斯坦福大學研究團隊利用人工智能成功設計出了16種自然界不存在的全新病毒，屬於噬菌體，能感染並殺死對天然噬菌體已產生耐藥性的大腸桿菌。這是人類歷史上第一次，AI不僅「理解」了生命的語言，而且學會了「書寫」完整的基因組。
研究團隊使用名為Evo 1和Evo 2的基因組語言模型，其工作原理與ChatGPT等大語言模型類似，只不過訓練的不是文本，而是病毒、細菌、植物和人類的基因。AI學會識別自然界中長期演化形成的DNA結構模式後，生成了數千組全新的基因序列。研究人員從中選出約300組進行實驗測試，最終得到16種具備活性的噬菌體。
這些AI設計出的噬菌體不同於任何已知的天然噬菌體，擁有全新的突變、差異化的基因和調控元件。實驗表明，由它們組成的混合製劑能快速抑制已經產生耐藥性的大腸桿菌。
在美國，耐藥菌每年造成成千上萬人死亡。但長期以來，從自然界海量噬菌體中篩選有效品種如同大海撈針，科學家可能需要花費數年甚至一生去完成。AI將這一過程大幅壓縮，輸入數據、生成方案、實驗室驗證，即可呈現結果。
噬菌體療法並非新生事物。1919年，巴黎就開始了第一種噬菌體療法。在東歐的格魯吉亞、波蘭和俄羅斯，這種療法自發現以來一直是醫療保健實踐的一部分，持續使用了近百年。
然而，20世紀中葉青黴素等抗生素憑藉標準化生產和廣譜抗菌能力迅速佔領市場後，噬菌體療法在西方被放棄。幾十年間積累的臨床數據，因未能在現行西方監管標準下得到驗證，歐洲監管機構並未將其納入考量。至今，FDA尚未批准任何一款噬菌體療法藥物。在歐洲，直到2024年，噬菌體療法藥物的統一質量標準才首次被納入藥典。如今，AI讓這一矛盾更加尖銳。約翰霍普金斯大學專家指，利用人工智能編寫病毒基因組的技術現已具備，但能對其進行安全管控的治理體系卻尚未建立。如今問題不再是「AI能否設計出病毒基因」，而是人類能否在「不造成嚴重危害」的情況下使用這項技術。畢竟，某些人掌握這項技術後，未必會用在醫療上。
該AI模型屬於開源性質，意味著技術擴散的門檻極低。倫敦帝國理工學院合成基因組工程教授艾理斯指出，如果AI系統掌握了危險病毒的結構信息，理論上完全可以用來設計更具危害性的病毒。不僅可能被用於改造現有病原體，更可能被用來創造全新的致命病原體。
傳統的監管模式，在AI設計生物製品的場景下面臨挑戰。AI設計的生物體不屬於已知的「特定病原體」，監管框架可能根本不適用。所以需要在技術鏈的多個環節設置關卡，比如分層監管——在AI開發與訪問端建立保障機制，對DNA合成訂單進行系統篩查。目前，部分企業已加入國際基因合成聯盟，強制篩查訂單中可能編碼毒素的序列。
當前基因合成成本持續下降、全球合成能力分散分佈。最有效的干預就在於DNA製造過程，要確保能在病原體被合成之前就將其攔截。AI行業巨頭已聯合呼籲美國政府加強對合成DNA的監管，從源頭阻斷危險遺傳物質的流出，可能是成本最低、效果最直接的防線。技術本身無所謂善惡，關鍵在於駕馭技術的人類能否建立有效的規則。這場科學與治理的賽跑，才剛剛開始。