AI może skracać drogę do broni biologicznej. Znosi przeszkody w kluczowych obszarach

Jeszcze kilka lat temu dyskusja o sztucznej inteligencji i broni biologicznej koncentrowała się przede wszystkim na jednym pytaniu: czy chatbot może przekazać komuś wiedzę potrzebną do stworzenia groźnego patogenu?

Dziś takie postawienie problemu jest już zbyt wąskie. Zagrożeniem nie musi być pojedyncza odpowiedź modelu, lecz rozwijający się ekosystem, w którym AI może pomagać przeszukiwać literaturę naukową, interpretować dane, projektować cząsteczki biologiczne, analizować wyniki eksperymentów oraz łączyć wyspecjalizowane narzędzia w jeden proces badawczy.

Nie oznacza to, że stworzenie broni biologicznej stało się łatwe. Nadal istnieją poważne bariery materiałowe, laboratoryjne, organizacyjne i techniczne. Zmienia się jednak znaczenie części barier związanych z dostępem do wiedzy, analizą informacji i czasem potrzebnym do rozwiązania specjalistycznych problemów.

AI może nie tyle tworzyć zupełnie nowe możliwości biologiczne, ile ułatwiać i przyspieszać wykorzystanie możliwości, które już istnieją.

Zagrożenie to opisuje najnowszy raport RAND Corporation, który proponuje odejście od myślenia o jednym zabezpieczeniu. 

Jeżeli rozwój AI może stopniowo obniżać bariery pomiędzy pomysłem a fizycznym eksperymentem, państwo powinno zabezpieczać cały łańcuch: dane, modele, dostęp do infrastruktury, materiały biologiczne, syntezę DNA, laboratoria, monitoring epidemiologiczny, atrybucję i zdolność szybkiej odpowiedzi.

AI nie musi stworzyć „superpatogenu”. Wystarczy, że obniży próg wejścia

Jeden z najważniejszych przekrojowych dokumentów opisujących aktualny stan wiedzy –„Międzynarodowy raport o bezpieczeństwie AI 2026”* – wskazuje na dwie pozornie sprzeczne tendencje.

Z jednej strony współczesne modele potrafią już dostarczać zaawansowanej wiedzy biologicznej, pomagać w rozwiązywaniu problemów laboratoryjnych i współpracować z wyspecjalizowanymi narzędziami naukowymi. 

Z drugiej strony nadal nie ma wystarczających dowodów, że samo udostępnienie AI dramatycznie zwiększa realną zdolność przeciętnego użytkownika do przeprowadzenia skutecznego ataku biologicznego. Bariery materialne, laboratoryjne i praktyczne pozostają poważne, a skala rzeczywistego wzrostu zagrożenia jest nadal obarczona znaczną niepewnością.

Jest to więc zasadnicze rozróżnienie. Z tym, że nie należy zakładać, iż AI będzie zdolna samodzielnie zaprojektować groźny czynnik biologiczny, aby uznać jej rozwój za strategicznie istotny.

Jeżeli zadanie wymagające wcześniej wielogodzinnego przeglądania publikacji, specjalistycznej wiedzy i ręcznego zestawienia danych może zostać wykonane szybciej przy pomocy systemu sztucznej inteligencji, część kosztów i barier wejścia może się zmniejszać.

W styczniu 2026 roku zespół związany z RAND Corporation opublikował wyniki intrygującej analizy. 

Autorzy zebrali 58 potencjalnych zabezpieczeń, a następnie wskazali siedem najbardziej perspektywicznych strategii obejmujących dwanaście konkretnych mechanizmów ograniczania ryzyka. Dotyczą one m.in. zabezpieczeń samych modeli, kontroli ich wykorzystania, ochrony materiałów fizycznych, monitoringu biologicznego, bioatrybucji oraz kontroli procesu syntezy kwasów nukleinowych. 

Ich przesłanie jest następujące: problem nie znajduje się w jednym miejscu, więc obrona również nie może znajdować się w jednym miejscu.

