Google DeepMind昨日發表SynthID Bio新技術，旨在AI設計的蛋白質中嵌入數位浮水印，期望能區分AI生成與實驗驗證的蛋白質，以防範未來利用AI合成具有生物安全風險的蛋白質，同時保障藥物研發與生技創新的安全性。
人工智慧（AI）在生物科技領域的應用日益廣泛，其中AI設計的蛋白質尤其引人注目，其潛力涵蓋藥物開發、環境監測乃至合成生命體建構。然而，隨之而來的生物安全隱憂也浮上檯面。科技巨擘Google DeepMind昨日推出一項名為 SynthID Bio 的新技術，期望能為 AI 生成的蛋白質打上「數位浮水印」，以辨識其來源，進而防範潛在的生物安全風險。
AI透過演算法能夠設計出自然界不存在的全新蛋白質，即「AI設計蛋白質」，這項技術「擴展了科學家能設計的範疇」。這些創新的蛋白質具有龐大潛力，可作為強效藥物、環境感測器，甚至成為合成生命的基礎建構單元。例如，AI已展現出設計全新噬菌體（bacteriophage）以及在全基因組規模下編寫生物功能的能力。
然而，這項技術也帶來嚴峻的生物安全挑戰。現有的生物安全軟體在識別由公開AI工具生成的合成毒素方面，已暴露出其局限性。AI設計的蛋白質若經微調以規避偵測，其序列可能與現有資料庫差異過大，使得透過傳統序列比對方法難以辨識其潛在危險性。
為應對此挑戰，Google DeepMind 開發的 SynthID Bio 技術，旨在於 AI 蛋白質的設計過程中，將肉眼不易察覺的「數位浮水印」嵌入其中。這種浮水印是一種微妙的訊號，能協助研究人員區分經 AI 演算法生成的蛋白質結構，與經過實際實驗驗證的蛋白質。這項技術可望整合至 AlphaFold 和 RFdiffusion 等領先的蛋白質設計系統中。
Twist Bioscience 的科學家 James Diggans 指出：「AI正在拓展科學家設計的能力，而DNA合成公司在協助這項創新負責任地規模化方面扮演重要角色。」
儘管數位浮水印為蛋白質設計領域的生物安全問題帶來了新解方，但這項技術仍面臨挑戰。牛津大學的 Oliver Crook 提到，為蛋白質添加浮水印的過程可能會輕微改變其結構，進而產生功能略遜於最佳狀態，但仍具備功能的蛋白質版本，這恐會增加研究人員在評估蛋白質特性時的複雜度。Google DeepMind 也坦承，SynthID Bio 僅是初步階段，仍需進一步完善。
目前，生物安全的主要防護措施是要求研究人員將用於合成蛋白質的 DNA 序列送交商業供應商，由供應商與受控序列資料庫進行比對。然而，對於新型 AI 設計且與既有資料庫差異甚大的序列，此方法效力有限。篩選預期的生物功能雖然也是一種替代方案，但對獨特的 AI 設計序列而言具高度挑戰性。
在此背景下，Google DeepMind 提出的數位浮水印技術，為識別 AI 生成蛋白質提供了一個潛在的、更簡單的替代方案，相較於複雜的序列比對或功能篩選，具有更高的效率與便利性，有助於維護生物科技領域的研發秩序與安全性。