Hoe Google DeepMind AI-misbruik in de biologie wil stoppen zonder de wetenschap te blokkeren

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. Dit initiatief, dat stil begon, heeft in het afgelopen jaar meer dan 15 partnerschappen opgebouwd met overheidsinstanties, biosecurity-organisaties en onderzoeksgroepen. ### Het dubbele mandaat van AI in de biologie Frontier-modellen zoals Gemini hebben een steeds gedetailleerdere kennis van de biologie. DeepMind erkent dat het combineren van deze systemen met gespecialiseerde biologie-modellen, agents zoals het Antigravity-platform en externe databases die capaciteit alleen maar verscherpt. Maar dezelfde kennis die een onderzoeker helpt een vaccindoelwit in kaart te brengen, kan in principe ook een kwaadwillende helpen om gaten in hun eigen begrip te dichten. DeepMind en Isomorphic noemen dit een dubbel mandaat: de wetenschappelijke vooruitgang mogelijk maken die AI biedt, terwijl dezelfde tools uit handen blijven van mensen die ze willen misbruiken. ### Drie pijlers van het programma Het programma rust op drie pijlers: - **Voorkomen van misbruik**: door dreigingsmodellen te identificeren en te blokkeren - **Sneller detecteren van uitbraken**: door AI in te zetten voor vroege waarschuwingen - **Reageren op uitbraken**: zodra een aanval of uitbraak plaatsvindt De meer dan 15 partnerschappen van het afgelopen jaar raken alle drie de pijlers. Enkele samenwerkingspartners zijn Lawrence Livermore National Laboratory, het UK AI Security Institute, CEPI en het Francis Crick Institute. DeepMind zegt de komende zes tot twaalf maanden deze relaties te willen uitbreiden, met aandacht voor dreigingsinformatie, evaluatiemethoden voor AI-agents en mitigaties tegen jailbreak-aanvallen. ### Hoe Gemini wordt beveiligd zonder legitieme wetenschap te blokkeren Het preventiewerk is gebaseerd op dreigingsmodellen die identificeren welke actoren het meest waarschijnlijk misbruik zullen proberen en welke knelpunten hen momenteel stoppen. DeepMind gebruikt een mix van expert red-teaming en gerandomiseerde gecontroleerde onderzoeken om te beoordelen of Gemini iemand zou kunnen helpen die knelpunten te omzeilen. Post-training methoden zijn bedoeld om het model te leren schadelijke vragen te weigeren, terwijl overmatige weigering van legitieme wetenschappelijke vragen wordt vermeden. Dat is een balans die in de hele industrie moeilijk is gebleken, niet alleen voor DeepMind. Classifiers en probes worden ingezet om risicovolle activiteiten in realtime te signaleren, en het bedrijf voert gerichte log-analyse uit om subtielere misbruikpatronen te vangen die geautomatiseerde filters mogelijk 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 onderneming of overheidsinstantie die overweegt te vertrouwen op de huidige beveiligingsmaatregelen. Een classifier die is getraind op bekende jailbreak-patronen in een gecontroleerde evaluatie, garandeert geen gelijke prestaties tegen nieuwe aanvalsmethoden die in de praktijk opduiken. Het bedrijf beweert ook niet anders. ### Het DNA-synthese screening probleem Een van de concretere risico's die worden onderzocht, is DNA-synthese. Bedrijven binnen de International Gene Synthesis Consortium screenen momenteel bestellingen tegen lijsten van bekende schadelijke pathogenen en toxines, met behulp van screening-algoritmen. DeepMind stelt ronduit dat deze aanpak begint te haperen, omdat AI nu kan helpen DNA-sequenties te ontwerpen met een vergelijkbare functie als een gevaarlijk pathogeen, zonder dat de sequentie nauw genoeg overeenkomt om bestaande screens te activeren. De voorgestelde oplossing leunt op DeepMinds bestaande watermerkingssysteem SynthID, dat volgens het bedrijf een industriestandaard is geworden voor het markeren van AI-gegenereerde afbeeldingen en tekst. Het aanpassen ervan aan biologische sequenties wordt gepresenteerd als verkennend werk, niet als een kant-en-klare oplossing. ### Wat dit betekent voor de toekomst DeepMind en Isomorphic Labs laten zien dat AI niet alleen een krachtig hulpmiddel is voor wetenschappelijke vooruitgang, maar ook een verantwoordelijkheid met zich meebrengt. Het balanceren van open wetenschap en beveiliging is een uitdaging die de komende jaren alleen maar groter zal worden. De vraag is niet of AI in de biologie zal worden gebruikt, maar hoe we ervoor zorgen dat het ten goede komt aan de samenleving zonder dat het in verkeerde handen valt.