谷歌DeepMind的SynthID水印技术最初用于识别AI生成的文本、图像、音频和视频,如今已被拓展至一个全新领域:生物学。马里兰大学的研究人员对这一系统进行了改造,可直接在AI设计的蛋白质序列中嵌入不可见水印,为合成生物学建立了一种潜在的追踪机制,且不会损害蛋白质本身。

在氨基酸层面添加水印

该方法建立在SynthID-Text的基础上,其原理是在生成过程中对词元的概率分布进行细微调整——在本例中,是氨基酸而非文字。研究人员采用无偏Gumbel采样方法,将一个由私钥派生的水印嵌入包括ProteinMPNN在内的蛋白质设计模型的氨基酸概率分布中。

ProteinMPNN发布于2022年,是设计新型蛋白质序列的知名AI模型之一。它以目标三维蛋白质结构为输入,反向推导出预期可折叠成该形状的氨基酸序列。这一领域已迅速进入主流视野:2024年诺贝尔化学奖表彰了计算蛋白质设计(授予David Baker)以及AI驱动的蛋白质结构预测(由谷歌DeepMind的Demis Hassabis和John Jumper凭借AlphaFold2共同获得)。水印层叠加在这一工作流程之上,影响具体选择哪些氨基酸,但不改变输出的整体统计特性。

验证测试显示,pLDDT评分——预测蛋白质折叠质量的标准指标——在添加水印后保持不变。从结构上看,带水印的蛋白质与不带水印的蛋白质同样稳固。

生物安全层面的意义

随着AI蛋白质设计工具日益强大且更易获取,生成新型生物序列的能力引发了合理的安全担忧。传统溯源方法(如附加在文件上的元数据日志)可以像删除照片中的EXIF数据一样被轻易抹去,无法提供持久的监管链。

嵌入式统计水印则有所不同。它存在于序列本身之中,可经受复制粘贴、文件格式转换以及跨系统分发。任何持有相应私钥的人都可以事后检测到水印,使机构能够判断某一蛋白质序列是否由特定AI模型生成。

这一能力还可以直接接入现有的生物安全基础设施。国际基因合成联盟(IGSC)已建立针对已知危险序列数据库筛查DNA合成订单的框架。由于此类筛查依赖于将订单与危害目录进行比对,真正全新的AI生成序列可能与参考数据库中的任何内容都不相似——留下一个文档缺口,而序列内嵌的溯源信息或可填补这一空白。带水印的蛋白质序列可以通过这些相同渠道进行追踪,为筛查流程增加一层针对AI的溯源信息。

当前进展

目前尚无名为“SynthID Bio”的商业产品可供购买或部署;这项研究完全处于概念验证阶段。谷歌DeepMind底层的SynthID技术是真实存在的,并已积极部署于AI生成的文本、图像、音频和视频水印。蛋白质应用是这些原理的延伸,但迄今仅在研究环境中得到演示,尚未实现产品化。该方法能否迁移至其他蛋白质设计模型,以及能否在实际合成筛查工作流程中得到应用,仍是该领域悬而未决的问题。

该研究还凸显了统计水印相较其他方法的结构性优势。由于水印嵌入在生成过程本身而非事后附加,它创造了一种与AI模型内在绑定的溯源形式。使用这种方法无法在事后为蛋白质序列添加水印——它必须在生成时进行,这意味着它天然追踪的是来源起点,而非某些下游处理环节。