Od chatbota do połączonego systemu

Jeszcze dalej idzie Michelle Holko z Programu Technologii i Bezpieczeństwa Narodowego w Centrum Nowego Bezpieczeństwa USA. 

W jednej ze swoich publikacji argumentuje, że klasyczne podejście do biosecurity często analizuje oddzielnie model komputerowy, bazę danych, laboratorium, urządzenie czy materiał biologiczny. Tymczasem zagrożenie może powstać wskutek interakcji pomiędzy elementami, z których każdy używany osobno może być legalny i bezpieczny.

Model AI może bowiem analizować dane biologiczne, jego wynik może zostać przekazany do innego wyspecjalizowanego narzędzia, następnie do procesu eksperymentalnego, a otrzymane rezultaty mogą wracać do kolejnego cyklu analizy. 

Oznacza to zmianę logiki bezpieczeństwa. Kontrola samego modelu może być niewystarczająca. Kontrola laboratorium może nastąpić zbyt późno. Screening pojedynczego zamówienia może natomiast nie ujawnić ryzyka, jeżeli jest prowadzony bez wiedzy o wcześniejszej aktywności użytkownika.

Równocześnie rozwijają się systemy, w których AI coraz ściślej łączy projektowanie biologiczne z eksperymentem i analizą rezultatów – podkreślają badacze. 

Znaczenie tej zmiany nie polega na tym, że laboratoria stały się autonomicznymi fabrykami zagrożeń. Chodzi o bardziej stopniowy proces: kolejne etapy automatyzacji mogą przejmować część pracy, którą wcześniej musiał wykonywać wysoko wykwalifikowany człowiek.

Jednym z najważniejszych punktów kontrolnych jest granica pomiędzy światem cyfrowym i fizycznym. Można wygenerować ogromną liczbę komputerowych projektów biologicznych. Dopóki jednak pozostają one plikami, nie są jeszcze materiałem biologicznym. Dlatego jednym z kluczowych elementów nowej bioobrony staje się kontrolowanie momentu, w którym informacja cyfrowa zostaje przełożona na fizyczny produkt.

Synteza kwasów nukleinowych staje się punktem kontrolnym

Kluczowego znaczenia nabiera w tym kontekście screening syntezy kwasów nukleinowych. Istniejące systemy kontroli często poszukują podobieństwa zamawianej sekwencji do znanych sekwencji niebezpiecznych organizmów lub toksyn.

W maju 2026 roku grupa ekspertów z Johns Hopkins University, NIST, Los Alamos National Laboratory, Microsoftu, SecureDNA, Twist Bioscience i innych instytucji opublikowała tekst, w którym ostrzega, że wraz z rozwojem generatywnych narzędzi biologicznych samo porównywanie nowych projektów z istniejącymi bazami może okazać się niewystarczające.

Problem polega na tym, że nowa sekwencja może znacznie różnić się od znanej sekwencji kontrolowanej, a mimo to zachowywać określoną funkcję biologiczną. Dlatego screening powinien ewoluować w kierunku rozpoznawania potencjalnie niebezpiecznej funkcji, a nie wyłącznie podobieństwa zapisu.

Jeszcze większym wyzwaniem jest nierównomierność regulacji między państwami.

Sana Zakaria z RAND Europe, Sophie Peresson z International Biosecurity and Biosafety Initiative for Science (IBBIS) oraz ich współautorzy napisali w czerwcu bieżącego roku opublikowali materiał, gdzie wskazali, że baza IBBIS obejmuje ponad 700 dostawców syntezy na świecie, podczas gdy publicznie możliwe do zidentyfikowania mechanizmy screeningu występują jedynie u niewielkiej części z nich. 

Jest to według nich fundamentalna słabość systemów opartych przede wszystkim na regulacjach krajowych. Skuteczność rygorystycznej kontroli w jednym państwie jest ograniczona, jeżeli zamówienie można przenieść do jurysdykcji stosującej słabsze standardy.

