ไวรัสที่ออกแบบโดยปัญญาประดิษฐ์พัฒนาเร็วกว่าธรรมชาติ — และกฎความปลอดภัยทางชีวภาพของสหรัฐฯ ยังไม่ครอบคลุมถึงมัน

ในห้องแล็บที่มหาวิทยาลัยสแตนฟอร์ด นักวิจัยเฝ้าดูจุดใส ๆ แผ่กระจายไปทั่วจานเพาะเชื้อที่เต็มไปด้วยแบคทีเรีย — สัญญาณที่แยกแยะได้ชัดเจนว่าสิ่งที่พวกเขาได้ สร้างขึ้นทั้งหมดภายในคอมพิวเตอร์ เพิ่งมีชีวิตขึ้นมา สิ่งมีชีวิตที่ กำลังกวาดล้างแบคทีเรียเหล่านั้น ไม่ได้ถูกดึงมาจากธรรมชาติ แต่มันคือ ไวรัสที่ออกแบบโดย AI ซึ่งถูกสร้างขึ้นโดยโมเดลคอมพิวเตอร์ชื่อ Evo แล้วจึงถูกสังเคราะห์ทางเคมีขึ้นมาตั้งแต่ต้น และผลลัพธ์ที่ได้กำลังก่อให้เกิดคำถามที่ไปไกลกว่าห้องแล็บใต้ดินแห่งหนึ่งของสแตนฟอร์ด

ประเด็นสำคัญ

• Evo โมเดล AI ที่พัฒนาโดยมหาวิทยาลัยสแตนฟอร์ดและสถาบัน Arc ได้เสนอจีโนมของไวรัสที่เป็นไปได้จำนวน 700,000 แบบ ซึ่งในนั้นมี 285 แบบที่ถูกสังเคราะห์ทางเคมี และ 16 แบบให้กำเนิดไวรัสที่สามารถจำลองตัวเองและฆ่าแบคทีเรียได้
• Evo ถูกฝึกในขั้นแรกด้วยข้อมูลประมาณ เก้าล้านล้านนิวคลีโอไทด์ จากสัตว์ พืช จุลชีพ และไวรัสนับล้านชนิด จากนั้นจึงถูกปรับเฉพาะทางให้โฟกัสที่ยีน 11 ตัวของแบคเทอริโอเฟจ Phi X-174 และจีโนมที่เกี่ยวข้องราว 15,000 ชุด
• ไวรัสที่สร้างโดย AI มีความแข็งแรงเทียบเท่าไวรัสตามธรรมชาติ และบางชนิดจำลองตัวได้เร็วกว่าฟาจธรรมชาติ Phi X-174 เองด้วยซ้ำ
• กฎความปลอดภัยทางชีวภาพของ สถาบันสุขภาพแห่งชาติสหรัฐฯ (US NIH) ในปัจจุบันห้ามการทดลองที่ทำให้เชื้อโรคอันตรายมากขึ้น แต่ยังไม่ครอบคลุมการออกแบบไวรัสด้วยคอมพิวเตอร์ล้วน ๆ อย่างชัดเจน เว้นแต่จะเกี่ยวข้องกับ “สิ่งมีชีวิตที่น่ากังวล”
• ผู้เชี่ยวชาญ รวมถึง Moritz Hanke จากศูนย์ความมั่นคงด้านสุขภาพมหาวิทยาลัยจอห์นฮอปกินส์ เตือนถึงช่องว่างที่ขยายตัวขึ้นระหว่างสิ่งที่ AI ทำได้ในตอนนี้กับกฎระเบียบที่ตั้งใจจะควบคุมมัน

