जोखिम के लिए AGI ज़रूरी नहीं
उन्नत AI किसी दुर्भावनापूर्ण पक्ष को साहित्य खोजने, विकल्पों की तुलना करने, प्रयोगशाला-कार्य का निवारण करने, या विशेषीकृत जैविक उपकरण चलाने में मदद करके जैविक जोखिम बढ़ा सकता है। मायने रखने के लिए किसी मॉडल को चेतना, सुपरइंटेलिजेंस, या पूर्ण स्वायत्तता की ज़रूरत नहीं होगी। इसे केवल पहले से ख़तरनाक किसी वर्कफ़्लो में एक या ज़्यादा बाधाओं को कम करने की ज़रूरत होगी।
यह तंत्र प्रशंसनीय और महत्वपूर्ण है, लेकिन इसका मौजूदा परिमाण अनिश्चित है। 2026 की International AI Safety Report यह निष्कर्ष निकालती है कि प्रासंगिक क्षमताएं सुधरी हैं और कुछ नए अध्ययन प्रॉक्सी-कार्यों पर सार्थक सहायता पाते हैं, जबकि पुराने अध्ययनों को छोटे या सांख्यिकीय रूप से महत्वहीन प्रभाव मिले थे। यह जारी भौतिक बाधाओं और बड़े मूल्यांकन-अंतरों पर भी ज़ोर देती है (International AI Safety Report 2026)। इसलिए सटीक स्थिति न तो “AI पहले से महामारी पैदा कर सकता है” है और न ही “मॉडल केवल हानिरहित इंटरनेट तथ्य दोहराते हैं”।
शोधकर्ताओं का उत्थान (uplift) से क्या मतलब है
कोई उत्थान अध्ययन AI सहायता के साथ प्रदर्शन की तुलना किसी आधार-रेखा से करता है, जैसे अकेली इंटरनेट पहुंच। परिणाम इस पर निर्भर करता है कि कौन भाग लेता है, वे कौन-सा कार्य करने की कोशिश करते हैं, कौन-सा मॉडल और सुरक्षा-उपाय इस्तेमाल होते हैं, प्रदर्शन कैसे स्कोर किया जाता है, और क्या कार्य कोई काग़ज़ी योजना, प्रॉक्सी अधिग्रहण-अभ्यास, या वास्तविक प्रयोगशाला-कार्य है।
जानकारी किसी जैविक हमला-शृंखला का केवल एक हिस्सा है। किसी पक्ष को कोई एजेंट चुनना, सामग्री हासिल करना, अव्यक्त प्रयोगशाला-कौशल अर्जित करना, गुणवत्ता-नियंत्रण करना, उत्पादन को स्केल करना, आत्म-नुकसान और पहचान से बचना, और प्रसार हासिल करना पड़ सकता है। AI किसी एक चरण में काफ़ी मदद कर सकता है जबकि पूरा ऑपरेशन उस पक्ष की पहुंच से बाहर रहता है। इसके विपरीत, सही बाधा पर मामूली सहायता किसी अप्रासंगिक परीक्षण पर बड़े स्कोर-सुधार से ज़्यादा मायने रख सकती है।
सुरक्षित अध्ययन परिचालनात्मक निर्देश पैदा करने से बचते हैं और विशेषज्ञ समीक्षा, नियंत्रित सेटिंग्स, और प्रॉक्सी-कार्य इस्तेमाल करते हैं। तब भी, बाहरी वैधता कठिन है। भागीदार वास्तविक ख़तरा-पक्षों जैसे न हों। छोटे अध्ययन महीनों के निवारण को नहीं पकड़ सकते। तेज़ मॉडल-परिवर्तन प्रकाशन के तुरंत बाद किसी सावधानीपूर्वक परिणाम को पुराना बना सकता है।
शुरुआती शून्य-परिणामों के बाद सबूत बदल गया
2024 के एक RAND रेड-टीम अध्ययन को भाषा-मॉडल पहुंच वाली टीमों और अकेले इंटरनेट इस्तेमाल करने वाली टीमों द्वारा बनाई गई जैविक हमला-योजनाओं की विशेषज्ञ-रेटिंग में कोई सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं मिला। RAND ने निष्कर्ष निकाला कि सहायक उपकरणों के रूप में परखे गए मॉडलों की क्षमता-सीमा से हमला-योजना आगे थी, साथ ही चेतावनी दी कि उसने यह नहीं मापा कि कितना आगे (RAND रिपोर्ट)। यह उन मॉडलों, भागीदारों, और योजना-कार्य के बारे में सार्थक सबूत था — सभी भविष्य के सिस्टमों के बारे में कोई स्थायी निष्कर्ष नहीं।
