ホワイトハウスのAIバイオセキュリティ政策、監視から強制力ある研究統制へ移行

Google Newsで再浮上したホワイトハウスの警告は現実の対立を示しているが、その基となる連邦政策は2024年4月にさかのぼる。同報告書は、人工知能が新たな毒素の生成を助けたり、感染症の病原性を高めたりする可能性があると警告した。高リスクのライフサイエンス研究全体で、スクリーニング、監視、迅速対応の実践を求めていた。

この警告はいまなお重要だが、米国政策の最新の表明ではない。ドナルド・トランプ大統領は復帰後、従来の監督枠組みを置き換えた。2025年5月の大統領令では、一部の連邦資金による研究を停止し、より強力な執行、監査、報告、資金提供条件を求めた。

この一連の流れこそが本質的なニュースである。ワシントンは、AIが生物学的リスクをどう変えるかを問う段階から、研究、調達、資金提供をより直接的に統制する方向へ移った。しかし、どちらの手法も中心的な問題を完全には解決していない。すなわち、AIシステムが通常の科学支援ではなく、危険な生物学的能力をもたらすのはどの時点かを測定する問題である。

ホワイトハウスの報告書が実際に変えたこと

2024年の報告書は、AIを単なるソフトウェア安全性の問題としてではなく、政府の生物学的脅威モデルの中に位置付けた。

この報告書は、ジョー・バイデン大統領が2023年10月に出した、安全で信頼できるAIに関する大統領令を起点としている。同令は国土安全保障省に対し、AIが化学、生物、放射線、核の脅威をどのように可能にし得るかを検討するよう求めた。

DHSはエネルギー省、ホワイトハウス科学技術政策局、外部専門家とともにこの作業を実施した。各機関は大統領令の6カ月後に当たる2024年4月、調査結果を提出した。

その結果としてまとめられたAIリスク報告書は、生物学向けAIツールを一律に禁止する方針を打ち出したものではない。同じ能力が有益な研究にも意図的な危害にも使われ得る、デュアルユースの問題として説明している。

科学者がタンパク質相互作用を理解するのを助けるモデルは、創薬を支援し得る。同様の能力は、有害な分子特性の特定や生物剤の改変を手助けする可能性もある。

報告書は、誤用が意図せず起こる場合も悪意による場合もあり得ると警告した。また、不十分な安全対策が新たな毒素の生成や感染症の病原性強化につながる可能性を具体的に結び付けた。

この表現は重要だった。なぜなら、政策の焦点を大規模言語モデルの枠を超えて広げたからだ。チャットボットは情報の検索や手順のトラブルシューティングを行えるが、特化型の生物学モデルは分子データやゲノムデータを直接扱える。

こうしたシステムには、タンパク質予測モデル、配列設計ツール、研究室自動化ソフトウェア、生物学データベースで訓練されたモデルが含まれる。そのリスクは、公開チャットボットに入力される有害なプロンプトだけでは測れない。

そのため報告書は、多層的な対応を重視した。スクリーニングは不審な入力、依頼、調達活動を特定する。監視はシステムの挙動とユーザーによる利用方法を検証する。迅速対応のプロセスは、警告サインがより大きな事案になる前に対処する。

同時に、大きな便益も示した。報告書は、医療、農業、エネルギー、持続可能性、バイオサーベイランス、医療対抗措置の開発におけるAI支援型の進展を見込んでいた。

このバランスによって、同文書は単純な技術警報とは異なるものになった。当局者が主張していたのは、AIを生物学研究から排除すべきだということではない。安全慣行がAIとともに研究室や科学ワークフローへ浸透する必要がある、ということだった。

この警告は、アクセスに関する実務的な懸念も反映していた。AIは複雑な科学知識を、照会、組み合わせ、応用しやすい形にまとめられる。それにより、正当な研究者と悪意ある利用者の双方にとって、一部の知識上の障壁が下がる可能性がある。

ただし、知識は生物学的な作業の一部にすぎない。危険な作用因子を生み出すには、材料、機器、暗黙知としての実験技能、安全な施設、反復的な実験が必要となる場合がある。

報告書は、チャットボットが単独でパンデミック病原体を作り出せるとは主張していない。AIを、モデル、自動化、バイオテクノロジーの進歩とともに重要性を増す可能性のある能力増幅装置として位置付けた。