โมเดล AI Evo ออกแบบจีโนมไวรัสรูปแบบใหม่สำหรับแบคทีเรีย

Evo ทำงานเหมือนเวอร์ชันพันธุกรรมของโมเดลภาษาขนาดใหญ่ ทำนายลำดับดีเอ็นเอแบบเดียวกับที่ ChatGPT ทำนายคำถัดไปในประโยค แต่แทนที่จะเรียนรู้ภาษา มันกลับเรียนรู้รูปแบบที่ถูกเขียนอยู่ในรหัสพันธุกรรมของชีวิตเอง ทีมผู้อยู่เบื้องหลังซึ่งประจำอยู่ที่สแตนฟอร์ดและสถาบัน Arc ต้องการจะดูว่าการจดจำรูปแบบประเภทนี้จะก้าวไปไกลกว่าการออกแบบโปรตีนหรือยาปฏิชีวนะรายตัวได้หรือไม่ — และสามารถสร้างไวรัสที่ทำงานได้จริงขึ้นมาหรือเปล่า

Evo ถูกฝึกอย่างไร

การฝึกโมเดลเกิดขึ้นสองช่วง ช่วงแรกของการฝึก Evo ใช้ข้อมูลประมาณเก้าล้านล้านนิวคลีโอไทด์จากสิ่งมีชีวิตนับล้านชนิดที่ครอบคลุมอาณาจักรสัตว์ พืช จุลชีพ และไวรัส ซึมซับรูปแบบที่พบได้ทั่วทั้งต้นไม้แห่งชีวิต หลังจากวางรากฐานกว้าง ๆ แล้ว จึงตามมาด้วยการฝึกเฉพาะทางรอบที่สองที่โฟกัสแคบลงไปที่ยีน 11 ตัวของแบคเทอริโอเฟจ Phi X-174 และญาติใกล้ชิดราว 15,000 จีโนม สำหรับซามูเอล คิง นักศึกษาปริญญาเอกที่สแตนฟอร์ดและผู้เขียนร่วมงานวิจัย การซ้อนชั้นการฝึกแบบนี้ดูเหมือนเป็นทางเลือกที่ชัดเจน “มันรู้สึกเหมือนเป็นก้าวถัดไปที่ชัดเจนมาก” เขากล่าว

จากผู้สมัคร 700,000 แบบสู่ไวรัสที่ทำงานได้ 16 ชนิด

เมื่อฝึกเสร็จ Evo ได้เสนอจีโนมไวรัสที่เป็นไปได้ 700,000 แบบ นักวิจัยจึงคัดกรองกลุ่มตัวเลือกขนาดมหึมานั้นให้เหลือผู้สมัครที่มีแนวโน้มดีที่สุด และสังเคราะห์ลำดับดีเอ็นเอ 285 ชุดทางเคมี จากนั้นจึงใส่เข้าไปในแบคทีเรียเพื่อดูว่าจะเกิดอะไรขึ้น ในจำนวนนี้มี 16 ลำดับที่ให้กำเนิดไวรัสที่สามารถจำลองตัวเองได้ — และที่สำคัญคือสามารถฆ่าแบคทีเรียเป้าหมาย E. coli ได้ในกระบวนการนั้น คิงและเพื่อนร่วมงานรายงานว่าพวกเขารู้ตัวว่าเหล่าฟาจกำลังทำงานในช่วงเช้ามืด ขณะเฝ้าดูจุดใส ๆ ปรากฏขึ้นบนจานเพาะเชื้อ “เราเริ่มเห็นจุดใส ๆ เหล่านี้ และมันน่าตื่นเต้นอย่างมาก” คิงกล่าว เมื่อทีมที่กว้างกว่านั้นได้เห็นผลลัพธ์ ตามคำบอกของไบรอัน ฮี ผู้ช่วยศาสตราจารย์ที่สแตนฟอร์ด “ทั้งห้องก็ปรบมือขึ้นมาเองโดยไม่ได้นัดหมาย”

ไวรัสที่ออกแบบด้วย AI ทำผลงานอย่างไรจริง ๆ ในห้องแล็บ

ไวรัสทั้ง 16 ชนิดที่ได้จากการทดลองไม่ใช่ของแปลกในห้องแล็บที่เปราะบาง พวกมันทำผลงานได้เทียบเท่าไวรัสตามธรรมชาติ และในบางกรณีก็ทำได้ดีกว่า — ผลลัพธ์ที่ทำให้แม้แต่นักวิจัยที่ไม่ได้มีส่วนร่วมในงานนี้ยังรู้สึกประหลาดใจ

