Radical Numerics推出Omnii Defense模型，可离线识别AI合成病原体

如今，一家初创公司声称已开发出一种防御手段。周三，Radical Numerics宣布已研制出一款名为Omnii Defense的新型边缘模型，该模型可利用笔记本电脑和USB基因测序仪来标记天然及AI工程化的病原体。它还能在没有网络连接的情况下运行，让网络信号不稳定的野外研究人员也能使用。尽管许多科学家认为AI制造的生物武器威胁可能性较低，但Radical Numerics希望其技术能帮助研究人员和公共卫生官员识别新出现的生物威胁。 Radical Numerics联合创始人兼CEO Eric Nguyen表示，他认为生物防御领域即将出现一场类似网络安全领域的军备竞赛——在网络安全中，威胁行为者和安全防御者都在利用AI试图占据优势。 “我们觉得生物安全领域在防御方面远远落后，”他说。 Nguyen和他的联合创始人曾是Evo和Evo-2背后的研究团队成员，这两个开源DNA基础模型是他们在斯坦福大学攻读博士期间参与开发的。他们于2025年创立了Radical Numerics。 这家总部位于旧金山的公司最近推出了Omnii，这是一款基于DNA之外多种生物信息（包括RNA、蛋白质和表观遗传信号）构建的新型基因组语言模型，由此引发关注。10月，Radical宣布利用Omnii定制了噬菌体——感染并杀死特定细菌的病毒——靶向一种耐药性大肠杆菌菌株。在获得美国食品药品监督管理局的特别许可后，其混合制剂被用于治疗一名患病患者。 另一家AI生物技术初创公司Tabula Bioscience也参与了那项研究，但Radical在上个月的公告中并未披露这一合作关系。这一遗漏导致曾担任两家公司顾问的哈佛大学遗传学家George Church于上周辞去了在Radical的职务。 Omnii Defense是该公司的最新工具，可对序列做出多重预测，包括其具有致病性或由AI生成的概率，以及它最接近哪个分类群。该模型为基因组赋予一个介于零到一之间的“威胁评分”，将非自然性的可能性与功能预测相结合。评分越高，威胁越大。 此前的生物防御工具，例如联邦政府资助的Finding Engineering-Linked Indicators（Felix），可以将感兴趣的基因序列与已知生物体文库进行比对，本质上是在寻找已编目的匹配项。这在恶意行为者对现有病原体稍作修改的场景中可能有帮助。但这些工具并非像Omnii那样设计用于做出预测。 AI模型的优势在于，它们可以学习与生物功能相关的序列模式，而不必依赖精确的序列匹配。这使它们能够识别序列之间的相似性，即使其基因拼写已经改变。Radical Numerics生物防御负责人Christine Parthemore表示，Omnii是一次“阶跃式变化”。 在一项实验中，该公司从训练数据中移除了本迪布焦病毒——该病毒目前正在东非引发埃博拉疫情——先是在物种层面移除，然后在整个属层面移除。“就好像Omnii是在1976年运行一样，”Parthemore说，她指的是埃博拉病毒被发现的年份。仅移除该物种时，模型仍检测出推送至其的本迪布焦序列中有33%具有致病性。即使移除了整个属，它仍标记出了22%的病毒序列。她说，非AI工具基本上没有给出任何潜在风险的指示。 “我们绝对需要对AI正在赋能的东西保持警惕，如果我们能用技术与之竞争，并有望领先于任何恶意行为者，那似乎是明智的，”麻省理工学院和哈佛大学布罗德研究所传染病与微生物组项目病原体监测主任Bronwyn MacInnis说。 然而，MacInnis警告说，检测到一个信号与确定病原体是否具有真实后果或威胁是否经过工程化设计之间仍有很大差距。 Omnii Defense目前仅限经过审查的外部测试人员使用。Radical Numerics表示正在与国家实验室、政府机构和其他独立评估者合作，评估该模型的性能。