この区別はいまも不可欠である。政策は、AI支援による生物学的危害を、実証済みの自律的攻撃の連鎖としてではなく、備えを要する重大なシナリオとして扱った。

いま見出しに接するGoogle Newsの利用者は、これを歴史的な政策上の節目として読むべきだ。報告書は監視の論理を確立したが、その懸念に対処する仕組みは後の政権によって変更された。

AIバイオセキュリティのリスクが測定しにくい理由

最も難しい政策上の問いは、AIが生物学について語れるかどうかではなく、大規模な危害を引き起こすうえでユーザーに実質的な優位性を与えるかどうかである。

生物学的能力の評価は、その優位性を測定しようとするものだ。評価者は、AIシステムへのアクセスがある場合とない場合で、人々が機微な作業をどのように遂行するかを比較することがある。

有用な試験では、複数の要素を分けて検証する必要がある。事実知識、実験計画、問題解決、エラー修正、専門ツールへのアクセスを測定しなければならない。また、試験そのものを通じて危険な詳細を公表しないことも求められる。

このため、AIバイオセキュリティの評価は特に難しい。モデルは筆記の生物学試験で優れた成績を収めても、研究室内では実務上ほとんど役に立たないかもしれない。別のシステムは学術的な問いでは控えめな得点にとどまりながら、ツール統合や新規配列の解析には卓越する可能性がある。

2024年のホワイトハウス分析は、この不確実性を認識していた。AI専門家、ライフサイエンス研究者、国家安全保障当局者、公衆衛生の専門家の間で、より強力な評価と協力を求めた。

その後、研究者らは、評価を重大な結果を招き得る能力に焦点化すべきだと主張している。これは、モデルが生物学的知識を示すすべての事例ではなく、潜在的な大規模被害と結び付く作業を指す。

生物学的評価に関する公表分析は、デュアルユースのライフサイエンス統治における数十年の経験から教訓を引き出すことを提案した。著者らは、パンデミック規模の結果に結び付く能力を評価の優先対象にすべきだと論じた。

この手法はノイズを減らし得る。インフルエンザに関する論文を要約するモデルの能力は、それが危険な病原体の生成を支援できることを示すものではない。一方で、一般的なベンチマークでは、重要な設計工程を改善する特化型ツールを見逃す可能性がある。

評価者は変化する対象にも直面する。開発者はモデルを更新し、外部ツールに接続し、安全制御を変更し、特化型バージョンを公開する。周辺システムが変われば、試験結果は古くなり得る。

アクセス条件も重要である。強固な安全対策を備えた公開チャットボットと、ローカルで動作する無制限のモデルとでは、リスクが異なる。データベース、シミュレーションツール、自動化機器にアクセスできる研究室エージェントは、さらに別のカテゴリーを成す。

だからこそ、監視はリリース前のモデル試験で終わってはならない。組織は、導入環境、ユーザー権限、接続ツール、不審な活動、安全対策を回避しようとする試みを検証する必要がある。

もっとも、監視には独自のトレードオフもある。科学研究では、異例の照会、新規の生物、危険な病原体、失敗した実験設計がしばしば扱われる。研究が公衆衛生に資する場合であっても、こうした特徴は悪意ある行動に似て見えることがある。

過度に広範な検知システムは、正当な作業を妨げたり、機密研究を露出させたりする可能性がある。弱いシステムでは、有害なプロジェクトを一見普通の依頼に分割する巧妙な利用者を見逃すかもしれない。

誤った安心感も別のリスクとなる。モデルは明白に有害な依頼を拒否しても、より露骨でない会話を通じて有用な断片を提供する可能性がある。また、ユーザーには説得力があるように見える不正確な助言を生むこともある。

物理世界には障壁があるが、それは恒久的な保証ではない。研究室の自動化、受託研究サービス、商業的DNA合成、改良された設計ソフトウェアは、ユーザーが達成できることを変え得る。

核酸合成のスクリーニングは、この連鎖の一部に対応する。事業者は注文を履行する前に、依頼された遺伝子配列と顧客情報をリスク基準と照合できる。

スクリーニングは物理的な取引に近い位置で機能するため、有用である。ただし、すべての生物材料、すべての供給業者、すべての国際的な経路を対象にはできない。また、一貫した技術基準と事業者の参加にも依存する。

そのため2024年の報告書は、多層防御を支持した。単一のベンチマーク、チャットボットによる拒否、供給業者のスクリーニング、組織的な審査だけで安全を確立することはできない。