ความแข็งแรง ความเร็ว และหมุดหมายทางวิทยาศาสตร์

ไวรัสที่ออกแบบขึ้นพิสูจน์แล้วว่ามีความแข็งแรงเทียบเท่าไวรัสธรรมชาติ และบางชนิดจำลองตัวได้เร็วกว่าฟาจ Phi X-174 เอง “มันไม่ใช่แค่เวอร์ชันอ่อนแอของสิ่งที่มีอยู่แล้ว” โอลิเวอร์ ครุก นักเคมีโปรตีนจากมหาวิทยาลัยออกซ์ฟอร์ดซึ่งไม่ได้ร่วมการศึกษากล่าว แพทริก ไค นักชีววิทยาสังเคราะห์จากมหาวิทยาลัยแมนเชสเตอร์ เรียกงานนี้ว่าเป็น “หมุดหมายสำคัญ” พร้อมเสริมว่า “ความสำคัญของมันไปไกลกว่าฟาจมาก — มันบ่งชี้ว่าโมเดลภาษาของจีโนมเริ่มเรียนรู้หลักการออกแบบที่วิวัฒนาการได้เข้ารหัสไว้ เปิดประตูสู่การเขียนจีโนมด้วยความช่วยเหลือของ AI” มาร์ก เกวล จากห้องแล็บชีววิทยาสังเคราะห์ที่มหาวิทยาลัยปอมเปอู ฟาบรา บรรยายว่านี่คือ “จุดเปลี่ยนที่สำคัญมาก” เพราะเป็นครั้งแรกที่ “เราเริ่มออกแบบชีววิทยาบนคอมพิวเตอร์”

อย่างไรก็ตาม ครุกก็ระมัดระวังในการลดความคาดหวังลง AI ไม่ได้ประดิษฐ์สิ่งที่ใหม่โดยพื้นฐาน — ไวรัสที่ได้มีความคล้ายคลึงกับสายพันธุ์ตามธรรมชาติมาก และอาศัยชีววิทยาพื้นฐานแบบเดียวกัน ไม่ใช่กลไกใหม่แต่อย่างใด ว่า Evo จะสามารถทำกลเม็ดเดียวกันนี้กับตระกูลไวรัสอื่นได้หรือไม่นั้นยังเป็นคำถามเปิด หากวิธีการนี้สามารถประยุกต์ใช้ทั่วไปได้ ครุกกล่าวว่ามันอาจให้เครื่องมือที่มีประโยชน์จริงสำหรับการแพทย์และเทคโนโลยีชีวภาพ: “วิทยาศาสตร์จำนวนมากของเราตั้งอยู่บนไวรัสในฐานะเทคโนโลยี” เพื่อให้เห็นภาพ จีโนมของฟาจที่ทีมทำงานด้วยมีความยาวประมาณ 5,400 คู่เบส เมื่อเทียบกับประมาณ 500,000 คู่เบสในเซลล์มีชีวิตที่เล็กที่สุด และราวสามพันล้านคู่เบสในจีโนมมนุษย์ — ช่องว่างที่ฮีกล่าวว่าทำให้การออกแบบสิ่งมีชีวิตอย่างง่าย “น่าจะเป็นงานที่ต้องทำมาก แต่ไม่ใช่เรื่องเป็นไปไม่ได้” และเป็นสิ่งที่ทีม “สนใจจะมุ่งไปให้ถึงอย่างแน่นอน”

ช่องโหว่ด้านความปลอดภัยชีวภาพรอบการออกแบบไวรัสด้วยคอมพิวเตอร์

ความก้าวหน้านี้เกิดขึ้นในช่วงเวลาที่นโยบายความปลอดภัยชีวภาพของสหรัฐฯ ยังตามไม่ทันสิ่งที่โมเดล AI สามารถสร้างขึ้นบนหน้าจอได้ในตอนนี้ ความไม่สอดคล้องกันนั้นอยู่ใจกลางของการถกเถียงเกี่ยวกับ การสังเคราะห์จีโนมไวรัส ที่ขับเคลื่อนด้วยปัญญาประดิษฐ์

