AI 原生开放教材

外观

AI 工程从零到一（中文）源码研读·中文原文 ↗原件 ↓仓库 ↗

两用风险 —— 网络、生物、化学、核能力提升 ​

2026 年两用图景，逐领域看。生物/化学：第 17 课讲 WMDP；Anthropic 的生物武器获取试验（2.53 倍提升）和 OpenAI 2025 年 4 月 Preparedness Framework v2 的警告（「正处在实质性帮助新手制造已知生物威胁的临界点上」）标记了这个拐点。网络（2025 年 11 月 Anthropic 报告）：与中国有关联的国家行为体用 Claude 的智能体编码工具，把一场网络攻击战役至多 90% 的环节自动化，仅在 4-6 个步骤需要人类介入；OpenAI「可信访问」试点给经审查的安全组织提供能力访问，用于防御性的两用工作。化学/生物执行缺口侵蚀：经典防御是「单凭信息访问不够」。启用视觉的前沿模型（GPT-5.2、Gemini 3 Pro、Claude Opus 4.5、Grok 4.1）能观看湿实验室视频并提供实时纠正。2025 年 12 月：OpenAI 演示 GPT-5 在湿实验室实验上迭代，经 AI 驱动的协议优化实现 79 倍效率提升。新手 vs 专家模式：AI 给新手的相对提升更大，但给专家的绝对能力更大。

类型： Learn 语言： 无 前置要求： 阶段 18 · 17（WMDP）、阶段 18 · 18（安全框架）、阶段 18 · 28（生态） 预计时间： ~75 分钟

学习目标 ​

  • 描述 2024-2025 的生物提升叙事：「轻度提升」-> 「临界点上」-> 「2.53 倍提升不足以排除 ASL-3」。
  • 描述 2025 年 11 月 Anthropic 网络报告：与中国有关联的、把一场网络攻击战役至多 90% 自动化。
  • 描述化学/生物执行缺口侵蚀：对湿实验室实验的视觉实时纠正。
  • 说出「相对新手 vs 专家绝对」的不对称及其对安全论证构建的含义。

问题背景 ​

第 17 课是测量方法论。第 30 课是 2026 年测量的现状。这幅图景在 2024 到 2025 年底之间实质性地变了：每个领域都跨过了一个 2024 年框架没预料到的阈值。

核心概念 ​

生物/化学提升叙事 ​

三个阶段（从第 17 课重复以保持连贯）：

  1. 2024 年「轻度提升」。 早期 Preparedness/RSP 评估报告新手相比互联网搜索有小幅优势。
  2. 2025 年 4 月「临界点上」。 OpenAI PF v2 警告模型「正处在实质性帮助新手制造已知生物威胁的临界点上」。
  3. 2025 年 Anthropic 生物武器获取试验。 受控新手研究；获取阶段任务上 2.53 倍提升；不足以排除 ASL-3。

这个转变是质变：「轻度」在十八个月内演变成「很可能赋能」，而且没有出现能力突破。

化学/生物执行缺口侵蚀 ​

历史防御：信息是必要的但不充分；执行协议的技能挡住了新手。2025 年带视觉的前沿模型部分攻破了这道防御：

  • 实时协议纠正。 GPT-5.2、Gemini 3 Pro、Claude Opus 4.5、Grok 4.1 能观看湿实验室视频，并在操作中途标出错误。
  • 2025 年 12 月 OpenAI 演示。 GPT-5 在湿实验室实验上迭代，经协议优化实现 79 倍效率提升。

含义：「执行技能即防御」正在侵蚀。采购和设备的缺口仍在，但默会知识的缺口在收窄。

网络提升（2025 年 11 月） ​

Anthropic 2025 年 11 月报告：与中国有关联的国家行为体用 Claude 的智能体编码工具，把一场网络攻击战役的 80-90% 自动化。仅在 4-6 个步骤需要人类介入。