Z tej racji screening syntezy przestaje być wyłącznie problemem technicznym. Staje się wyzwaniem regulacyjnym i międzynarodowym.

USA próbują zamknąć lukę między projektem a materiałem

Stany Zjednoczone próbują przeciąć właśnie tę drogę. 

W rozporządzeniu wykonawczym Białego Domu z 5 maja 2025 r. nakazano zmianę federalnego systemu kontroli syntezy kwasów nukleinowych w kierunku mechanizmu, który ma być kompleksowy, skalowalny i możliwy do zweryfikowania.

Federalnie finansowane badania mają korzystać z dostawców przestrzegających odpowiednich zasad screeningu. Administracja otrzymała również zadanie opracowania sposobu rozszerzenia podobnego podejścia na badania prowadzone poza systemem finansowania federalnego.

Oznacza to przesunięcie punktu ciężkości. Państwo nie próbuje kontrolować wyłącznie niebezpiecznych patogenów przechowywanych już w zabezpieczonych laboratoriach, ale przesuwa część kontroli wcześniej — do łańcucha dostaw biologii syntetycznej. Nie tworzy to jeszcze systemu szczelnego. Powstaje jednak dodatkowy punkt kontrolny pomiędzy projektem cyfrowym a materiałem fizycznym.

Wielka Brytania sprawdza nie tylko sekwencję, ale również użytkownika

Jeszcze bardziej czytelny model stworzyła Wielka Brytania.

Departament Nauki, Innowacji i Technologii opublikował 8 października 2024 roku dokument, który przewiduje nie tylko screening sekwencji, ale również weryfikację klienta, analizę legalności zamówienia, rejestrowanie podejrzanych transakcji oraz mechanizmy dotyczące laboratoryjnych urządzeń do syntezy. 

Jeżeli mimo przeprowadzonej kontroli utrzymują się poważne podejrzenia, dostawca powinien odmówić realizacji i zawiadomić właściwe organy.

Władze brytyjskie wiążą potrzebę takich zabezpieczeń także z konwergencją AI i biologii. 

W rządowej odpowiedzi dotyczącej zarządzania „engineering biology” wskazano, że AI może przyspieszać cykl projektowania i testowania rozwiązań biologicznych, a połączenie obu technologii niesie zarówno ogromne korzyści, jak i nowe ryzyka.

Na tym właśnie polega model obrony warstwowej: nie opierać bezpieczeństwa na jednym filtrze, lecz kontrolować sekwencję, użytkownika, urządzenie, cel wykorzystania oraz inne elementy procesu.

Unia Europejska wpisuje biosecurity do projektu prawa biotechnologicznego

Podobny kierunek pojawia się w Unii Europejskiej. 

Komisja Europejska przedstawiła 16 grudnia 2025 roku projekt European Biotech Act. Jednym z jego oficjalnych celów jest wprowadzenie zabezpieczeń biosecurity ograniczających możliwość niewłaściwego wykorzystania biotechnologii. 

Projekt obejmuje również zagadnienia związane z urządzeniami do syntezy kwasów nukleinowych oraz „sequences of concer” — sekwencjami mogącymi wzbudzać obawy z punktu widzenia bezpieczeństwa. Z tym że należy zaznaczyć, iż jest to projekt regulacji, a nie obowiązujące już prawo.

Sam kierunek zmian pozostaje jednak istotny. Bezpieczeństwo biologiczne przestaje być traktowane wyłącznie jako problem zamkniętych laboratoriów przechowujących szczególnie niebezpieczne czynniki. W proponowanym modelu ma stać się jednym z elementów regulacji rynku biotechnologicznego, obejmując produkty, dostawców, urządzenia i łańcuch usług.

Jest to przesunięcie przypominające wcześniejszą ewolucję cyberbezpieczeństwa: ochrona nie może ograniczać się do najważniejszych państwowych systemów, ale musi być stopniowo wbudowywana w całą infrastrukturę.

