Radical Numerics ra mắt AI phát hiện vũ khí sinh học

Các phòng thí nghiệm AI hàng đầu từng cảnh báo công nghệ của họ có thể bị lợi dụng để phát triển vũ khí sinh học nguy hiểm. Giờ đây, một startup tuyên bố đã tạo ra lá chắn phòng thủ.

Radical Numerics vừa công bố mô hình biên (edge model) có tên Omnii Defense, được thiết kế để phát hiện mầm bệnh tự nhiên lẫn mầm bệnh do AI tạo ra chỉ bằng một laptop và một máy giải trình tự gene (gene sequencer) kết nối qua cổng USB. Mô hình có thể chạy mà không cần kết nối internet, giúp các nhà nghiên cứu ngoài thực địa — nơi đường truyền chập chờn — vẫn sử dụng được.

Dù nhiều nhà khoa học cho rằng nguy cơ vũ khí sinh học do AI tạo ra là thấp, Radical Numerics hy vọng công nghệ của mình sẽ giúp giới nghiên cứu và cơ quan y tế công cộng nhận diện các mối đe dọa sinh học mới nổi.

Cuộc chạy đua vũ trang trong phòng thủ sinh học

Eric Nguyen, đồng sáng lập kiêm CEO của Radical Numerics, nhìn thấy một cuộc chạy đua vũ trang sắp diễn ra trong lĩnh vực phòng thủ sinh học, tương tự những gì đang diễn ra trong an ninh mạng — nơi cả kẻ tấn công lẫn bên phòng thủ đều dùng AI để giành lợi thế.

"Chúng tôi cảm thấy lĩnh vực an ninh sinh học đang bị bỏ lại quá xa ở phía phòng thủ", ông nói.

Nguyen và các đồng sáng lập từng thuộc nhóm nghiên cứu đứng sau Evo và Evo-2, các mô hình nền tảng DNA mã nguồn mở mà họ phát triển trong quá trình làm nghiên cứu tiến sĩ tại Đại học Stanford. Họ thành lập Radical Numerics vào năm 2025.

Công ty có trụ sở tại San Francisco này gây chú ý gần đây khi ra mắt Omnii, một mô hình ngôn ngữ gene được xây dựng trên nhiều loại thông tin sinh học ngoài DNA, bao gồm RNA, protein và các tín hiệu biểu sinh (epigenetic). Tháng 10, Radical công bố đã dùng Omnii để tạo ra các thể thực khuẩn (bacteriophage) tùy chỉnh — loại virus lây nhiễm và tiêu diệt vi khuẩn cụ thể — nhắm vào một chủng E. coli kháng thuốc. Hỗn hợp này đã được dùng để điều trị cho một bệnh nhân, với sự cho phép đặc biệt của Cục Quản lý Thực phẩm và Dược phẩm Mỹ (FDA).

Một startup AI sinh học khác là Tabula Bioscience cũng tham gia nghiên cứu đó, nhưng Radical không công bố mối quan hệ hợp tác trong thông cáo hôm trước. Việc bỏ sót này khiến nhà di truyền học George Church của Harvard — cố vấn cho cả hai công ty — từ chức khỏi vị trí tại Radical vào tuần trước.

Cách Omnii Defense hoạt động

Công cụ mới của công ty đưa ra nhiều dự đoán về một trình tự gene, gồm xác suất trình tự đó gây bệnh hay do AI tạo ra, và nhóm phân loại sinh học mà nó giống nhất. Mô hình gán cho mỗi bộ gene một "điểm đe dọa" (threat score) từ 0 đến 1, kết hợp khả năng không tự nhiên với các dự đoán về chức năng. Điểm càng cao, mối đe dọa càng lớn.

Các công cụ phòng thủ sinh học trước đây, như Felix (Finding Engineering-Linked Indicators) do chính phủ tài trợ, so sánh các trình tự gene quan tâm với thư viện sinh vật đã biết — về cơ bản là tìm kiếm khớp dữ liệu đã được lập danh mục. Cách này hữu ích khi kẻ xấu chỉ chỉnh sửa vài chỗ trên một mầm bệnh có sẵn, nhưng chúng không được thiết kế để đưa ra dự đoán như Omnii.

