La compañía presentó junto con Isomorphic Labs un programa de “bioresiliencia” para prevenir el mal uso de modelos avanzados, detectar brotes con mayor rapidez y acelerar el diseño de vacunas, diagnósticos y tratamientos. El plan también pide nuevas reglas para IA de frontera y síntesis de ADN.
Google DeepMind e Isomorphic Labs presentaron una estrategia conjunta para aplicar inteligencia artificial avanzada a la bioseguridad global, un campo donde los mismos modelos capaces de acelerar descubrimientos científicos también pueden reducir barreras para actores malintencionados.
El programa, descrito por ambas compañías como una iniciativa de “bioresiliencia”, tiene un doble objetivo: impedir que sus modelos sean usados para facilitar amenazas biológicas y, al mismo tiempo, poner esas capacidades a disposición de gobiernos, científicos y expertos en bioseguridad para prevenir, detectar y responder a futuros brotes.
La empresa sostiene que el riesgo biológico está cambiando por una combinación de factores: deforestación, urbanización, viajes globales y avances rápidos en modelos de IA y agentes capaces de interactuar con herramientas científicas. En su actualización técnica, Google DeepMind e Isomorphic Labs advierten que estos sistemas podrían erosionar algunas barreras de conocimiento que hasta ahora dificultaban el desarrollo de armas biológicas.
Frente a ese escenario, el programa se organiza en tres áreas: prevención del mal uso, detección temprana de brotes y respuesta rápida mediante contramedidas médicas. La compañía afirma que durante los últimos 12 meses avanzó en más de 15 alianzas con gobiernos, organizaciones de bioseguridad y grupos de investigación, y que planea ampliar esas colaboraciones en los próximos meses.
Prevenir: modelos útiles para científicos, pero cerrados al abuso
En la parte preventiva, Google DeepMind dice que aplica un proceso de seguridad de cuatro pasos para modelos como Gemini: modelado de amenazas, evaluaciones, mitigaciones y monitoreo. El objetivo es probar si un modelo podría ayudar a superar cuellos de botella relevantes para un ataque biológico y ajustar sus respuestas para rechazar solicitudes con intención dañina sin bloquear consultas científicas legítimas.
La compañía también trabaja en una posible adaptación de SynthID, su tecnología de marca de agua, al campo biológico. La idea sería ayudar a proveedores de síntesis de ADN a identificar secuencias generadas con IA que puedan representar riesgos, un problema que se vuelve más complejo si los modelos diseñan secuencias distintas a las de patógenos conocidos, pero con funciones similares.
Ese punto es importante porque desplaza la discusión de los contenidos digitales hacia una zona mucho más sensible: la frontera entre información, diseño molecular y capacidad material de producir secuencias biológicas. Google DeepMind plantea que los controles actuales, basados en listas de patógenos y toxinas conocidas, pueden volverse insuficientes conforme la IA permita generar nuevas variantes funcionales.
Detectar: vigilancia genómica más barata y rápida
La segunda línea del programa busca mejorar la detección temprana de brotes mediante vigilancia genómica. Google DeepMind señala que la secuenciación metagenómica puede identificar microorganismos presentes en muestras de agua residual, aire o pacientes, incluso cuando no se trata de patógenos esperados o ampliamente conocidos.
El problema es que este tipo de vigilancia sigue siendo costosa y difícil de escalar. Para reducir esas barreras, la compañía explora el uso de AlphaEvolve, su agente de programación, en la optimización de algoritmos para producir y analizar datos de secuenciación. También menciona posibles usos de AlphaGenome y herramientas de anotación de función proteica para caracterizar patógenos con mayor rapidez.
La apuesta no consiste únicamente en detectar enfermedades conocidas. El objetivo es avanzar hacia sistemas de alerta temprana capaces de encontrar patrones nuevos en datos biológicos y ayudar a identificar amenazas emergentes antes de que se propaguen ampliamente.
Responder: vacunas, anticuerpos y tratamientos diseñados con IA
La tercera línea se concentra en acelerar la respuesta médica. Google DeepMind afirma que dará acceso a investigadores confiables a sus sistemas más recientes para apoyar el diseño de vacunas y otras contramedidas frente a amenazas conocidas o nuevas.
La compañía recuerda que AlphaFold ha sido citado en más de 10,000 publicaciones sobre enfermedades infecciosas y que investigadores lo han usado para estudiar tuberculosis, malaria, Mpox y Nipah, entre otros casos. También menciona una colaboración con el programa de bioresiliencia del Lawrence Livermore National Laboratory para usar AlphaFold 3 en el diseño de anticuerpos de amplio espectro.
Isomorphic Labs, filial de Alphabet enfocada en descubrimiento de fármacos, también creó una unidad dedicada a desplegar su motor de diseño de medicamentos durante brotes nuevos. Según la actualización, esta capacidad se utilizaría en colaboración con gobiernos, centros nacionales de investigación y organizaciones de salud global para desarrollar contramedidas frente a pandemias naturales o riesgos derivados del mal uso de IA avanzada.
Reglas para IA de frontera y síntesis de ADN
El documento no se limita a describir proyectos científicos. También incluye recomendaciones para legisladores de Estados Unidos, entre ellas crear un marco nacional de seguridad para modelos de IA de frontera, modernizar los estándares de datos biológicos, hacer obligatorio el cribado de síntesis de ADN y expandir la infraestructura de alerta temprana mediante secuenciación metagenómica en sitios clave como centros de tránsito y zonas densamente pobladas.
Google DeepMind también pide inversión en plataformas adaptables de diagnóstico y tratamiento, bases de datos biológicas seguras y capacidad de manufactura lista para activarse durante emergencias. En conjunto, las recomendaciones colocan a la IA científica dentro de una agenda de seguridad nacional, salud pública e infraestructura biotecnológica.
El anuncio muestra cómo las grandes empresas de IA están empezando a ocupar un lugar más explícito en sistemas de preparación biológica. No se trata sólo de publicar modelos más capaces, sino de decidir quién puede usarlos, bajo qué condiciones, con qué monitoreo y en coordinación con qué gobiernos o instituciones.
Para Google DeepMind, la promesa es que la IA ayude a anticipar brotes, diseñar defensas y responder con mayor velocidad. El punto crítico es que esas mismas capacidades obligan a construir controles más estrictos sobre datos, herramientas, agentes y acceso a laboratorios. En bioseguridad, la pregunta ya no es sólo qué puede descubrir un modelo, sino qué cadenas técnicas y políticas habilita cuando sale del laboratorio.