Firmy AI tworzą własną warstwę bezpieczeństwa biologicznego

Google DeepMind i Isomorphic Labs 16 lipca br. zaproponowały program, w którym przedstawiono koncepcję opierającą się na trzech elementach: 

• zapobieganiu nadużyciu modeli, 
• szybszym wykrywaniu zagrożeń,
• wykorzystaniu AI do przyspieszania reakcji, w tym prac nad środkami medycznymi. 

Firmy poinformowały, że w ciągu poprzednich dwunastu miesięcy rozwinęły ponad 15 partnerstw z administracją, organizacjami zajmującymi się biosecurity i ośrodkami badawczymi.

Podobną logikę prezentuje program OpenAI „Rosalind Biodefense”. Zakłada kontrolowany dostęp do zaawansowanych możliwości AI dla zweryfikowanych partnerów działających m.in. w obszarze wczesnego wykrywania, przygotowania na epidemie, diagnostyki i przeciwdziałania zagrożeniom biologicznym. 

Towarzyszą temu mechanizmy oceny zdolności modeli, monitorowania oraz ograniczania niebezpiecznych zastosowań.

Na tej podstawie można sformułować szerszy wniosek: firmy tworzące najbardziej zaawansowane modele zaczynają stawać się jednym z elementów infrastruktury biosecurity. 

Nie jest to oficjalna definicja ich roli, ale konsekwencja architektury współczesnego rynku AI. Część danych pozwalających wykrywać potencjalnie niebezpieczne wykorzystanie modeli znajduje się bowiem właśnie w prywatnych systemach. Oznacza to, że władze państwowe nie kontrolują już całego łańcucha samodzielnie.

Polska również wchodzi do tej dyskusji

Dla Polski problem nie ma wyłącznie teoretycznego charakteru. Council on Strategic Risks w materiale z 30 czerwca br. opisał spotkanie zorganizowane 17-18 czerwca w Warszawie we współpracy z polskim Ministerstwem Obrony Narodowej.

Rozmowy dotyczyły m.in. AI, nowych biotechnologii, zdolności wykrywania zagrożeń, współpracy cywilno-wojskowej oraz bioatrybucji. 

Jedna z podstawowych tez spotkania została sformułowana jednoznacznie: odporność biologiczna ma stanowić podstawę odstraszania biologicznego.

Przeciwnik powinien zakładać nie tylko, że celowy atak biologiczny spotka się z reakcją polityczną, lecz brać też pod uwagę, że zdarzenie może zostać szybko wykryte, jego skutki ograniczone, a odpowiedzialny podmiot zidentyfikowany.

Taka konstrukcja odpowiada logice określanej w teorii odstraszania jako deterrence by denial — odstraszania przez zmniejszenie prawdopodobieństwa osiągnięcia przez przeciwnika zamierzonego rezultatu. Nie jest to jednak termin, którym Council on Strategic Risks określa wprost cały opisany przez siebie model.

Biologiczny odpowiednik cyberbezpieczeństwa

Przez dziesięciolecia biosecurity koncentrowało się przede wszystkim na ochronie niebezpiecznych patogenów, laboratoriów, personelu i dokumentacji. Tymczasem współczesny system biologiczny coraz bardziej przypomina środowisko cyfrowe.

Dane przepływają między instytucjami. Projekty powstają komputerowo. Część usług jest zlecana na zewnątrz. Specjalistyczne modele można łączyć z innymi narzędziami. Syntezę materiału można zamówić komercyjnie, a eksperymenty są w coraz większym stopniu automatyzowane.

Z tej racji biosecurity zaczyna pod pewnymi względami przypominać cyberbezpieczeństwo. 

Nie istnieje bowiem jeden „firewall”, który rozwiąże problem. Potrzebne są zabezpieczenia modeli, uwierzytelnianie użytkowników, kontrola dostawców, analiza nietypowej aktywności, monitoring fizycznych punktów przejścia, wymiana informacji, wykrywanie incydentów i zdolność szybkiego reagowania.