สิ่งที่กฎความปลอดภัยชีวภาพของสหรัฐฯ ยังไม่ครอบคลุม

ในช่วงปลายเดือนกรกฎาคม สถาบันสุขภาพแห่งชาติ (NIH) ได้เปิดเผยนโยบายเกี่ยวกับ การวิจัยวิทยาศาสตร์ชีวภาพความเสี่ยงสูง ที่ห้ามการสร้างสายพันธุ์เชื้อโรคที่เป็นอันตรายมากขึ้น อย่างไรก็ตาม งานที่ดำเนินการผ่านวิธีการคอมพิวเตอร์ล้วน ๆ — การออกแบบดีเอ็นเอของไวรัสบนคอมพิวเตอร์โดยไม่สร้างขึ้นจริง — ไม่อยู่ภายใต้ข้อบังคับ “เว้นแต่จะเกี่ยวข้องกับสิ่งมีชีวิตที่น่ากังวล” ตามที่หน่วยงานระบุ เส้นแบ่งนี้ใช้กับสิ่งอย่างเช่นไข้ทรพิษได้ง่าย เพราะถูกจัดประเภทว่าอันตรายอย่างชัดเจน แต่จะคลุมเครือมากเมื่อไวรัสที่เป็นประเด็นถูกสร้างขึ้นจากโมเดล AI แทนที่จะมาจากรายชื่อเชื้อโรคที่รู้จัก ซึ่งเป็นความคลุมเครือแบบเดียวกับที่กำลังกำหนดการถกเถียงเรื่องนโยบาย การกำกับดูแลความปลอดภัยชีวภาพของ AI ที่พยายามวิ่งไล่ให้ทัน

มาตรการป้องกันและคำเตือนจากผู้เชี่ยวชาญ

ทีมจากสแตนฟอร์ดและสถาบัน Arc ไม่ได้นั่งรอให้หน่วยงานกำกับดูแลตามทัน ตลอดช่วงการฝึก Evo ไม่ได้ถูกเปิดเผยต่อข้อมูลใด ๆ ที่เกี่ยวข้องกับไวรัสที่ติดเชื้อในมนุษย์ หรือสิ่งมีชีวิตก่อโรคที่เกี่ยวข้องซึ่งส่งผลต่อสัตว์ พืช หรือเชื้อรา — หมายความว่าโมเดลไม่สามารถสร้างลำดับพันธุกรรมเหล่านั้นขึ้นมาได้ตั้งแต่แรก “เจตนาของเราคือการใช้ความระมัดระวังให้มากที่สุดเท่าที่จะทำได้” ไบรอัน ฮีกล่าว Moritz Hanke จากศูนย์ความมั่นคงด้านสุขภาพของจอห์นฮอปกินส์ เรียกการตัดสินใจนั้นว่า “น่าชื่นชมมาก” โดยเฉพาะอย่างยิ่งเพราะไม่มีข้อบังคับอย่างเป็นทางการใดบังคับให้ต้องทำเช่นนั้น: “เพราะพวกเขาไม่ได้รับคำแนะนำจากที่ไหนเลยว่าควรทำอะไร”