このモデルは、通常の製品コンプライアンスよりもサイバーセキュリティに似ている。防御側は複数の層を監視し、脅威の変化に応じて制御を更新し、強い意図を持つ行為者が抜け穴を探すことを前提とする。

この類推には限界もある。生物学的実験は取り返しのつかない結果を生み得るうえ、正当な研究者は消費者向けソフトウェアでは受け入れがたいと見なされる能力へのアクセスを必要とする場合がある。

中心的な課題は帰属の特定である。規制当局は、どのモデル能力、ユーザー行動、調達事象がリスクを実質的に高めたのかを特定しなければならない。そのつながりがなければ、政策は象徴的なものになるか、過度に制限的になる可能性がある。

Google Newsが新たな規制時代に古い政策を再浮上させている

見出しの警告は残ったが、連邦政府の対応は協調的な安全対策から、資金統制と強制力ある研究条件へと移った。

大統領政策は2025年1月以降に変化したため、日付は重要である。2024年の報告書を新たなホワイトハウス発表として扱うと、その移行が見えなくなる。

トランプ大統領は、復帰初日にバイデン氏のより広範なAI大統領令を撤回した。同政権は、連邦政策はAI開発への障壁を減らし、米国の競争力を守るべきだと主張した。

生物学研究には間もなく、より制限的な扱いが適用された。2025年5月5日、トランプ氏は危険な機能獲得研究を扱う大統領令に署名した。

機能獲得は広い科学用語だが、この命令はより狭い政策上の定義を用いた。病原性、伝播性、安定性、宿主域、または耐性を高め得る感染性作用因子や毒素に関する研究を対象とした。

命令は、指定された懸念対象国の組織が実施する対象研究への連邦資金提供を終了するよう各機関に指示した。また、政権が監督不十分と判断する他の地域での研究も標的とした。

国内および連邦支援を受ける研究については、この命令はより強力な独立監督、監査、執行、公開透明性を求めた。さらに、合成核酸の調達を規律する改訂ルールも求めた。

助成金と契約の条件は、中心的な執行手段となった。研究機関は資金を即時に取り消される可能性があり、違反は連邦ライフサイエンス助成金の受給資格を数年間失うことにつながり得る。

この手法は、誰が圧力を担うかを変えた。2024年の監視モデルでは、AI開発者、評価者、研究室、政府機関が、新たに生じる能力を理解する責任を共有していた。

2025年の命令は、資金提供機関、助成金受給者、研究機関、統合サービス提供者に対して、より明確な義務を課した。これにより、コンプライアンスは連邦政府の支払い判断に直接結び付けられた。

この制度の下でも、命令の主題が機能獲得研究であるにもかかわらず、AIは依然として重要である。高度なモデルは、実験設計、配列解析、リスク評価、自動化された実験室運用に影響を与えうる。

しかし、この新たな命令は、先行するAI報告書が提起したすべての問いに答えたわけではない。商用モデルとオープンモデルを横断して、危険な生物学的能力を測定する普遍的な手法を創設したわけでもない。

この政策転換は、民間資金による研究をめぐる空白も残した。命令は当局に対し、連邦資金の対象外で行われる危険な活動を統治し、制限し、追跡するための戦略を策定するよう指示した。

この指示は基本的な限界を認めたものだった。連邦助成のルールは大学や研究所に強い影響力を及ぼし得るが、すべての企業、投資家出資の研究所、独立プロジェクトを自動的に対象にするわけではない。

政権はまた、改訂版の核酸合成スクリーニング枠組みを求めた。ライフサイエンス分野の研究に資金を提供する機関は、調達において更新済みのルールに従う提供者を利用することを確保しなければならない。

この物理層での管理は、AIの監視を補完し得る。有害なモデル出力それ自体は生物学的物質を生み出さない一方、スクリーニングされた調達依頼は介入の機会を生む。

とはいえ、その関係は自動的なものではない。配列は単独で見れば無害に見えることがあり、正当な配列でも、特定の実験的文脈ではリスクとなり得る。

したがって、二つの政権は、いまだ解決されていない同一の目標に向けた異なる経路を示している。

バイデン政権期の報告書は、能力評価、協働、自主的な慣行、継続的な監視を重視した。トランプ政権の命令は、対象研究カテゴリー、組織的説明責任、調達ルール、財政的な執行を重視した。

どちらの経路も、もう一方を無期限に無視することはできない。技術的評価を欠く執行は、実際のAI支援型リスクと一致しないカテゴリーを標的にするおそれがある。強制力のある結果を伴わない監視は、報告作業に終わりかねない。

