# Чому AI-лабораторії посилюють тести на біоризики > Anthropic, OpenAI та Google DeepMind посилюють тести моделей на біоризики — оцінити їх складніше, ніж кіберзагрози, бо реальний експеримент поставити не можна. - Опубліковано: 2 вересня 2026 р. (2026-09-02T07:45:06.919410+00:00) - Розділ: Безпека AI - На основі публікації: [Techmeme](https://www.techmeme.com/260902/p2#a260902p2) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=%D1%87%D0%BE%D0%BC%D1%83-ai-%D0%BB%D0%B0%D0%B1%D0%BE%D1%80%D0%B0%D1%82%D0%BE%D1%80%D1%96%D1%97-%D0%BF%D0%BE%D1%81%D0%B8%D0%BB%D1%8E%D1%8E%D1%82%D1%8C-%D1%82%D0%B5%D1%81%D1%82%D0%B8-%D0%BD%D0%B0-%D0%B1%D1%96%D0%BE%D1%80%D0%B8%D0%B7%D0%B8%D0%BA%D0%B8 --- Anthropic, OpenAI та Google DeepMind — три лабораторії, які вже публічно закріпили біологічні ризики (CBRN, chemical-biological-radiological-nuclear) як окрему категорію в своїх політиках безпеки, — нарощують тестування моделей саме на цей вид загроз. [За даними Techmeme](https://www.techmeme.com/260902/p2#a260902p2), перевірка на біоризики складніша за оцінку кіберзагроз, бо останні можна відтворити в ізольованому цифровому середовищі, а перші — ні. Різниця принципова. Вразливість у коді можна знайти, проексплуатувати в пісочниці й побачити результат — модель або зламала систему, або ні. З біологічною зброєю такий тест неможливий: ніхто не буде перевіряти, чи справді підказка моделі допомогла синтезувати патоген. Лабораторії змушені оцінювати ризик непрямо — через експертні панелі, проксі-задачі та порівняння відповідей моделі з тим, що вже відомо з відкритих наукових джерел. Для команд, що будують продукти поверх Claude, GPT чи Gemini, це не абстрактна дискусія про етику. Це сигнал про те, які обмеження зʼявляться в API вже в наступних релізах. ## Що саме змінилося в підході лабораторій? Провідні розробники моделей вже кілька років мають формальні рамки для оцінки катастрофічних ризиків: Anthropic — Responsible Scaling Policy з рівнями ASL, OpenAI — Preparedness Framework з категоріями ризику «low/medium/high/critical», Google DeepMind — Frontier Safety Framework. Біологічна зброя в усіх трьох документах фігурує як одна з найвищих категорій ризику поряд із хімічною та ядерною. Посилення тестування, про яке пише Techmeme, означає не появу нової політики, а перехід від декларативних рамок до практичного, регулярного прогону моделей через набори біоризикових оцінок перед кожним великим релізом. На практиці це означає більше циклів red-teaming за участю зовнішніх експертів — вірусологів, біохіміків, фахівців з біобезпеки, — які перевіряють, чи не дає модель практично корисну підказку для створення небезпечного біологічного агента понад те, що людина й так знайде у відкритій науковій літературі. ## Чому біоризики тестувати складніше, ніж кіберзагрози? Кіберзагрозу можна відтворити в ізольованій пісочниці: дати моделі ціль, дозволити спробувати експлойт, зафіксувати результат. Це вимірний, повторюваний тест. З біологічною зброєю таку перевірку провести неможливо з очевидних причин — ніхто не ставитиме реальний експеримент, щоб дізнатися, чи спрацювала підказка моделі. Тому лабораторії покладаються на непрямі методи: - експертні оцінки відповідей моделі фахівцями з біобезпеки, які порівнюють їх із тим, що доступно у відкритих наукових публікаціях; - проксі-задачі — тести на суміжні навички (наприклад, планування лабораторного протоколу), які корелюють із потенційно небезпечними, але самі по собі нешкідливі; - класифікацію запитів за темами (синтез патогенів, обхід біобезпекових протоколів) і перевірку, чи модель відмовляється або дає розмиту відповідь. Жоден із цих методів не дає стовідсоткової впевненості — на відміну від кіберпісочниці, тут немає «золотого стандарту» перевірки. ## Що це означає для розробників і компаній, які будують на цих моделях? За нашою оцінкою (ймовірно, хоча Techmeme прямо про це не пише), посилення біотестування найшвидше проявиться не в публічних заявах, а в поведінці моделей: жорсткіші відмови на запити з хімії й молекулярної біології, повільніший rollout нових можливостей у сферах life sciences, можливо — окремі рівні доступу для верифікованих дослідницьких організацій. Для продуктових команд у фармацевтиці, синтетичній біології чи агротехнологіях це означає: варто закладати в план розробки те, що частина API-викликів, повʼязаних із хімією та біологією, найближчим часом може повертати відмову навіть за легітимних use-case, і що доведеться проходити додаткову верифікацію, якщо продукт близький до цієї теми. ## Висновок AiiN Наша теза: посилення біотестування — це перший явний сигнал того, що безпекові рамки топ-лабораторій перестають бути маркетинговим документом і починають реально впливати на те, які можливості моделі отримують у релізі. Кібербезпеку можна перевірити автоматизовано й дешево, тому вона довго була головним публічним прикладом «responsible AI». Біоризики змушують лабораторії будувати повільніші, дорожчі й менш прозорі процеси оцінки — а це означає, що надалі розрив між можливостями «внутрішньої» версії моделі та тим, що дістається публічному API, ймовірно зростатиме. ## Що таке CBRN-ризики в контексті ШІ? CBRN — абревіатура для хімічних, біологічних, радіологічних та ядерних загроз (chemical, biological, radiological, nuclear). У політиках безпеки Anthropic, OpenAI та Google DeepMind це окрема категорія катастрофічних ризиків, яку лабораторії оцінюють перед кожним великим релізом моделі. ## Чи вплине посилене тестування на звичайних користувачів Claude, ChatGPT чи Gemini? Прямо — навряд чи. Абсолютна більшість запитів не стосується біологічної тематики. Але користувачі в науці, освіті чи фармацевтиці можуть частіше стикатися з відмовами на легітимні запити з хімії та молекулярної біології, оскільки моделі стають обережнішими саме в цій зоні. ## Як лабораторії перевіряють біоризики, якщо не можна ставити реальні експерименти? Вони покладаються на експертні панелі з біобезпеки, проксі-задачі на суміжні навички та порівняння відповідей моделі з відкритою науковою літературою — тобто на непрямі методи оцінки, а не на відтворення реальної загрози. --- Теги: AI, Безпека, Anthropic, OpenAI, biosecurity, CBRN Джерело: AiiN — https://aiin.news/article?slug=%D1%87%D0%BE%D0%BC%D1%83-ai-%D0%BB%D0%B0%D0%B1%D0%BE%D1%80%D0%B0%D1%82%D0%BE%D1%80%D1%96%D1%97-%D0%BF%D0%BE%D1%81%D0%B8%D0%BB%D1%8E%D1%8E%D1%82%D1%8C-%D1%82%D0%B5%D1%81%D1%82%D0%B8-%D0%BD%D0%B0-%D0%B1%D1%96%D0%BE%D1%80%D0%B8%D0%B7%D0%B8%D0%BA%D0%B8. Цитуючи, посилайтесь на канонічний URL.