Każda pojedyncza warstwa może okazać się zawodna. Sens całego systemu polega na tym, że ominięcie jednej bariery nie powinno oznaczać ominięcia wszystkich pozostałych.

Szczególnie problematyczna jest sytuacja, w której kilka oddzielnie niewinnych lub niejednoznacznych sygnałów nigdy nie zostaje ze sobą połączonych. 

Nietypowe wykorzystanie modelu AI samo w sobie może nie wystarczyć do alarmu. Nietypowe zamówienie również. Podobnie zakup określonej usługi laboratoryjnej. 

Jeżeli jednak takie sygnały dotyczą tego samego podmiotu i zaczynają tworzyć spójny wzorzec, ich znaczenie może się zasadniczo zmienić.

Z tej racji właśnie dlatego RAND Corporation mówi o obronie wielowarstwowej. W innych analizach bezpieczeństwa spotyka się również analogię do „modelu szwajcarskiego sera”: każda pojedyncza warstwa posiada słabości, lecz skuteczny system ma powodować, aby słabości różnych warstw nie nakładały się na siebie. 

Nie posługuje się on w tym miejscu bezpośrednio tą analogią, ale opisuje podobną zasadę: bezpieczeństwo powinno obejmować równocześnie dane, model, jego wdrożenie, świat fizyczny oraz mechanizmy działające ponad poszczególnymi poziomami.

Wyścig nie dotyczy tylko coraz potężniejszej AI

Największym błędem byłoby więc sprowadzenie całej dyskusji do pytania: kiedy AI będzie potrafiła stworzyć groźny patogen? Nie wiadomo, czy i kiedy osiągnie takie zdolności. Dostępne badania nie pozwalają traktować tego jako ustalonego faktu.

Znacznie bardziej konkretne pytanie brzmi: ile kolejnych barier pomiędzy zamiarem a wykonaniem AI będzie mogła stopniowo obniżyć?

Jeżeli skraca czas analizy, zwiększa dostępność specjalistycznej wiedzy, automatyzuje część projektowania, pomaga interpretować eksperymenty i umożliwia sprawniejsze korzystanie z wyspecjalizowanych narzędzi, może skracać niektóre etapy drogi od idei do działania nawet wtedy, gdy żaden pojedynczy model nie posiada zdolności pozwalających samodzielnie wykonać cały proces.

Dlatego właściwy wyścig nie przebiega pomiędzy AI a człowiekiem, lecz coraz bardziej pomiędzy przyspieszeniem potencjalnych możliwości ofensywnych i zdolności defensywnych.

Ta sama AI, która może zwiększać dostępność określonych możliwości biologicznych, może również pomagać wcześniej wykrywać epidemie, analizować nowe zagrożenia, usprawniać screening, przyspieszać diagnostykę i rozwój środków medycznych. 

Google DeepMind mówi już otwarcie o wykorzystaniu AI w trzech obszarach: zapobiegania, wykrywania i reagowania.

Państwo, które skoncentruje się wyłącznie na zakazywaniu, może ograniczyć własne możliwości technologiczne. Państwo, które skoncentruje się wyłącznie na innowacji i zignoruje bezpieczeństwo, może z kolei pozostawić poważne luki.

Dlatego powstająca strategia wygląda inaczej: rozwijać technologię, ale jednocześnie budować kolejne punkty kontroli od modelu AI aż po fizyczną biologię.

Nie ma jeszcze obecnie dowodu, że AI radykalnie skróciła całą drogę od pomysłu do groźnego patogenu. Są natomiast coraz mocniejsze przesłanki, że może obniżać niektóre bariery znajdujące się na tej drodze. 

To wystarcza, aby bezpieczeństwo biologiczne przestało opierać się na jednej linii obrony. W świecie, w którym wiedza, projektowanie i eksperyment stają się coraz mocniej połączone cyfrowo, najważniejszym zadaniem biosecurity jest stworzenie wielu kolejnych miejsc, w których niebezpieczny proces można wykryć, zatrzymać albo pozbawić skuteczności.