これがGoogle Newsの見出しの背景にある主要な転換である。米国はAI支援による生物学的危害への懸念を放棄したのではない。権限の所在と、機関がその懸念をどのように受け止めるかを変えたのである。

能力とリスクの対立が政策の中心的なトレードオフである

AIは、同じ基盤的能力の多くを通じて、防御的な科学と危険な実験の双方を加速させうる。

これは、イノベーションと安全性の単純な対立ではない。生物学的安全保障は、病原体の特定、対抗策の設計、流行の監視、製造の改善を可能にする科学的能力に依存している。

タンパク質構造を予測するシステムは、ワクチンや治療法の研究を支援できる。ゲノムモデルは、科学者が変異を解釈し、実験を設計し、生物学的機能を理解する助けとなり得る。

AIはまた、公的機関による大規模なサーベイランスデータセットの処理を支援できる。国土安全保障省は、貨物スクリーニング、バイオサーベイランス、検出、緊急対応にまたがる潜在的な利用法を説明している。

こうした防御的な用途には、高性能なモデルと高品質なデータが必要である。科学システムを無差別に弱体化させれば、生物学的脅威を認識し対抗する政府の能力を低下させかねない。

同時に、能力は再配分され得る。モデルは、従来の専門家ネットワークや組織的な監督を持たない利用者の前に、専門家に近い支援を提供できる。

政策上の重要な問いは、その支援が決定的な隔たりを埋めるかどうかである。公開情報を要約することは、かつて希少な専門性を必要とした実験上のボトルネックを解決することよりも、リスクの上乗せが小さい。

モデルは、手法の選定、失敗した工程の診断、複数分野の情報の接続を助けるかもしれない。それでも利用者は、デジタル上の助言を物理的な行動へと移さなければならない。

この組み合わせは、明確な閾値ではなくトレードオフを生む。規制当局は、高い価値を持つ科学的支援を維持しながら、破局的な悪用につながる依頼を阻止したいと考えている。

商用開発者は、本人確認管理、利用状況の監視、レート制限、モデルの安全対策、インシデント対応プロセスを導入できる。また、専門的なツールを確認済みの研究者に限定することもできる。

オープンウェイトモデルは、提供者がすべてのやり取りを監視せずとも利用者が改変または運用できるため、この戦略を複雑にする。オープンアクセスは、独立研究、再現性、競争、防御的イノベーションも支援し得る。

2024年の議会AI報告書は、両面を認識していた。公開利用可能なシステムは公共安全上の懸念を生み得る一方で、研究と競争を支援し得ると指摘した。

モデルへの制限だけでは、専門的な生物学ソフトウェアをカバーできない。タンパク質設計モデルは最先端のチャットボットには見えないかもしれないが、限定的な科学タスクに対しては、より関連性の高い支援を提供できる。

2024年のホワイトハウス報告書は、生成テキストシステムだけでなく、ライフサイエンス全体にわたるAIを論じることで、この問題を予見していた。その監視に関する提言は、変化する技術的経路も含められるほど広範だった。

しかし、その広さは実装上の問題を生む。あらゆる計算生物学ツールを対象とする政策は、日常的な研究に大きな負担を課す。最大規模の言語モデルだけに限定する政策は、最も関連性の高い生物学的能力を見逃す可能性がある。

リスク階層は一つの可能な道筋を提示する。評価によって、高影響の生物学的タスクに実質的な支援を提供することが示されたシステムには、より強い管理を適用できる。

そのようなプロセスには、信頼できる評価者、保護された試験環境、信頼性の高いベンチマーク、機微な知見を扱う方法が必要となる。また、何を意味のある能力向上と見なすかについての合意も必要である。

国際的な側面は、さらに圧力を加える。米国の提供者は厳格な管理を課せるが、研究者や悪意ある行為者は他国で開発されたシステムにアクセスできる。

だからといって、国内での管理が無意味になるわけではない。安全対策はコストを引き上げ、検知を改善し、規範を確立し、安易な悪用を減らせる。完全な封じ込めを保証することはできない。

