, но позже администрация Дональда Трампа отменила документ. Проверка синтетической ДНК на возможность создания патогенов и токсинов в основном остаётся добровольной. Двухпартийный законопроект 2026 года об обязательном контроле синтеза ДНК пока не учитывает последовательности, которые ИИ может спроектировать для обхода существующих фильтров.
Международные правила тоже отстают. Конвенция о биологическом оружии действует с 1975 года и не содержит положений об искусственном интеллекте. Институт безопасности ИИ Великобритании и Национальная комиссия США по новым биотехнологиям уже призывали к согласованным действиям правительств.
Проблему усложняет закрытость оценок безопасности. ИИ-компании часто проводят такие проверки внутри, а их методики не всегда отражают реальные сценарии использования. По расчётам некоторых исследователей, даже умеренное улучшение способности модели помогать с экспериментами на патогенах может привести к тысячам дополнительных жертв биотерроризма в год. Когда именно системы достигнут опасного порога, пока не ясно.
Предлагаемые меры различаются по жёсткости. Nuclear Threat Initiative выступает за управляемый доступ, при котором права пользователя зависят от риска конкретной модели. Исследователи RAND предлагают усилить проверку синтетической ДНК и оценивать модели до публикации. Другие специалисты считают, что отдельного контроля требуют и геномные данные, на которых обучаются биологические ИИ-системы.
Компании уже вводят собственные ограничения. Anthropic активировала максимальный уровень внутренней защиты при выпуске своей наиболее мощной модели в 2025 году. OpenAI обновила систему оценки рисков и пересмотрела пороги допустимых биологических возможностей. Но эти меры остаются добровольными и зависят от политики конкретной компании.
ИИ в биологии может ускорить создание лекарств, вакцин и новых методов лечения. Та же связка моделей и автоматизированных лабораторий способна облегчить опасные эксперименты за пределами надёжного контроля. Главный вопрос теперь не в том, сможет ли компьютер проводить биологические исследования, а в том, какие правила должны действовать, когда машина умеет сама проектировать тысячи опытов и запускать их почти без участия человека.
Искусственный интеллект уже не ограничивается подсказками для биологов: такие системы начинают проектировать эксперименты, запускать их через роботизированные лаборатории и использовать результаты для следующего цикла работы. Возможности растут быстрее, чем правила безопасности, рассчитанные на классические лаборатории и ручной контроль.
Показательный пример — совместный проект OpenAI и Ginkgo Bioworks. В феврале 2026 года компании сообщили, что GPT-5 спроектировала и провела 36 тысяч биологических экспериментов через роботизированную облачную лабораторию. Люди задавали цель, модель предлагала варианты, оборудование выполняло опыты, а полученные данные возвращались в систему для нового цикла. Такой подход снизил стоимость производства нужного белка на 40%.
Этот подход называют программируемой биологией. Биологический объект сначала проектируют в цифровой среде, затем автоматически создают и проверяют в лаборатории. ИИ связывает расчёты и физический эксперимент в один цикл: проектирование, сборка, тестирование, анализ и новая попытка.
Биология долго двигалась от наблюдения к управлению живыми системами. Сначала учёные описывали организмы и их функции, затем научились читать геномы и понимать, как ДНК задаёт работу клеток. Позже инструменты CRISPR позволили точечно менять генетический код. Сейчас компьютеры не только анализируют биологические данные, но и предлагают новые конструкции, которые можно быстро проверить на практике.
Особенно заметны перемены в белковой инженерии. Белки выполняют большинство функций внутри клеток, но их проектирование долго оставалось задачей с большим числом проб и ошибок. Даже небольшая замена в последовательности аминокислот может изменить форму молекулы и её свойства, поэтому поиск нужного варианта раньше занимал годы.
Языковые модели для белков обучаются на миллионах природных последовательностей и предсказывают, как мутации повлияют на поведение молекулы. Они помогают подбирать кандидатов для лекарств, ускорять разработку вакцин и создавать белки с заданными свойствами. В связке с автоматизированными лабораториями тысячи вариантов можно проверить за дни, а не за месяцы.
У технологии есть обратная сторона. Специалисты по биобезопасности называют это проблемой двойного назначения: инструмент, созданный для лечения болезней и ускорения исследований, можно применить во вред.