含义：

  • 智能体编码是攻击自动化的原语。此前的 AI 网络协助局限在代码片段层面；智能体工作流整合了侦察、利用、后利用、外泄。
  • 那 4-6 个人类步骤是瓶颈；未来的能力增长会减少这个数目。
  • 防御性两用：OpenAI 的「可信访问」试点给经审查的安全组织（成熟的事件响应公司、政府）提供用于防御的能力访问。若该试点扩展，访问的不对称将有利于防御方。

核 ​

公开文档里四个 CBRN 领域中分析最少的一个。威胁模型不一样：主导难度的是裂变材料的获取，而非信息。AI 在信息层的提升在实践中给新手的提升有限。2024-2025 没有主要实验室报告识别出核特定的阈值跨越。

相对新手 vs 专家绝对 ​

四个领域共有的一个模式：

  • 相对新手的提升。 高。乘性的。据 Anthropic 2025 生物，2.53 倍。
  • 专家绝对能力。 上限高。专家榨出的比新手多，因为专家知道该问什么、以及如何解读。

对安全论证的含义：只处理新手提升（经由输入过滤、拒绝、不确定性）对专家绝对控制是不够的。需要额外措施：诱导加固、能力遗忘（第 17 课）、以及控制协议（第 10 课）。

跨领域综合 ​

领域20242025拐点
生物轻度提升2.53 倍提升、逼近 ASL-3获取阶段自动化
化学轻度提升经视觉的执行缺口侵蚀实时湿实验室纠正
网络代码协助战役 80-90% 自动化智能体编码
核有限有限材料访问瓶颈仍在

三个领域跨过了阈值。一个仍受非信息性壁垒约束。

这在阶段 18 里的位置 ​

第 30 课是收官之作：每一节先前的课都为之做出测量、限制或治理贡献的当前两用图景。第 17-18 课给出测量和框架；第 12-16 课给出评估工具；第 24-25 课给出监管与披露层；第 28 课给出研究生态。第 30 课是证据落地的地方。

figure
an-uplift-asymmetry

实际使用 ​

没有代码。读 Anthropic 2025 年 11 月网络报告、OpenAI 2025 年 4 月的 Preparedness Framework v2 更新、以及战略风险理事会 2025 年的 AI x 生物总结。

拿去用 ​

本课产出 outputs/skill-dual-use-triage.md。给定一个 2026 年的能力宣称或事件报告，它在四个领域间分诊，并识别该宣称影响的是相对新手的提升、专家绝对能力、还是两者皆有。

练习 ​

  1. 读 Anthropic 2025 年 11 月网络报告。列举那 4-6 个人类介入步骤，并论证在下一代模型里哪个会最先被自动化。

  2. 化学/生物执行缺口正经视觉侵蚀。设计一个测量默会知识提升、又不越过 ITAR/EAR 边界的评估。

  3. 核提升似乎受材料访问约束。为「未来某个 AI 突破能撬动这个瓶颈」这个立场正反各论证一次。

  4. 为一个有网络能力的前沿模型构造一份安全论证（第 18 课三支柱），同时限住新手和专家提升。

  5. 从四个领域里挑一个，基于 2024-2025 的轨迹写一段 2027 年的预测。指出能证伪你预测的证据。

关键术语 ​

术语大家嘴上怎么说它实际是什么
提升（Uplift）「AI 帮了攻击者」可归因于 AI 协助的攻击者能力增量
相对新手的提升「乘性的」AI 相比现状帮助新手多少
专家绝对能力「上限」专家能从模型里榨出的最大能力
执行缺口「做 vs 知」历史防御：默会的湿实验室技能挡住新手
智能体编码「自主攻击」多步自主网络任务执行
获取阶段「合成前步骤」一个生物威胁的采购、设备、许可阶段
可信访问「仅防御方试点」OpenAI 2025 给经审查防御方提供能力访问的项目

延伸阅读 ​