Lợi thế của các mô hình AI là chúng có thể học các mẫu trong trình tự gene gắn với chức năng sinh học thay vì dựa vào khớp trình tự chính xác. Nhờ đó, chúng có thể nhận ra nét tương đồng giữa các trình tự ngay cả khi "cách viết" gene đã thay đổi. Christine Parthemore, người phụ trách mảng phòng thủ sinh học của Radical Numerics, gọi Omnii là một "bước nhảy vọt".

Trong một thử nghiệm, công ty loại virus Bundibugyo — loại đang gây bùng phát Ebola ở Đông Phi — khỏi dữ liệu huấn luyện, trước tiên ở cấp loài rồi đến toàn bộ chi.

"Cứ như thể Omnii đang vận hành vào năm 1976", Parthemore nói, nhắc đến năm phát hiện virus Ebola.

Khi chỉ loại bỏ cấp loài, mô hình vẫn phát hiện 33% các trình tự Bundibugyo đưa vào là thứ gì đó gây bệnh. Ngay cả khi loại bỏ toàn bộ chi, mô hình vẫn đánh dấu 22% các trình tự virus. Theo bà, các công cụ không dùng AI hầu như không đưa ra dấu hiệu nào về nguy cơ tiềm ẩn.

Vẫn còn khoảng cách từ tín hiệu đến kết luận

Bronwyn MacInnis, giám đốc mảng giám sát mầm bệnh trong chương trình Bệnh Truyền nhiễm và Hệ Vi sinh tại Viện Broad thuộc MIT và Harvard, đánh giá tích cực về hướng tiếp cận:

"Chúng ta tuyệt đối cần cảnh giác với những gì AI đang mở ra, và nếu có thể dùng công nghệ để cạnh tranh với nó và hy vọng vượt trước những kẻ có ý đồ xấu, thì đó có vẻ là điều hợp lý".

Tuy nhiên, bà cũng lưu ý rằng việc phát hiện một tín hiệu vẫn còn cách rất xa việc xác định mầm bệnh đó có hậu quả thực sự hay không, hoặc liệu mối đe dọa đó có được tạo ra có chủ đích hay không.

Hiện quyền truy cập Omnii Defense chỉ giới hạn cho các đơn vị kiểm thử bên ngoài đã được thẩm định. Radical Numerics cho biết đang phối hợp với các phòng thí nghiệm quốc gia, cơ quan chính phủ và các đơn vị đánh giá độc lập khác để đo hiệu quả của mô hình.

Góc nhìn

Với các kỹ sư và doanh nghiệp Việt Nam, câu chuyện này mang lại một bài học kỹ thuật đáng chú ý: mô hình nhỏ chạy cục bộ trên thiết bị biên, không phụ thuộc internet, vẫn có thể đảm nhận những nhiệm vụ chuyên môn cao. Đây chính là hướng đi mà nhiều đội ngũ đang theo đuổi khi cần triển khai AI ở nơi hạ tầng mạng không ổn định hoặc dữ liệu không được phép rời khỏi nội bộ.

Bài học thứ hai nằm ở cách Radical Numerics tận dụng các mô hình nền tảng mã nguồn mở từ thời làm nghiên cứu để xây sản phẩm thương mại. Với các nhóm nghiên cứu và startup công nghệ trong nước, việc làm chủ và tinh chỉnh mô hình nền tảng sẵn có có thể là con đường ngắn hơn nhiều so với huấn luyện từ đầu.

Cuối cùng, lưu ý của MacInnis là lời nhắc thiết thực: một mô hình phát hiện tín hiệu chỉ có giá trị khi đi kèm quy trình xác minh và con người đủ năng lực diễn giải kết quả. Điều này đúng với cả an ninh sinh học lẫn những ứng dụng AI rủi ro cao khác.