Hoe Google DeepMind AI-misbruik in de biologie wil voorkomen (en waarom het nog niet af is)

Sophie Jansen · 2026-07-16

Google DeepMind en Isomorphic Labs hebben een bioresilience-programma gelanceerd om AI-misbruik in de biologie te beperken en tegelijkertijd uitbraken beter te bestrijden. Het initiatief, dat stilletjes begon, heeft in het afgelopen jaar meer dan 15 partnerschappen opgebouwd met overheidsinstanties, biosecurity-organisaties en onderzoeksgroepen. Klinkt goed, toch? Maar er zit een addertje onder het gras. ### Het dubbele mandaat van AI in de biologie Frontier-modellen zoals Gemini hebben een steeds gedetailleerdere kennis van biologie. DeepMind erkent dat het combineren van deze systemen met gespecialiseerde biologie-modellen, agents zoals het Antigravity-platform en externe databases deze capaciteit alleen maar zal verscherpen. Hetzelfde geldt echter voor kwaadwillenden: de kennis die een onderzoeker helpt een vaccindoelwit in kaart te brengen, kan in principe een dreigingsactor helpen om gaten in hun eigen begrip te dichten. DeepMind en Isomorphic noemen dit een dubbel mandaat: de wetenschappelijke vooruitgang mogelijk maken die frontier AI mogelijk maakt, terwijl dezelfde tools uit handen worden gehouden van mensen die ze misbruiken. ### De drie pijlers van het programma Volgens de bedrijven rust het programma op drie pijlers: misbruik voorkomen, uitbraken sneller detecteren en reageren zodra een uitbraak of aanval gaande is. De meer dan 15 partnerschappen van het afgelopen jaar raken alle drie, hoewel de update beperkte details geeft over welke organisaties betrokken zijn. Enkele genoemde samenwerkers zijn Lawrence Livermore National Laboratory, het UK AI Security Institute, CEPI en het Francis Crick Institute. DeepMind zegt van plan te zijn deze relaties in de komende zes tot twaalf maanden uit te breiden, met aandacht voor dreigingsinformatie, evaluatiemethoden voor AI-agents en jailbreak-mitigaties. Het coördineert ook met het Frontier Model Forum over kwesties zoals hoe om te gaan met risicovollere categorieën trainingsdata, waarbij virologie-datasets als voorbeeld worden gegeven. ### Gemini beveiligen zonder legitieme wetenschap te blokkeren Het preventiewerk rust op dreigingsmodellering die is ontworpen om te identificeren welke actoren het meest waarschijnlijk misbruik zullen proberen en welke knelpunten hen momenteel stoppen. DeepMind zegt een mix van expert red-teaming en gerandomiseerde gecontroleerde proeven te gebruiken 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 overweigering van legitieme wetenschappelijke vragen wordt vermeden - een balans die in de hele industrie moeilijk is gebleken, niet alleen voor DeepMind. Classifiers en probes worden ingezet om risicovolle activiteiten in real-time te markeren, en het bedrijf zegt gerichte loganalyse uit te voeren om subtielere misbruikpatronen te vangen die geautomatiseerde filters mogelijk missen. Geen van deze mitigaties wordt als opgelost beschreven. DeepMind beschouwt ze als een doorlopend proces in plaats van een afgerond systeem. Dit is belangrijk voor elke onderneming of overheidsinstantie die overweegt te vertrouwen op de beveiligingen zoals ze momenteel zijn geconfigureerd. Een classifier die is afgestemd op bekende jailbreak-patronen in een gecontroleerde evaluatie garandeert geen gelijkwaardige prestaties tegen nieuwe aanvalsmethoden die in live gebruik opduiken. Het bedrijf beweert dan ook niet anders. ### Het DNA-synthese screeningprobleem Een van de concretere risico's die wordt onderzocht, betreft DNA-synthese. Bedrijven binnen het International Gene Synthesis Consortium screenen momenteel bestellingen tegen lijsten van bekende schadelijke pathogenen en toxines, gekoppeld aan screening-algoritmen. DeepMind stelt ronduit dat deze aanpak begint te wankelen, omdat AI nu kan helpen DNA-sequenties te ontwerpen met vergelijkbare functie als een gevaarlijke pathogeen, zonder de sequentie voldoende te matchen om bestaande schermen te activeren. De voorgestelde oplossing leunt op DeepMind's bestaande watermerksysteem, 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 afgeronde oplossing. Het is een veelbelovend idee, maar de weg naar implementatie is nog lang. ### Wat betekent dit voor professionals in AI-website bouwen? Voor professionals die zich bezighouden met AI-website bouwen en de beste AI-website bouwers in Nederland, biedt dit verhaal belangrijke inzichten. Het laat zien hoe AI niet alleen wordt gebruikt voor het creëren van content of het optimaliseren van processen, maar ook voor kritieke toepassingen zoals bioresilience. De uitdagingen die DeepMind ervaart - zoals het balanceren van veiligheid met bruikbaarheid - zijn ook relevant voor AI-tools in andere domeinen. - **Veiligheid versus functionaliteit**: Net als bij AI-website bouwers, waar je een balans moet vinden tussen gebruiksvriendelijkheid en beveiliging, worstelt DeepMind met hetzelfde dilemma. - **Transparantie en vertrouwen**: DeepMind's openheid over de beperkingen van hun mitigaties is een les voor elke AI-ontwikkelaar: wees eerlijk over wat je tools wel en niet kunnen. - **Samenwerking is essentieel**: De meer dan 15 partnerschappen tonen aan dat geen enkele organisatie dit alleen kan. Voor AI-website bouwers geldt hetzelfde: samenwerken met beveiligingsexperts en gebruikers is cruciaal. > "Het is een doorlopend proces, geen afgerond systeem" - DeepMind over hun bioresilience-mitigaties. Dit citaat vat de essentie samen: AI is krachtig, maar het vereist constante waakzaamheid en aanpassing. Voor wie in Nederland de beste AI-website bouwers zoekt, is het belangrijk om te kiezen voor partners die deze filosofie omarmen: transparant, samenwerkend en altijd lerend.