Google bünyesindeki DeepMind ekibi, yapay zekâyla tasarlanan proteinlere filigran yerleştiren bir yöntem yayımladı. Çalışma, yaklaşık bir yıldır açık duran bir biyogüvenlik boşluğunu kapatmayı amaçlıyor. SynthIDBio adlı sistem, Google'ın yapay zekâ üretimi görüntü, metin ve sese zaten gizli, anahtara bağlı sinyaller yerleştiren SynthID teknolojisine dayanıyor.
Proteinler çok daha zor bir tuval. Yalnızca 20 amino asitten oluşuyorlar ve dizideki pek çok konum, molekülün işlevi bozulmadan değiştirilemiyor; yani bir fotoğraftakine kıyasla sinyal saklamak için çok daha az alan var. Ekip, en yaygın yapay zekâ protein tasarım araçlarından biri olan ve seçilen bir iskelet boyunca amino asitleri tek tek yerleştiren ProteinMPNN ile çalıştı. SynthIDBio her adıma müdahale ediyor: bir anahtar ve daha önce seçilen kalıntıların kimliğini kullanarak bir amino asit öneriyor; ProteinMPNN bunu ancak protein hâlâ katlanıp çalışıyorsa kabul ediyor. Böylece filigran tüm dizinin geneline dağılıyor; tespit için doğru anahtarla dizinin tamamının taranması ve önerilen kalıntıların ne sıklıkla göründüğünün ölçülmesi gerekiyor.
İşin pratik faydası taramada. Sentetik DNA sipariş edildiğinde tedarikçiler dizileri bilinen viral ve toksik proteinlerle karşılaştırıyor; ancak yeni tasarlanmış bir yapay zekâ proteini, kıyaslanacak bilinen bir akrabası olmadığı için bu ağdan kaçıyor. Üniversiteler ve biyoteknoloji şirketleri anahtar dağıtırsa, bir sentezleyici bilinmeyen bir proteinin güvenilir bir yapay zekâ tasarımı olduğunu hızla doğrulayabilir ve dikkatini güvenilir olmayan dizilere yoğunlaştırabilir.
Testlerde, belirli doğal hedeflere bağlanmak üzere tasarlanan filigranlı proteinler hedeflerine yine bağlandı. Yazarlar sınırları açıkça sıralıyor: şema ancak anahtar dağıtımı kadar güvenli, çok kısa proteinler çok az sinyal taşıyor, büyük ve filigransız bir bölüm eklemek işareti seyreltebiliyor ve dizileri tek kalıntı hâlinde kurmayan diğer tasarım araçları uyum sağlamayabilir. Tespit istatistiksel olduğundan eşik seçimi yanlış pozitif ile yanlış negatif arasında denge kurmayı gerektiriyor. Yine de bu, bir yapay zekâ güvenliği fikrinin risk ortaya çıkmadan önce çalışan kod olarak yayınlandığı ender örneklerden biri.