Hanke และโธมัส อิงเกิลสบี จากจอห์นฮอปกินส์เช่นกัน ได้ก้าวไปไกลกว่านั้นในบทความแสดงความคิดเห็นที่ตีพิมพ์เคียงข้างงานวิจัยในวารสาร Science โดยเตือนว่าข้อค้นพบนี้ก่อให้เกิด “คำถามเร่งด่วนด้าน ความปลอดภัยชีวภาพและความมั่นคงทางชีวภาพ” ประเด็นที่แท้จริง พวกเขาโต้แย้ง ไม่ใช่ว่าการออกแบบจีโนมไวรัสเชิงกำเนิดจะมีอยู่ต่อไปหรือไม่ — เพราะมันมีอยู่แล้วอย่างชัดเจน — แต่คือจะสามารถใช้งานได้โดยไม่ “เปิดโอกาสให้เกิดอันตรายร้ายแรง” หรือไม่ Hanke อธิบายความกังวลอย่างตรงไปตรงมา: “ความเสี่ยงของสิ่งที่ผมไม่เคยเห็นมาก่อนคืออะไร” เขาถาม พร้อมบรรยายถึง “ช่องว่างขนาดใหญ่” ระหว่างความเร็วที่วิทยาศาสตร์กำลังก้าวไปกับความล่าช้าของราวกั้นความปลอดภัย สถานการณ์เลวร้ายที่สุดในจินตนาการของเขานั้นเข้าใจได้ไม่ยาก: “คุณอาจพูดว่า ‘เฮ้ โมเดลภาษาจีโนม สร้างจีโนมไข้หวัดใหญ่ที่ถูกดัดแปลงให้แพร่เชื้อได้มากขึ้นหรือรุนแรงขึ้นให้ฉันหน่อย’”

ทำไมเรื่องนี้จึงสำคัญ: ทางลัดเชิงคอมพิวเตอร์แบบเดียวกันที่ทำให้ Evo ออกแบบแบคเทอริโอเฟจที่ทำงานได้ 16 ชนิดภายในเวลาไม่กี่เดือน โดยใช้ข้อมูลฝึกเก้าล้านล้านนิวคลีโอไทด์และรอบการฝึกต่อเนื่องที่เจาะจงไปที่ Phi X-174 นั้น เป็นวิธีการแบบใช้ได้ทั่วไป ไม่มีอะไรในเทคนิคพื้นฐานที่จำกัดให้มันใช้ได้เฉพาะกับไวรัสฆ่าแบคทีเรียที่ไม่เป็นอันตราย นั่นคือช่องว่างที่ Hanke และอิงเกิลสบีกำลังชี้ให้เห็น: วิธีการวิจัยที่ก้าวหน้าเร็วกว่านโยบายที่ตั้งใจจะควบคุมมัน ในสาขาที่ การวิจัยชีววิทยาสังเคราะห์ กำลังทำให้เส้นแบ่งระหว่าง การออกแบบยาชนิดใหม่ กับการออกแบบความเสี่ยงรูปแบบใหม่เลือนรางลงเรื่อย ๆ

ในตอนนี้ นักวิจัยระบุว่ามาตรการป้องกันที่พวกเขาใช้ — การตัดข้อมูลไวรัสที่ติดเชื้อในมนุษย์ออก การทำงานเฉพาะกับแบคเทอริโอเฟจ และการดำเนินการทุกอย่างภายในห้องแล็บที่ปลอดภัย — ช่วยอย่างมากในการทำให้เทคโนโลยีนี้มุ่งไปสู่ประโยชน์มากกว่าความเสียหาย ฮีให้เหตุผลว่าวิธีการนี้มีศักยภาพที่จะ “ยกระดับสุขภาพของมนุษย์อย่างมหาศาล” ผ่านยาและการบำบัดรูปแบบใหม่ รวมถึงการรักษาด้วยฟาจสำหรับการติดเชื้อที่ดื้อยาปฏิชีวนะ ว่าคำสัญญานี้จะยังคงอยู่เมื่อนำไปใช้เกินกว่า Phi X-174 หรือไม่ และหน่วยงานกำกับดูแลจะขยับตัวก่อนที่เวอร์ชันถัดไปของการทดลองนี้จะมุ่งเป้าไปที่เป้าหมายที่ควบคุมน้อยกว่านี้หรือไม่ คือสองคำถามที่จะมีบทบาทสำคัญในการกำหนดทิศทางต่อไปของไวรัสที่ออกแบบด้วย AI

คำถามที่พบบ่อย

ไวรัสที่ออกแบบด้วย AI มีประสิทธิภาพเพียงใดในการทดสอบในห้องแล็บ?

จากลำดับจีโนมไวรัสที่ถูกสังเคราะห์ 285 ลำดับ มี 16 ลำดับที่ให้กำเนิดไวรัสซึ่งสามารถจำลองตัวเองและฆ่าแบคทีเรียในห้องแล็บได้

ใช้ข้อมูลอะไรในการฝึกโมเดล AI Evo?