बाद का सबूत ज़्यादा चिंताजनक है लेकिन अब भी अधूरा है। 2026 की International AI Safety Report एक नए वास्तविक-दुनिया उत्थान-अध्ययन का वर्णन करती है जिसमें बिना सुरक्षा-उपायों वाले सामान्य-प्रयोजन AI ने इंटरनेट-पहुंच की तुलना में जैव-हथियार-अधिग्रहण प्रॉक्सी-कार्यों पर पर्याप्त सहायता दी। यह वैज्ञानिक काम और प्रयोगशाला-उपकरण का समर्थन करने वाले मॉडलों के अध्ययनों को भी नोट करती है। ये परिणाम तस्वीर को अपडेट करते हैं: यह कहना अब सटीक नहीं है कि मौजूदा सिस्टमों ने व्यावहारिक बाधाओं को सार्थक रूप से नहीं कम किया। यह मापना अब भी कठिन है कि समग्र जोखिम कितना बढ़ा है या कौन-सी भौतिक बाधाएं बनी हुई हैं।
डेवलपर-मूल्यांकन सबूत जोड़ते हैं लेकिन उनके हित-टकराव होते हैं और वे अक्सर संवेदनशील विवरण रोकते हैं। इन्हें कंपनी की स्व-रिपोर्ट के रूप में लेबल किया जाना चाहिए और सरकारी व स्वतंत्र काम के साथ-साथ व्याख्यायित किया जाना चाहिए।
Anthropic की ASL-3 सक्रियता का क्या मतलब है
Anthropic ने 2025 में Claude Opus 4 परिवार के लिए ASL-3 सुरक्षा-उपायों की घोषणा की क्योंकि यह कुछ रासायनिक, जैविक, रेडियोलॉजिकल, या परमाणु वर्कफ़्लो में सार्थक उत्थान को ख़ारिज नहीं कर सकती थी। कंपनी ने स्पष्ट रूप से इस सक्रियता को एहतियाती बताया और कहा कि उसने निर्णायक रूप से यह स्थापित नहीं किया कि मॉडल ने प्रासंगिक क्षमता-सीमा पार की (Anthropic ASL-3 घोषणा)।
कई अवधारणाओं को एक में मिलाना ज़रूरी नहीं है। कोई AI Safety Level सुरक्षा और तैनाती संबंधी सुरक्षा-उपायों का एक पैकेज है। कोई क्षमता-सीमा ऐसा सबूत है जो मज़बूत सुरक्षा-उपायों को ट्रिगर कर सकता है। Anthropic की नीति ने ग़ैर-नवीन रासायनिक/जैविक उत्पादन, नवीन हथियार-विकास, और ज़्यादा परिष्कृत कार्यक्रमों की ओर उत्थान को भी अलग किया है। “ASL-3” कोई सार्वभौमिक वैज्ञानिक रेटिंग नहीं है और इसका मतलब यह नहीं कि मॉडल हर श्रेणी का CBRN हथियार स्वायत्त रूप से बना सकता है।
Anthropic की नीति बदलती रही है; इसका सार्वजनिक अभिलेखागार अगस्त 2026 तक संस्करण 3.4 सूचीबद्ध करता है (Anthropic RSP)। पाठकों को किसी पहले के ढांचे से भाषा आयात करने के बजाय किसी मॉडल-फ़ैसले से जुड़े संस्करण और तारीख़ का इस्तेमाल करना चाहिए।
सुरक्षा-उपायों को कई परतें चाहिए
मॉडल और तैनाती नियंत्रण में ख़तरनाक सहायता से इनकार करने के लिए सिस्टमों को प्रशिक्षित करना, इनपुट-आउटपुट क्लासिफ़ायर, संदिग्ध बहु-चरणीय पैटर्न की निगरानी, दर-सीमाएं, खाता-सत्यापन, और जांचे गए शोधकर्ताओं के लिए नियंत्रित पहुंच शामिल है। ये उपाय आकस्मिक दुरुपयोग कम कर सकते हैं लेकिन जेलब्रेक, कार्य-विघटन, कम-संरक्षित मॉडलों तक पहुंच, या ओपन वेट से सुरक्षा-उपाय हटाने के ज़रिए दरकिनार किए जा सकते हैं।
मूल्यांकन-द्वारित रिलीज़ परीक्षण-परिणामों को फ़ैसलों से जोड़ती है। डेवलपर्स प्रशिक्षण के दौरान परीक्षण कर सकते हैं, बाहरी मूल्यांकन आयोजित करा सकते हैं, उपकरण-पहुंच सीमित कर सकते हैं, और सबूत किसी परिभाषित सीमा से ऊपर जाने पर रिलीज़ में देरी कर सकते हैं। रिपोर्टों को अवशिष्ट अनिश्चितता का वर्णन करना चाहिए, केवल यह नहीं कि कोई सीमा औपचारिक रूप से पार हुई या नहीं।
