DNA 是一種語言，而 AI 正在學習書寫
長久以來，科學家對 DNA 的理解方式，和語言學家解析文法的邏輯相當接近。基因組由 A、C、G、T 四種核苷酸（nucleotide）排列而成，就像字母組成句子；一個基因可以包含數百個核苷酸，序列的排列方式決定了細胞製造哪些蛋白質、執行哪些功能。DNA 有自己的文法規則——違反規則的序列，在生物學上毫無意義，猶如亂碼。
問題在於，生物學家至今只破解了部分規則，大量文法仍是謎。史丹佛大學（Stanford University）與矽谷研究機構阿克研究所（Arc Institute）的科學家因此提出一個大膽問題：能否讓 AI 自行從自然界的基因序列裡，歸納出那些尚未被人類理解的規律？
Evo 讀完了九兆個核苷酸
研究團隊使用的 AI 模型名為 Evo（Evo），運作邏輯與生成式語言模型 ChatGPT 高度相似——ChatGPT 透過海量文本學習詞語搭配規律，Evo 則透過海量基因序列學習核苷酸的排列規律。訓練資料來自數百萬種動物、植物、微生物與病毒，總計掃描約 9 兆個核苷酸。
Evo 最終不只學會辨識單一基因的模式，更能掌握跨物種的基因組結構邏輯，並據此生成全新基因序列的設計藍圖。
700,000 份設計圖，16 個真實存活
為了測試 Evo 是否能從單一基因晉升到完整基因組的設計，研究團隊選擇了噬菌體 Phi X-174（Phi X-174）作為訓練對象。Phi X-174 是一種只感染大腸桿菌（E. coli）的細菌病毒，科學界對它研究已近百年，基因組僅有 11 個基因，遠比人類基因組的 30 億核苷酸精簡許多。研究人員把 Phi X-174 及其約 15,000 個近親的基因組餵給 Evo 學習，再要求它產出全新版本。
Evo 共生成 700,000 份潛在設計；研究人員篩選其中最具可行性的 285 份，合成對應的 DNA 分子並植入細菌，鋪散於培養皿觀察結果。多數培養皿裡的細菌平靜生長，代表 Evo 的設計無效。但部分培養皿開始出現透明斑點——病毒大量複製、裂解細菌後留下的特徵痕跡。
最終，285 份設計圖裡有 16 份成功產出能存活、複製的全新病毒。更令人意外的是，部分人造病毒的複製速度甚至超越天然的 Phi X-174。牛津大學（University of Oxford）蛋白質化學家奧利佛·克魯克（Oliver Crook）評論道：「它們並不是已有物種的劣化版本。」
合成病毒不只是實驗，它本身就是一種工具
人造病毒在醫學上並非新鮮事物。科學家長期以病毒作為基因治療的載體，將修正後的基因序列送入人體細胞，用於治療遺傳性疾病。Evo 的突破，讓研究者有機會設計出具備特定功能的客製化病毒，潛在用途涵蓋疫苗開發、抗病毒藥物測試，以及合成生物學的各種研究應用。
曼徹斯特大學（University of Manchester）合成生物學家派翠克·蔡（Patrick Cai）認為，這是一個重要的技術里程碑。不過他也指出，Evo 目前生成的病毒，在基因結構上仍與已知天然物種高度相似，尚未達到真正意義上的「從無到有」創造。
監管系統的速度，遠不及科學的腳步
Evo 帶來的最深層憂慮，不在於現在能做什麼，而在於同樣的技術路徑若被惡意運用，則可能通往何處。
約翰霍普金斯健康安全中心（Johns Hopkins Center for Health Security）研究員莫里茲·漢克（Moritz Hanke）直接點出了潛在風險：「你可以要求語言模型生成一個修改過的流感基因組，讓它傳染力更強，或是致死率更高。」
研究團隊在訓練 Evo 時已主動設下防線：刻意排除所有感染人類、動物、植物及真菌的病毒資料，使 Evo 目前無法生成對人類具威脅性的病毒基因組。史丹佛計算生物學家布萊恩·謝（Brian Hie）表示：「我們只是想格外謹慎。」漢克對此給予肯定，但同時強調一個更根本的問題：研究人員是在沒有任何外部指引的情況下自行決定這些防護措施的。
美國國家衛生研究院（National Institutes of Health，NIH）雖在近期推出新政策，限制可能增強生物製劑危害性的實驗，但政策明確說明：以電腦運算為基礎的研究——例如用 AI 生成病毒 DNA——除非涉及「受關注實體」（entity of concern），否則不在禁止範圍內。
問題在於，監管體系對於天然高風險病毒的認定有一套標準，但對 AI 生成的全新病毒，目前沒有任何共識判斷其危險程度。漢克留下了一個沒有答案的問題：「對於從未見過的東西，我們該如何評估它的風險？」
