Tahle zpráva mě zaujala už jen tím slovem – bioresilience. V překladu schopnost společnosti odolávat biologickým hrozbám a rychle se z nich zotavit. DeepMind a Isomorphic Labs teď říkají, že na tom budou dělat společně.
Co si pod bioresiliencí představuji
Bioresilience znamená tři praktické věci: včas vidět problém, rychle pochopit jeho mechaniku a umět vyrobit či nasadit řešení. V AI překladu:
- biosurveillance – třeba automatická analýza odpadních vod a sekvenačních dat, která včas zahlásí neobvyklé kmeny;
- interpretace genomu – modely, které pomůžou číst, jak změny v DNA ovlivňují proteiny a chování organismů;
- návrh molekul a proteinů – urychlení vývoje léčiv a vakcín.
Zmínka o „AlphaGenome“ zní, že se cílí právě na porozumění genomu. Detaily ale v textu nejsou, mimo toho, že jde o AI pro lepší pochopení genomu a odkaz na Science z června 2025. To je zajímavé téma samo o sobě; mně osobně dává smysl, že se tu potkává DeepMindův výzkum a aplikovanější práce Isomorphic Labs.
Proč mě to zaujalo
Spojení výzkumného týmu (DeepMind) a farmaceuticky zaměřeného spin-outu (Isomorphic Labs) může zkrátit cestu od „umíme to spočítat“ k „umíme to vyrobit a otestovat“. Pokud se to povede, zkrátí se týdny a měsíce při prioritizaci kandidátů na léčiva, nebo se rychleji vyhodnotí, které mutace mají smysl sledovat. Trochu mě těší i to, že se tady mluví o odolnosti, ne jen o jednorázových „moonshotech“. Odolnost je nudná disciplína – sklady reagentů, interoperabilní data, standardy – ale právě tam AI může být dobrý pomocník.
Kde bych byla opatrná
Dvojí užití (dual-use – technologie, které lze využít i škodlivě) je tady evidentní. Stejná schopnost navrhovat proteiny může pomoci i škodit. U takových modelů dávají smysl brzdy: řízení přístupu, audit logy, red teaming proti nečekaným zneužitím a evaluace, které nepokryjí jen přesnost, ale i rizikové scénáře. Přála bych si vidět konkrétní závazky k bezpečnostním kontrolám, práci s citlivými genomickými daty a k tomu, jak budou sdílet modely či rozhraní bez toho, aby to usnadňovalo nechtěné použití.
Je tu i hodně datových otazníků. Genomická data jsou citlivá (lidská i zemědělská). Kvalita a bias v tréninku udělají obří rozdíl – model, který skvěle funguje na evropských kohortách, nemusí správně fungovat jinde. Bez otevřených metrik a validačních protokolů se těžko hodnotí, co je reálný pokrok a co jen pěkná demo grafika.
Co zatím nevíme
Z oznámení neplyne skoro nic o plánu: žádné metriky, žádný časový rámec, datasety, governance, ani jestli bude něco dostupné otevřeně, v API nebo jen pro partnery. Nevíme, jaká konkrétní rizika chtějí adresovat a jak budou měřit přínos pro veřejné zdraví (např. zkrácení času od signálu k zásahu, snížení falešných poplachů). A také není jasné, jak se to celé propojí s existující infrastrukturou veřejných institucí – bez ní je bioresilience jen hezké slovo na slidech.
Mně osobně by dávalo smysl, kdyby další krok byl velmi praktický: piloty s veřejnými laboratořemi, benchmarky na reálných sekvenačních datech, transparentní reporty o chybách a omezeních. Tohle je oblast, kde reputaci dělá méně marketingu a více tabulek s výsledky.
První signál je příslib. Teď k němu potřebujeme plán, metriky a partnery, kteří to udrží při zemi i v provozu.
Zdroje
- Google DeepMind: Our approach to bioresilience (https://deepmind.google/blog/our-approach-to-bioresilience/)