न्यूक्लिक-एसिड संश्लेषण जांच डिजिटल जानकारी से भौतिक सामग्री तक के पुल को संबोधित करती है। प्रदाता जोखिम-मानदंडों के विरुद्ध ग्राहकों और अनुक्रम-ऑर्डरों की जांच कर सकते हैं, उचित निजता, अपील, और अंतरराष्ट्रीय समन्वय के साथ। जांच अकेले पर्याप्त नहीं है: उपकरण, रोगाणु, प्रयोगशालाएं, और आपूर्ति-श्रृंखलाएं वैश्विक रूप से अलग-अलग हैं।
सार्वजनिक-स्वास्थ्य लचीलापन नुकसान कम करता है चाहे कोई प्रकोप प्राकृतिक हो, आकस्मिक हो, या जान-बूझकर किया गया हो। निगरानी, तेज़ निदान, इनडोर-वायु सुधार, सुरक्षा-उपकरण, वैक्सीन-प्लेटफ़ॉर्म, चिकित्सा-भंडार, और भरोसेमंद संचार व्यापक बचाव हैं। सुरक्षा-नीतियां जो केवल मॉडल-इनकार पर केंद्रित हैं, इस बड़े सिस्टम को चूक जाती हैं। उस लचीलेपन के घरेलू-स्तरीय संस्करण के लिए — रेस्पिरेटर, वायु-निस्पंदन, और पृथक्करण-योजना — देखें व्यक्तिगत जैव-सुरक्षा की बुनियादी बातें।
प्रयोगशाला-शासन और जैव-सुरक्षा केंद्रीय बने रहते हैं। प्रशिक्षण, संस्थागत समीक्षा, पहुंच-नियंत्रण, घटना-रिपोर्टिंग, और सुरक्षा-संस्कृति दुर्भावनापूर्ण और आकस्मिक दोनों रास्तों को संबोधित करते हैं। AI पहचान, दवा-खोज, और जैविक शोध का समर्थन करके बचाव को भी मज़बूत कर सकता है; नियंत्रणों को जहां संभव हो वैध काम सुरक्षित रखना चाहिए।
सनसनीखेज़पन के बिना तर्क कैसे करें
चार बयानों को अलग करें। पहला, मौजूदा मॉडल पर्याप्त जैविक जानकारी दे सकते हैं; यह देखा गया है। दूसरा, कुछ मूल्यांकन चुनिंदा प्रॉक्सी-कार्यों पर व्यावहारिक उत्थान का संकेत देते हैं; यह सीमाओं वाला उभरता सबूत है। तीसरा, कोई दुर्भावनापूर्ण पक्ष भविष्य के AI को उपकरणों और सामग्री के साथ मिलाकर कोई विनाशकारी प्रकोप पैदा कर सकता है; यह एक प्रशंसनीय जोखिम-रास्ता है। चौथा, कोई AI-जनित महामारी निकट है; उपलब्ध सबूत उस पूर्वानुमान को स्थापित नहीं करता।
यह अंतर सार्वजनिक भरोसे के लिए मायने रखता है। अतिशयोक्ति नियतिवाद को प्रोत्साहित कर सकती है या क्षमताओं का प्रचार कर सकती है, जबकि ख़ारिज़ करना बचावों में देरी कर सकता है। रिपोर्टों को परखे गए सिस्टम, सुरक्षा-उपायों, आधार-रेखा, भागीदारों, अंतिम-बिंदु, अनिश्चितता, और फ़ंडिंग का वर्णन करना चाहिए। नुकसान को सक्षम करने वाले परिचालनात्मक विवरण प्रकाशित नहीं किए जाने चाहिए।
व्यावहारिक निष्कर्ष
AI-सहायता प्राप्त जैविक जोखिम सबसे ठोस गंभीर-नुकसान चिंताओं में से एक है क्योंकि उपयोगी वैज्ञानिक सहायता और ख़तरनाक सहायता ओवरलैप करती हैं। सबूत शुरुआती “कोई सार्थक उत्थान नहीं” परिणाम से आगे बढ़ चुका है, लेकिन यह नहीं दिखाता कि मॉडलों ने बड़े पैमाने के हमले की मांग करने वाली भौतिक और संगठनात्मक बाधाओं को मिटा दिया है।
तर्कसंगत जवाब स्तरित और अनुकूली है: स्वतंत्र उत्थान-अध्ययन जारी रखें, मॉडल-क्षमताओं को लागू करने-योग्य सुरक्षा-उपायों से जोड़ें, जैविक आपूर्ति-श्रृंखलाओं को सुरक्षित करें, और सार्वजनिक स्वास्थ्य को मज़बूत करें। ये उपाय AI समय-सीमाओं की एक विस्तृत श्रृंखला में मूल्यवान बने रहते हैं — और ये यह दिखावा करने से बचते हैं कि किसी एक कंपनी का सुरक्षा-स्तर जैविक जोखिम की स्थिति पर कोई फ़ैसला है।