国際協力も情報ハザードを生む。政府は、保護策を回避するための手引きを公開することなく、評価手法と警告シグナルを共有する必要がある。

英国のAI安全性評価は慎重な結論に達した。生物学的能力に関する証拠は増加していたが、現実世界への影響はなお測定が難しかった。

その不確実性は、自己満足ではなく検証を支持する。また、推測的なシナリオを確認済みのモデル能力として提示すべきではないことも示している。

最善の政策は、証拠を管理策に結び付ける。強力な制限は、実証された高影響能力、信頼できる脅威経路、または不審な行動に基づくべきである。

日常的な科学支援が、同じ対応を自動的に引き起こすべきではない。さもなければ、研究者は対応する安全保障上の利益を生まないまま、有用なツールを避けることになるかもしれない。

政策がなお証明できないこと

ワシントンは信頼できるリスクカテゴリーを特定したが、危険な支援と通常の生物学研究の間にある信頼できる境界を実証してはいない。

第一の不確実性は、現実世界での能力向上に関するものだ。管理された評価では、モデルが参加者の質問への回答、手順の計画、シナリオのトラブルシューティングを助けることを示せる。

しかし、その結果は必ずしも、参加者が材料を入手し、信頼性の高い実験を行い、検知を回避し、危害を引き起こせることを立証するものではない。各移行段階には追加の障壁がある。

逆の問題も同様に深刻である。外部データベースを利用し、コードを書き、実験室ソフトウェアを操作し、実験結果を反復的に活用するAIエージェントを、筆記試験は過小評価する可能性がある。

したがって評価設計は、完全なシステムに従う必要がある。モデルの重み、安全レイヤー、ツール、利用者の権限、物理的アクセスはいずれもリスクプロファイルを変え得る。

第二の不確実性は、ベースラインに関するものだ。生物学的情報はすでに、論文、データベース、教科書、プロトコル、オンラインコミュニティを通じて利用可能である。

研究者は、AIがそれらの資源を超えて意味のある利点を加えるかどうかを判断する必要がある。利便性だけでは、破局的な能力と同義ではない。

ただし、モデルが情報を迅速に組み合わせたり、利用者の失敗に合わせて助言を適応させたりする場合、利便性は重要な意味を持ち得る。情報源となる事実が公開されているというだけで、政策が集約やトラブルシューティングを軽視すべきではない。

第三の不確実性は、組織的能力に関するものだ。連邦機関には、機械学習、分子生物学、バイオセーフティ、情報、調達、研究ガバナンスを理解する人材が必要である。

これらの専門分野が一つの部署に集まっていることはまれである。調整は意思決定を遅らせ、互換性のない定義を生み、責任の所在を不明確にする可能性がある。

2024年の報告書は、部門横断的な協働を必要不可欠なものとして扱った。2025年の大統領令はトップダウンの権限を強化したが、権限が自動的に技術的専門性を生み出すわけではない。

第四の不確実性は、透明性に関するものだ。公開報告は信頼を築き、連邦資金が機微な活動をどこで支えているかを明らかにできる。

詳細を示しすぎれば、安全保障上機微な研究、独自の手法、スクリーニングシステムの弱点を露出させるおそれがある。詳細が少なすぎれば、政府の主張を独立して評価することが妨げられる。

トランプ政権の命令は、国家安全保障または正当な知的財産を損なう開示を制限することで、この対立を認識していた。この基準を一貫して適用することは難しいだろう。

第五の不確実性は、連邦資金の外側での執行に関するものだ。大学は連邦研究支援に大きく依存しており、これが機関に意味のある影響力を与えている。

民間研究所や海外組織は、異なる法的・財政的構造を通じて活動している。国内の助成金制限は、活動をなくすのではなく移転させる可能性がある。

第六の不確実性は、定義に関するものだ。「危険な機能獲得研究」は、AI支援による生物学的リスクのより広い領域よりも狭い活動群を指し得る。

AIシステムは、病原体を改変せずとも有害な支援を提供する可能性がある。毒素設計、運用計画、隠蔽、標的選定を支援することもあり得る。

逆に、対象となる生物学研究は、厳格な封じ込めの下でワクチン開発や備えに資する場合もある。カテゴリーに基づくルールは、両方の区別を見落とし得る。

そのため批判者は、行き過ぎと不十分さを同時に懸念している。広範なルールは正当な活動を萎縮させ得る一方、狭いルールは新たなAI支援型の経路を正式な監督の外に残しかねない。

2025年の命令は、組織全体に影響し得る執行手段も用いている。重大な違反は広範な結果を正当化し得るが、曖昧な基準は研究者を過度に慎重にさせる可能性がある。

その行動には安全保障上のコストがある。機微な分野を避ける科学者が増えれば、感染症流行への対応、バイオディフェンス、医療対抗措置の開発に利用できる専門性が減少するかもしれない。