Evo ถูกฝึกในขั้นแรกด้วยข้อมูลประมาณเก้าล้านล้านนิวคลีโอไทด์จากสัตว์ พืช จุลชีพ และไวรัสนับล้านชนิด จากนั้นจึงถูกฝึกเฉพาะทางเพิ่มเติมบนยีน 11 ตัวของฟาจ Phi X-174 และจีโนมที่เกี่ยวข้องราว 15,000 ชุด

ทำไมนโยบายความปลอดภัยชีวภาพของสหรัฐฯ ในปัจจุบันจึงไม่ควบคุมไวรัสที่ออกแบบด้วย AI?

เพราะการออกแบบดีเอ็นเอของไวรัสด้วยคอมพิวเตอร์ล้วน ๆ ยังไม่อยู่ภายใต้นโยบายปัจจุบันของ NIH สหรัฐฯ เว้นแต่จะเกี่ยวข้องกับสิ่งมีชีวิตที่น่ากังวล ทำให้เกิดช่องว่างด้านกฎระเบียบสำหรับไวรัสที่ออกแบบด้วย AI

นักวิทยาศาสตร์ใช้มาตรการป้องกันอะไรระหว่างการฝึก Evo?

พวกเขาตัดข้อมูลเกี่ยวกับไวรัสที่ติดเชื้อในมนุษย์และเชื้อโรคที่เกี่ยวข้องออก เพื่อป้องกันไม่ให้ AI สร้างจีโนมไวรัสที่อาจเป็นอันตรายต่อมนุษย์ขึ้นมาได้

{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”ไวรัสที่ออกแบบด้วย AI มีประสิทธิภาพเพียงใดในการทดสอบในห้องแล็บ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”จากลำดับจีโนมไวรัสที่ถูกสังเคราะห์ 285 ลำดับ มี 16 ลำดับที่ให้กำเนิดไวรัสซึ่งสามารถจำลองตัวเองและฆ่าแบคทีเรียในห้องแล็บได้”}},{“@type”:”Question”,”name”:”ใช้ข้อมูลอะไรในการฝึกโมเดล AI Evo?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Evo ถูกฝึกในขั้นแรกด้วยข้อมูลประมาณเก้าล้านล้านนิวคลีโอไทด์จากสัตว์ พืช จุลชีพ และไวรัสนับล้านชนิด จากนั้นจึงถูกฝึกเฉพาะทางเพิ่มเติมบนยีน 11 ตัวของฟาจ Phi X-174 และจีโนมที่เกี่ยวข้องราว 15,000 ชุด.”}},{“@type”:”Question”,”name”:”ทำไมนโยบายความปลอดภัยชีวภาพของสหรัฐฯ ในปัจจุบันจึงไม่ควบคุมไวรัสที่ออกแบบด้วย AI?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”เพราะการออกแบบดีเอ็นเอของไวรัสด้วยคอมพิวเตอร์ล้วน ๆ ยังไม่อยู่ภายใต้นโยบายปัจจุบันของ NIH สหรัฐฯ เว้นแต่จะเกี่ยวข้องกับสิ่งมีชีวิตที่น่ากังวล ทำให้เกิดช่องว่างด้านกฎระเบียบสำหรับไวรัสที่ออกแบบด้วย AI.”}},{“@type”:”Question”,”name”:”นักวิทยาศาสตร์ใช้มาตรการป้องกันอะไรระหว่างการฝึก Evo?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”พวกเขาตัดข้อมูลเกี่ยวกับไวรัสที่ติดเชื้อในมนุษย์และเชื้อโรคที่เกี่ยวข้องออก เพื่อป้องกันไม่ให้ AI สร้างจีโนมไวรัสที่อาจเป็นอันตรายต่อมนุษย์ขึ้นมาได้”}}]}

บทความนี้จัดทำขึ้นด้วยความช่วยเหลือของปัญญาประดิษฐ์และผ่านการทบทวนโดยทีมบรรณาธิการแล้ว