Hoe Google DeepMind AI-misbruik in de biologie wil stoppen (en waarom dat lastig is)

Sophie Jansen · 2026-07-16

Google DeepMind en Isomorphic Labs hebben een bioresilience-programma gelanceerd om AI-misbruik in de biologie te voorkomen en tegelijkertijd de respons op uitbraken te versnellen. Het klinkt als een nobel doel, maar de uitdaging is groter dan je denkt. ### De duale opdracht van AI in de biologie Frontier-modellen zoals Gemini begrijpen biologie steeds beter. Dat is fantastisch voor wetenschappers die vaccins ontwikkelen, maar hetzelfde gereedschap kan ook door kwaadwillenden worden gebruikt. DeepMind noemt dit een duale opdracht: de wetenschappelijke vooruitgang mogelijk maken, terwijl de tools uit handen blijven van degenen die ze willen misbruiken. In het afgelopen jaar hebben de twee organisaties meer dan 15 partnerschappen opgezet met overheidsinstanties, biosecurity-organisaties en onderzoeksgroepen. Denk aan samenwerkingen met Lawrence Livermore National Laboratory, het UK AI Security Institute, CEPI en het Francis Crick Institute. Toch blijft DeepMind vaag over de details van wie er precies meedoet. ### Drie pijlers voor bioresilience Het programma rust op drie pijlers: - **Voorkomen van misbruik**: door dreigingsmodellen en red-teaming te gebruiken. - **Sneller detecteren van uitbraken**: met AI-gestuurde analyses. - **Reageren op uitbraken of aanvallen**: zodra ze plaatsvinden. DeepMind zegt de komende zes tot twaalf maanden meer partnerschappen te willen aangaan, met focus op dreigingsinformatie, evaluatiemethoden voor AI-agenten en jailbreak-mitigaties. Ook werkt het samen met het Frontier Model Forum over risicovolle trainingsdata, zoals virologische datasets. ### Hoe Gemini veilig blijft zonder wetenschap te blokkeren De preventie werkt met dreigingsmodellen die identificeren welke actoren het meest waarschijnlijk misbruik maken en welke barrières hen tegenhouden. DeepMind gebruikt een mix van expert-red-teaming en gerandomiseerde gecontroleerde onderzoeken om te bepalen of Gemini iemand kan helpen die barrières te omzeilen. Post-training-methoden leren het model om schadelijke vragen te weigeren, zonder overmatige weigering van legitieme wetenschappelijke vragen. Dat is een lastige balans, niet alleen voor DeepMind, maar voor de hele industrie. Classifiers en probes worden ingezet om risicovolle activiteiten in real-time te signaleren, en het bedrijf voert gerichte loganalyse uit om subtiele misbruikpatronen te vangen die geautomatiseerde filters missen. > 'Geen van deze mitigaties wordt als opgelost beschreven. DeepMind ziet ze als een doorlopend proces, niet als een afgerond systeem.' Dat is belangrijk voor elke organisatie die overweegt op deze beveiligingen te vertrouwen. Een classifier die getraind is op bekende jailbreak-patronen in een gecontroleerde evaluatie, garandeert geen gelijke prestaties tegen nieuwe aanvalsmethoden in de praktijk. ### Het DNA-synthese screenprobleem Een van de meest concrete risico's is DNA-synthese. Bedrijven in de International Gene Synthesis Consortium screenen bestellingen op bekende schadelijke pathogenen en toxines, met behulp van algoritmen. DeepMind zegt dat deze aanpak begint te haperen, omdat AI nu DNA-sequenties kan ontwerpen met vergelijkbare functies als een gevaarlijk pathogeen, zonder dat de sequentie exact overeenkomt met bestaande screeningslijsten. De voorgestelde oplossing is gebaseerd op DeepMinds bestaande watermerksysteem SynthID, dat al een industrienorm is voor het markeren van AI-gegenereerde afbeeldingen en tekst. Het aanpassen ervan voor biologische sequenties is nog verkennend werk, maar het laat zien hoe AI zowel probleem als oplossing kan zijn. ### Wat betekent dit voor de praktijk? Voor professionals in AI-websitebouw en mediamonitoring is dit een belangrijk signaal. Dezelfde technologie die jij gebruikt om content te genereren en te analyseren, wordt hier ingezet voor een van de grootste uitdagingen van deze tijd: het balanceren van vooruitgang en veiligheid. Het laat zien dat AI niet alleen een tool is, maar ook een verantwoordelijkheid. DeepMind geeft toe dat het nog niet alles onder controle heeft. Dat is eerlijk, maar ook een waarschuwing: vertrouw niet blind op beveiligingen die nog in ontwikkeling zijn. Blijf kritisch, test zelf, en wees voorbereid op veranderingen.