جوجل ديب مايند توسّع مبادرة "المرونة الحيوية" إلى أكثر من 15 شراكة مع تطور فهم الذكاء الاصطناعي للبيولوجيا

تعمل اليوم أكثر من اثنتي عشرة مؤسسة بحثية وجهة حكومية جنبًا إلى جنب مع جوجل ديب مايند (Google DeepMind) وشركة إيزومورفيك لابز (Isomorphic Labs) على معالجة سؤال شائك: ماذا يحدث عندما تصبح نماذج الذكاء الاصطناعي بارعة بما يكفي في علم الأحياء لتساعد شخصًا ما على إحداث ضرر جسيم؟

في تحديث حديث عن مبادرتهما المشتركة للمرونة الحيوية (Bioresilience)، أعلنت المؤسستان أنهما نسجتا خلال الاثني عشر شهرًا الماضية أكثر من 15 شراكة مع وكالات حكومية، ومجموعات متخصصة في الأمن البيولوجي (Biosecurity)، ومراكز بحثية. ومن بين الشركاء الذين تم الإفصاح عن أسمائهم: مختبر لورانس ليفرمور الوطني، ومعهد أمن الذكاء الاصطناعي البريطاني، وائتلاف الاستعداد لمكافحة الأوبئة (CEPI)، ومعهد فرانسيس كريك. وحجم هذه الشبكة يعكس مدى الجدية التي تتعامل بها ديب مايند مع فئة من المخاطر كانت حتى وقت قريب حبيسة ورقات السياسات النظرية، لا خططًا هندسية فعلية.

يرتكز هذا القلق على اتجاه واقعي وملموس: النماذج المتقدمة مثل جيمناي (Gemini) باتت تحمل فهمًا متزايد التعقيد للأنظمة البيولوجية. هذه القدرة تُعد ميزة أساسية في اكتشاف الأدوية ونمذجة البروتينات، وهو بالضبط المجال الذي تعمل فيه إيزومورفيك لابز. لكن نفس هذه المعرفة ترفع سقف ما يمكن أن يستخرجه شخص سيئ النية من نموذج قوي، سواء كان ذلك مساعدة في تصميم مُمرض (Pathogen) أو الالتفاف على بروتوكولات الأمن البيولوجي في المختبرات.

ثلاث ركائز... إطار عمل واحد

تبني ديب مايند استجابتها على ثلاث مراحل: منع سوء الاستخدام قبل وقوعه، ثم كشف أي تفشٍ أو هجوم بسرعة أكبر إذا حدث بالفعل، وأخيرًا تحسين طريقة استجابة الجهات المعنية أثناء الحادثة. وتعتمد طبقة المنع على نماذج تهديد (Threat Modelling)، وهي عملية تحليلية تهدف إلى تحديد الجهات الفاعلة الأكثر احتمالًا لمحاولة سوء الاستخدام، ورصد الاختناقات العملية التي تعيق خططهم حاليًا. فإذا لم يُساهم نموذج معين في تخفيف أحد هذه الاختناقات بشكل ملموس، تُصنَّف المخاطر المرتبطة به على أنها أقل حدة.

ولاختبار هذا الافتراض عمليًا، تدمج ديب مايند بين "الفرق الحمراء" من الخبراء (Red-teaming) والتجارب العشوائية المُحكمة (Randomised Controlled Trials)، أي إجراء تجارب منظمة لمعرفة ما إذا كانت مخرجات جيمناي تُسهّل بالفعل على شخص ما تجاوز عقبة معينة في مساره لسوء الاستخدام، بدلًا من الاعتماد على اختبارات عشوائية غير منهجية. هذا النهج القائم على الأدلة يشبه طريقة تقييم الشركة لمخاطر النماذج المتقدمة الأخرى، لكن سياق الأمن البيولوجي يرفع من حجم المخاطرة بشكل كبير، بالنظر إلى السرعة التي يمكن أن تتحول بها معلومة خاطئة في هذا المجال إلى ضرر فعلي على الأرض.

التنسيق حول البيانات، لا النماذج فقط

إلى جانب اختباراتها الداخلية، تتعاون ديب مايند مع منتدى النماذج المتقدمة (Frontier Model Forum)، الهيئة الصناعية التي تدعمها كبرى مختبرات الذكاء الاصطناعي، لبحث أسئلة مشتركة حول التعامل مع فئات بيانات التدريب (Training Data) الأكثر خطورة. وقد ذُكرت مجموعات بيانات علم الفيروسات (Virology Datasets) كمثال محدد، وهو ما يعكس معضلة تواجه القطاع بأكمله: كيف تبقى النماذج مفيدة للباحثين الشرعيين دون أن تتشرّب معرفة خطيرة الدقة عن غير قصد.

وبالنظر إلى المستقبل، تقول ديب مايند إنها تخطط لتوسيع شبكة شراكاتها خلال الستة إلى الاثني عشر شهرًا القادمة، مع تركيز جديد على تبادل المعلومات الاستخباراتية حول التهديدات، وتطوير أساليب أفضل لتقييم وكلاء الذكاء الاصطناعي المستقلين (Autonomous AI Agents)، وتعزيز الدفاعات ضد محاولات كسر القيود الأمنية المعروفة بـ"جيلبريك" (Jailbreak). هذا التوجه نحو الوكلاء لافت بشكل خاص: فمع تحول أنظمة الذكاء الاصطناعي من مجرد الإجابة على الأسئلة إلى تنفيذ إجراءات متعددة الخطوات، يتوسع حساب مخاطر المرونة الحيوية ليشمل ما قد يساعد النموذج على تنفيذه فعليًا، لا ما يقوله فقط.