2025年10月7日，Live Science報道，人工智能工具正進入病毒設計嘅實戰領域：研究人員已經用AI生成或改造能夠感染特定宿主嘅病毒序列，最明顯嘅例子係被證明可針對細菌嘅噬菌體（bacteriophages）。報道強調，呢啲既為醫學同生態應用開新路，亦帶來顯著嘅生物安全風險。
文章列舉嘅實驗係「可檢驗嘅證明性案例」：研究團隊利用機器學習模型去預測蛋白質結構同功能，然後組合或優化病毒表面蛋白，令佢哋更容易識別特定宿主細胞。與過去依賴長期實驗篩選唔同，AI能喺計算上迅速提出數千種候選序列，大幅縮短設計周期。
Live Science指出，AI設計病毒嘅技術棧並非憑空出現：由蛋白質結構預測（例如AlphaFold類方法）到生成模型，再到可合成DNA嘅商業服務，整條鏈接埋之後，令「由虛擬序列到實體病毒」變得現實可行。文章同時提醒，合成公司對訂購序列嘅篩查唔一定全面，若監管同行業自檢跟唔上，濫用風險會快速放大。
報道引用生物安全專家嘅觀點：目前嘅缺口包括對開源或可下載嘅大型生物模型缺乏管理、DNA合成訂單篩查標準唔統一、以及對AI模型嘅「紅隊（red teaming）」測試不足。專家提出具體建議：限制高危模型公開權重、對合成訂單實施統一國際化篩查、建立跨國應急通報機制，並對發表嘅研究進行嚴格風險評估。
Live Science亦冇迴避AI正面應用嘅潛力，例如用AI設計專門攻擊抗藥性細菌嘅噬菌體，以替代廣譜抗生素；或者用AI快速預測病毒變異對疫苗嘅影響，從而加速公共衛生回應。報道提醒決策者必須喺鼓勵創新同阻斷濫用之間，搵到更精細嘅政策槓桿。
文章仲討論咗治理上嘅現實難題：模型開發分散喺大學、初創公司同大廠之間，全球法律同倫理框架滯後，且大多數國家欠缺針對「算法驅動嘅生物設計」嘅專門審查機制。專家呼籲國際組織、科技公司同學界聯手制定行業準則，並推動對危險模型嘅訪問控制同溯源要求。
喺治理工具箱入面，Live Science提到幾項已經喺實踐中嘅技術手段：對DNA合成訂單實施基於序列嘅自動篩查、對發表嘅代碼或模型實施分級訪問、喺論文發表前進行生物安全審查，以及推廣實驗室層面嘅「最少必要權限」制度。呢啲措施可以降低粗暴濫用嘅機會，但未必能完全阻止有心人透過多重渠道規避監管。
報道結尾強調時間緊迫：隨住計算能力同生物技術成本持續下降，AI輔助嘅病毒設計會由高門檻科研工具逐步變成更廣泛可用嘅手段。Live Science引用嘅專家建議好明確——需要即刻開始國際協同、完善合成鏈條嘅安全網，並對高風險研究實施更嚴格嘅透明同審查。
整體嚟講，呢篇報道一方面展示咗AI喺微生物學同醫學上嘅創新潛力，另一方面亦對可能出現嘅「算法驅動生物武器化」發出清晰預警。對政策制定者、合成生物行業同AI研發者嚟講，喺未來數月到數年內建立起有效防線，將決定呢項技術最終係用嚟醫治救人，定係被濫用去製造新威脅。