摘要：长期以来，大型语言模型的"幻觉"问题被视为人工智能技术的阿喀琉斯之踵——它们会凭空编造事实、产生不存在的信息，让无数研究者为之头疼。然而，来自剑桥大学的最新研究却颠覆了这一认知：在科学研究领域，AI的"幻觉"可能正是创新的源泉，能够帮助科学家发现前所未有的治疗

长期以来，大型语言模型的"幻觉"问题被视为人工智能技术的阿喀琉斯之踵——它们会凭空编造事实、产生不存在的信息，让无数研究者为之头疼。然而，来自剑桥大学的最新研究却颠覆了这一认知：在科学研究领域，AI的"幻觉"可能正是创新的源泉，能够帮助科学家发现前所未有的治疗方案。

这项发表在《英国皇家学会社会界面》《Journal Of The Royal Society Interface》。上的突破性研究，首次通过实验验证了大型语言模型作为科学假说生成工具的巨大潜力。研究团队利用GPT-4模型，从海量科学文献中挖掘出了多种具有协同抗癌效应的药物组合，其中最令人惊喜的发现是：两种看似毫不相关的常用药物——降胆固醇药辛伐他汀和戒酒药双硫仑的组合，竟然在对抗乳腺癌方面表现出色。

论文地址：

这一发现不仅为癌症治疗开辟了新的可能性，更重要的是，它证明了人工智能"天马行空"的想象力，在科学研究中可能比我们想象的更有价值。

传统的药物研发是一个漫长而昂贵的过程，从最初的化合物筛选到最终获得监管批准，通常需要10-15年时间，成本高达数十亿美元。而在癌症治疗领域，联合用药已成为提高疗效、减少耐药性的重要策略，但要在数以万计的已批准药物中找到有效的组合，无异于大海捞针。

剑桥大学研究团队意识到，GPT-4等大型语言模型虽然存在"幻觉"问题，但其强大的模式识别能力和跨领域知识整合能力，可能正是药物重新定位研究所需要的。药物重新定位，即发现已批准药物的新用途，是近年来备受关注的研究方向，因为这些药物的安全性已经得到验证，能够大大缩短新治疗方案的开发周期。

研究团队制定了严格的筛选标准：首先，避免使用标准抗癌药物，以探索全新的治疗路径；其次，重点关注那些能够特异性杀伤癌细胞而不损害正常细胞的药物组合；最后，优先选择价格低廉且已获得FDA批准的药物，确保研究成果能够快速转化为临床应用。

在这些原则指导下，GPT-4从庞大的科学文献数据库中学习，开始了它的"创造性思考"。与传统的基于规则的药物筛选方法不同，GPT-4能够识别文献中的隐含关联，提出看似不合理但实际可能有效的药物组合建议。

理论再完美，也需要实验验证的检验。研究团队选择MCF7乳腺癌细胞系作为实验模型，以非肿瘤性乳腺细胞系MCF10A作为对照，对GPT-4推荐的药物组合进行了系统性测试。

首轮实验结果令人鼓舞：在12组测试的药物组合中，有3组显示出了超越阳性对照的协同效应，这意味着它们的抗癌效果比现有的标准乳腺癌治疗药物更好。这一成功率已经远超传统药物筛选方法的预期。

更令人惊喜的是，基于首轮实验的反馈，GPT-4进一步优化了其推荐算法，在第二轮测试的4组药物组合中，又有3组表现出了正向的协同效应。这种"学习-反馈-改进"的循环，展现了人工智能在科学研究中的自我优化能力。

在所有测试的药物组合中，辛伐他汀与双硫仑的组合表现最为突出。辛伐他汀是一种广泛使用的他汀类药物，主要用于降低胆固醇水平；双硫仑则是一种戒酒药物，通过抑制乙醛脱氢酶来产生不适感，帮助酒精依赖患者戒酒。这两种药物的作用机制看似毫不相关，但在GPT-4的"想象"中，它们的组合却能够有效对抗乳腺癌细胞。

实验结果证实了这一"奇思妙想"的正确性。研究发现，辛伐他汀能够抑制癌细胞的胆固醇合成途径，而双硫仑则能够激活细胞凋亡信号，两者结合产生了显著的协同抗癌效应。这种协同作用不仅提高了对癌细胞的杀伤效果，还减少了对正常细胞的毒性。

这项研究的意义远超乎发现几种新的药物组合。它从根本上改变了我们对人工智能"幻觉"问题的认识，揭示了在特定场景下，"幻觉"可能是创新的催化剂。

在传统观念中，AI的"幻觉"被视为需要消除的缺陷。然而，科学发现的历史告诉我们，许多重大突破都源于看似"荒谬"的假设。从牛顿的万有引力定律到爱因斯坦的相对论，从弗莱明偶然发现的青霉素到沃森和克里克提出的DNA双螺旋结构，科学进步往往需要跳出常规思维的束缚。

GPT-4在药物组合预测中表现出的"创造性"，正体现了这种跳跃性思维的价值。它不受传统药理学分类的限制，能够在看似无关的药物之间建立联系，提出人类专家可能忽视的组合方案。这种能力在面对复杂疾病如癌症时尤为宝贵，因为癌症的发生发展涉及多个信号通路，往往需要多靶点、多机制的综合干预。

值得注意的是，这种AI辅助的药物发现模式具有明显的成本优势和时间优势。传统的药物组合筛选需要大量的时间和资源，而AI能够在短时间内处理海量信息，快速生成待测试的假设。这不仅大大提高了研究效率，还为资源有限的研究机构和发展中国家提供了参与前沿药物研发的可能性。

研究团队特别强调了选择已批准药物进行重新定位的重要性。这些药物的安全性已经得到充分验证，如果能够证明其在新适应症中的有效性，就能够快速进入临床试验阶段，大大缩短新治疗方案的开发周期。以辛伐他汀和双硫仑为例，这两种药物都有几十年的临床使用历史，其安全性和副作用已经被充分了解，这为它们在癌症治疗中的应用奠定了坚实基础。

展望未来，这种AI驱动的科学假说生成模式有望在更多领域得到应用。从神经退行性疾病到自身免疫性疾病，从心血管疾病到代谢性疾病，AI的"创造性思维"都可能帮助科学家发现新的治疗策略. 当然，这需要建立在严格的实验验证基础之上，确保AI生成的假设能够经得起科学方法的检验。

这项研究最终告诉我们：在科学研究中，有时候"胡思乱想"可能比按部就班更有价值。关键是要有开放的心态去接受这些"奇思妙想"，并用严谨的科学方法去验证它们。正如研究团队所说，AI的"幻觉"在科学发现中可能不是bug，而是feature。

参考文献：

来源：人工智能学家