Исследования показывают, что ИИ-системы, подключённые к автоматизированным лабораториям, способны оптимизировать свойства вирусов даже без специальной подготовки пользователя. Отдельные методы оценки риска уже позволяют анализировать, как модель может изменить возможности вируса, например расширить круг заражаемых видов или помочь обходить иммунную защиту.
Другие работы указывают на ещё один риск: современные модели могут объяснять технические этапы восстановления живых вирусов из синтетической ДНК. По оценке исследователей, ИИ способен снижать барьеры на нескольких стадиях разработки биологического оружия , тогда как действующий надзор почти не рассчитан на такие сценарии.
Отдельный вопрос — помощь людям без профильной подготовки. Раньше сложные биологические эксперименты требовали многолетнего опыта и практических навыков. Большие языковые модели начинают ослаблять этот барьер.
Исследование Scale AI и некоммерческой организации SecureBio показало, что люди с ограниченными знаниями в биологии при помощи больших языковых моделей справлялись с задачами по вирусологии в четыре раза точнее. В некоторых заданиях новички превосходили подготовленных специалистов. Около 90% участников сообщили, что смогли получить от моделей потенциально опасную биологическую информацию, несмотря на встроенные ограничения.
Исследование Active Site дало более осторожную картину. ИИ не обеспечил новичкам решающего преимущества при прохождении полного цикла создания вируса в лаборатории биологической безопасности. Но группа с ИИ-поддержкой чаще успешно выполняла отдельные задачи и быстрее проходила некоторые этапы, особенно при выращивании клеточных культур.
Практическая работа в лаборатории пока остаётся важным ограничителем. Даже хороший проект нужно выполнить руками специалистов и проверить на оборудовании. Но облачные лаборатории и роботизированные комплексы постепенно меняют ситуацию: созданный ИИ план можно отправить в удалённую лабораторию и получить результаты без постоянного участия человека на месте.
Регулирование к этому не готово. Правила биологических исследований писались для лабораторий, где ключевые решения принимают люди, а нормы для ИИ обычно не рассматривают биологические эксперименты как отдельную область риска.
В США администрация Джо Байдена выпустила указ по безопасности ИИ в 2023 году, включавший положения о биобезопасности, но позже администрация Дональда Трампа отменила документ. Проверка синтетической ДНК на возможность создания патогенов и токсинов в основном остаётся добровольной. Двухпартийный законопроект 2026 года об обязательном контроле синтеза ДНК пока не учитывает последовательности, которые ИИ может спроектировать для обхода существующих фильтров.
Международные правила тоже отстают. Конвенция о биологическом оружии действует с 1975 года и не содержит положений об искусственном интеллекте. Институт безопасности ИИ Великобритании и Национальная комиссия США по новым биотехнологиям уже призывали к согласованным действиям правительств.
Проблему усложняет закрытость оценок безопасности. ИИ-компании часто проводят такие проверки внутри, а их методики не всегда отражают реальные сценарии использования. По расчётам некоторых исследователей, даже умеренное улучшение способности модели помогать с экспериментами на патогенах может привести к тысячам дополнительных жертв биотерроризма в год. Когда именно системы достигнут опасного порога, пока не ясно.
Предлагаемые меры различаются по жёсткости. Nuclear Threat Initiative выступает за управляемый доступ, при котором права пользователя зависят от риска конкретной модели. Исследователи RAND предлагают усилить проверку синтетической ДНК и оценивать модели до публикации. Другие специалисты считают, что отдельного контроля требуют и геномные данные, на которых обучаются биологические ИИ-системы.
Компании уже вводят собственные ограничения. Anthropic активировала максимальный уровень внутренней защиты при выпуске своей наиболее мощной модели в 2025 году. OpenAI обновила систему оценки рисков и пересмотрела пороги допустимых биологических возможностей. Но эти меры остаются добровольными и зависят от политики конкретной компании.
ИИ в биологии может ускорить создание лекарств, вакцин и новых методов лечения. Та же связка моделей и автоматизированных лабораторий способна облегчить опасные эксперименты за пределами надёжного контроля. Главный вопрос теперь не в том, сможет ли компьютер проводить биологические исследования, а в том, какие правила должны действовать, когда машина умеет сама проектировать тысячи опытов и запускать их почти без участия человека.