政府はまた、リスクシグナルと政治的判断を区別しなければならない。懸念国、外国との協力、出版判断、資金をめぐる紛争は、より広範な地政学的政策と絡み合う可能性がある。

独立した技術レビューはこの問題を軽減できるが、それはレビュー担当者に明確な権限と関連する証拠へのアクセスがある場合に限られる。

いかなる政策も、最先端研究から不確実性を排除することはできない。実践的な目標は、能力の変化に応じて追跡可能で、証拠に基づき、調整できる意思決定を行うことにある。

したがって、読者は二つの誇張された結論を退けるべきだ。2024年の報告書は、現在のAIシステムがパンデミックを引き起こせることを証明したわけではない。2025年の大統領令も、AIを利用した生物学的リスクを統治する取り組みを完了させたわけではない。

両文書は、より大きな統制システムを構成する一部を示している。その有効性は、評価の質、制度的な実装、提供事業者の順守、そして国際協調に左右される。

ルールが機能しているかを示す三つのシグナル

次の段階は、イノベーションと安全性のバランスを語る新たな包括的声明ではなく、技術的な実装によって評価される。

第一のシグナルは、連邦政府による核酸合成のスクリーニング枠組みだ。各機関には、顧客確認と配列審査を通じて提供事業者が一貫して実装できる基準が求められる。

より強固な枠組みであれば、正当な研究を守りつつ、調達時の確認と最新の脅威情報を結び付けられる。導入が弱い、あるいは分断されたままであれば、物理的な供給層にはばらつきが残る。

各機関が提供事業者の順守をどのように検証するかに注目したい。助成金に関する文言にしか現れないルールよりも、監査、報告、実務的な技術ガイダンスに裏付けられたルールの方が重要になる。

第二のシグナルは、AIモデルの生物学的能力評価の質だ。開発者と公的機関には、重大な結果をもたらし得るタスクにおいて、実質的な支援能力を測定する試験が必要となる。

こうした評価では、ツールへのアクセスや安全策を含むシステム全体を検証すべきだ。また、既存の情報リソースを用いて、AI支援を受けた場合のパフォーマンスを信頼できるベースラインと比較する必要がある。

進展のために危険な試験の詳細を公表する必要はない。各機関は、機微な手順を公開せずとも、評価の範囲、ガバナンス、大まかな結果、それに基づく統制上の判断を開示できる。

第三のシグナルは、連邦資金を受ける研究の枠を超えた執行だ。2025年の大統領令は、従来の助成金監督の対象外で行われる危険な研究を追跡し、制限するための戦略を求めた。

その信頼性は、法的権限、報告の対象範囲、民間研究所との連携にかかっている。また、ルールが危険な行為と通常のバイオテクノロジー開発を区別できるかどうかにも左右される。

これらのシグナルが、測定可能でリスクに基づく統制を生み出せば、政策の根拠は強まる。実装が曖昧な認証、一貫しない定義、AI能力に関する未検証の前提に依存するなら、その根拠は弱まる。

開発者や企業の購入担当者にとって、この教訓は生物学にとどまらない。重大な結果をもたらし得るAIのガバナンスは、モデルやデータから、利用者、ツール、ベンダー、物理的な行動まで、展開チェーン全体を対象とする方向に進んでいる。

研究チームは、重要な判断を支える証拠を保存すべきだ。検索可能なナレッジマネジメントのプロセスは、評価結果、方針の更新、承認、未解決のリスクをチームが保持する助けになる。

その記録は、バイオセーフティ審査に取って代わるものではない。モデル、規制、または接続されたツールが変化した際に、変わりつつある前提を可視化するものだ。

Google Newsに表示される見出しは実在する危険を指摘しているが、日付によって意味合いは変わる。2024年のホワイトハウス報告書は、AIバイオセキュリティリスクの監視枠組みを導入した。2025年の大統領令は、執行可能な研究・資金統制へと圧力の重点を移した。

未解決の問いは、米国がこれら二つのアプローチを結び付けられるかどうかだ。監視は執行の指針となる証拠を生み出さなければならず、執行は現実のリスクを生む能力と行為を対象にしなければならない。

読者は、次の大がかりな約束ではなく、基準、評価、執行の記録を注視すべきだ。これらの仕組みが不透明なままであれば、政策が危険を止めたのか、それとも単に別の場所へ移しただけなのか、いったい誰が知り得るのだろうか。