双重使用风险 网络,生物,化学,核电
Type: Learn
Languages: Python, TypeScript
Prerequisites: Phase 18 · 17 (WMDP), Phase 18 · 18 (safety frameworks), Phase 18 · 28 (ecosystem)
Time: ~75 minutes
学习目标
- 描述2024-2025年生物升高叙述:"轻升" -> "在峰" -> "2.53倍升高不足以排除ASL-3".
- 描述2025年11月的"人类网络报告":网络攻击活动中,90%的中国自动化.
- 描述化学/生物执行差距侵蚀:使视力能够实现湿实验室实验的实时纠正.
- 说明初学者对专家的绝对不对度及其对安全案例构建的影响.
问题
第17课是测量方法. 第30课是测量2026年状态.2024年到2025年底之间情况发生了重大变化:四个领域中的三个跨越了2024年框架未预测的门.
概念
生物/化学升级叙事
三个阶段 (为了保持一致性,从第17课中重复):
- 2024 "mild uplift."早期准备/RSP评估报告了初学者对互联网搜索的小优势.
- April 2025 "on the cusp."开放AI PF v2警告说,模型"正在帮助新手创造已知的生物威胁的边缘上".
- 2025 Anthropic bioweapon-acquisition trial.控制初学者研究;在收购阶段任务上提高了2.53倍;不够排除ASL-3.
变化是质性的:即使没有能力突破,在18个月内",轻微"演变为"可信的实现".
化学/生物执行差距侵蚀
历史防御:信息是必要的,但不够的;执行协议的技能阻碍了初学者.
- Real-time protocol correction.格普特-5.2,双子座3 Pro,克劳德·奥普斯 4.5,格洛克 4.1,可以在程序中观察湿实验室视频和标志错误.
- December 2025 OpenAI demonstration.通过协议优化,GPT-5在湿实验室实验中实现了79倍的效率提高.
由于这些问题,我们必须要注意,
网络升级 (2025年11月)
亚洲人社2025年11月的报告:与中国相关的国家行为者使用克劳德的代理编码工具自动化80-90%的网络攻击活动. 人类干预只需要4-6步骤.
影响:
- 机器人编码是攻击自动化原始的.之前的人工智能网络援助仅限于代码片段水平;机器人工作流程集成侦察,利用,后利用和泄密.
- 未来的能力增长将减少这一数量.
- 防卫双重用途:OpenAI的"可靠访问"试点提供了检查的安全组织 (建立的事件响应公司,政府) 防卫能力访问.如果试点扩展,访问不对称性有利于防卫者.
通过分析编译的代码,你可以开始进行防御. 第13阶段的反向工程轨道教你自己构建的程序,只有静态分析:Lesson 13.32拆除Lesson 13.33转换为伪代码Lesson 13.34根据" 证据"的数据,Lesson 13.35现在,我们要去.Inside a Decompiler机器显示一个函数的全部管道. 执行这个工作的代理需要同一个账本,因为一个自信的解译仍然可以依赖于猜测.
核电
公共文档中最少分析的四个CBRN域.威胁模型不同:裂变材料的采购占据了困难,而不是信息.信息层上的人工智能升级在实践中提供了有限的初学者升级.2024-2025年主要实验室报告确定了核特征门.
初学者对专家对绝对
在四个领域都有一个模式:
- Novice-relative uplift.根据人类2025年生物,2.53倍.
- Expert-absolute capability.专家能提取更多的东西,
对于安全情况的含义:仅通过输入过器,拒绝,不确定性解决初学者升级不足以实现专家绝对控制.
跨领域合成
| Domain | 2024 | 2025 | Inflection |
|---|---|---|---|
| Bio | mild uplift | 2.53x uplift, ASL-3 approach | acquisition-phase automation |
| Chem | mild uplift | execution-gap erosion via vision | real-time wet-lab correction |
| Cyber | code assistance | 80-90% campaign automation | agentic coding |
| Nuclear | limited | limited | material-access bottleneck holds |
另外,三个领域已经跨越了门,其中一个仍然受到非信息的障碍.
在这个阶段的第18阶段
第30课是结尾:每一个上课都能为测量,限制或管理做出贡献的现有双重使用图像. 第17-18课提供了测量和框架; 第12-16课提供了评估工具; 第24-25课提供了监管和披露层; 第28课提供了研究生态系统. 第30课是证据的降落.
用它
阅读人类2025年11月网络报告,OpenAI的准备框架 v22025年4月更新,以及2025年战略风险理事会AI x生物总结.
运送它
这一课产生了outputs/skill-dual-use-triage.md根据2026年能力要求或事件报告,它将四个领域进行分类,确定该要求是否影响初学者相关的升级,专家绝对能力或两者.
运动
- 阅读人类2025年11月的网络报告.列出4至6个人类干预步骤,并讨论在下一代模型中首次自动化哪些.
- 通过视觉来消除化学/生物执行差距. 设计一个评估,以测量不过跨越ITAR/EAR界限的默默知识提升.
- 支持和反对未来人工智能突破可能会改变这一瓶.
- 构建一个安全案例 (课程18三支柱) 为一个能够网络运行的边界模型,将初学者和专家提升联系在一起.
- 根据2024-2025年轨迹,选择四个领域中的一个,并根据2024-2025年轨迹编写一段2027年的预测.
关键词
| Term | What people say | What it actually means |
|---|---|---|
| Uplift | "AI helps attackers" | Increase in attacker capability attributable to AI assistance |
| Novice-relative uplift | "multiplicative" | How much AI helps a novice vs status-quo |
| Expert-absolute capability | "ceiling" | Maximum capability an expert can extract from the model |
| Execution gap | "doing vs knowing" | Historical defense: tacit wet-lab skill blocks novices |
| Agentic coding | "autonomous attacks" | Multi-step autonomous cyber-task execution |
| Acquisition phase | "pre-synthesis steps" | Procurement, equipment, permit stages of a bio threat |
| Trusted access | "defender-only pilot" | OpenAI 2025 program giving vetted defenders capability access |
进一步阅读
- Anthropic — November 2025 cyber threat report与中国相关的竞选自动化
- OpenAI — Preparedness Framework v2 (April 15, 2025)生物"在边"
- Anthropic — RSP v3.0 (February 2026)ASL-3生物门
- Council on Strategic Risks — 2025 AI x Bio wrapup 年终综合
This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.
Browse the complete course catalog or open this lesson on GitHub.