谷歌给AI设计蛋白质加水印，助力生物安全

编者按

当生成式AI从文本、图像扩展到生命分子，蛋白质设计正站在双用途研究的十字路口。Google最新研究试图给AI设计的蛋白质加上“水印”，让它们可被追踪。这既是技术问题，也是治理问题。

从AI图像水印到蛋白质水印

据Ars Technica报道，Google研究团队开发出一种方法，能够为AI设计的蛋白质嵌入水印，并且可与一款流行的AI蛋白质设计工具配合使用。该工作的直接目标是生物安全：当AI可以快速生成新的蛋白质序列时，如何判断一段序列是否来自AI、来自哪个模型、是否可能被滥用，成为紧迫问题。

水印并非新概念。在AI生成图像和文本中，研究者通过微妙修改像素或词元分布留下统计痕迹。蛋白质水印更复杂：蛋白质由氨基酸链组成，其功能取决于精确的折叠结构。任何改动都可能破坏功能。因此，可行方案通常利用遗传密码的简并性——多个密码子编码同一氨基酸。在DNA层面嵌入同义突变，不改变蛋白质序列，却留下可检测的标记。

如何做到不破坏蛋白质功能

根据报道，Google的方法与流行的AI蛋白质设计工具兼容。这意味着，水印可能被整合进生成流程，而非事后修改。设计工具在输出蛋白质序列时，可以同时选择特定的密码子模式或序列特征。检测方通过测序和统计分析，识别这些特征，从而判断蛋白质是否由AI生成。

这种思路的关键在于“可容忍冗余”。蛋白质序列空间虽大，但功能约束极强。研究团队需要找到足够多的中性变异位点，使水印容量和鲁棒性达到平衡。如果水印太弱，容易被误删；如果太强，可能影响折叠、稳定性或活性。

生物安全不是单一技术能解决的问题，但缺少溯源手段，治理就无从谈起。

为什么生物安全需要水印

AI蛋白质设计工具降低了设计新蛋白质的门槛。它们可以用于开发药物、疫苗、酶和材料，也可能被滥用来设计毒素或病原体相关蛋白。DNA合成是其中关键瓶颈：若合成公司能筛查出AI生成的危险序列，就能在源头拦截。水印提供了一种可能的筛查信号。

近年来，AI生物安全已从学术讨论进入政策视野。AlphaFold等工具展示了AI理解蛋白质结构的能力，而生成式模型进一步让“设计”成为可能。2024年诺贝尔化学奖授予蛋白质设计和结构预测领域，更让公众意识到这场革命的规模。与此同时，各国开始关注AI与生物技术的交叉风险，呼吁在DNA合成、实验室管理和模型发布等环节建立安全措施。

局限与争议

水印并非万能。恶意使用者可能通过重新设计、序列优化或实验筛选去除水印。若水印只存在于DNA密码子层面，直接合成蛋白质或使用不同表达系统可能绕过检测。此外，开源模型和本地部署让集中监管变得困难。水印只能覆盖配合使用的工具，无法约束所有生成路径。

另一个争议是误报与隐私。若水印模式被公开，可能被模仿或伪造，导致合法研究被误判。生物安全措施还需平衡科研自由与国际合作，避免形成技术壁垒。

行业影响与未来

Google的进展释放了一个信号：AI蛋白质设计正在从“能不能做”转向“如何安全地做”。未来，水印可能成为蛋白质设计工具的标准功能，与DNA合成筛查、生物安全审查和模型使用协议结合。但它必须与法规、行业规范和全球治理协同，才能形成有效防线。

对研究者而言，水印技术也提醒我们：AI生成的生命分子不只是计算产物，它们可能进入实验室、工厂甚至环境。可追溯性将成为负责任创新的重要组成部分。

本文编译自Ars Technica