生成式人工智能模型容易產生幻覺，併產生虛構或意象的信息。考慮到人工智能錯誤信息的不斷涌現，這種習慣被認爲是一種缺陷。但就像科學家在試圖實現類似地幔的超壓和高溫條件時無意中發明了人造鑽石一樣，幻覺也被證明有助於科學家發現新藥。
資料來源：Statista。人工智能幻覺和新化學發現
據專家估計，全球約有 500 萬人的死亡與抗生素耐藥性有關，因此，對抗耐藥細菌變種的新方法至關重要，而且必須緊急採取。麥克馬斯特大學和斯坦福醫學院的研究人員開發了一種新模型，揭示了針對抗生素耐藥性致命細菌的潛在解決方案。
該模型名爲 SyntheMol，根據斯坦福大學的研究報告，
“SyntheMol 爲六種新型藥物創造了結構和化學配方，旨在殺死鮑曼不動桿菌的耐藥菌株，鮑曼不動桿菌是導致抗生素耐藥性相關死亡的主要病原體之一。”
來源：斯坦福大學。
生物醫學數據科學副教授、這項研究的合著者 James Zou 表示，爲了公共衛生，我們迫切需要儘快開發新型抗生素。研究人員已經在實驗基礎上驗證了利用該模型開發的新化合物。
鄒先生還提到，他們的假設是，有很多潛在的分子可以轉化爲有效的藥物，但他們還沒有對它們進行測試，甚至還沒有開發出這些分子，這就是他們想用人工智能來製造自然界中不存在的分子的原因。
SyntheMol 正在探索新的可能性
人工智能在製藥科學中的應用。來源：sciencedirect。
在生成式人工智能出現之前，研究人員曾經採用不同的計算方法來開發抗生素。他們使用算法來遍歷藥物存儲庫，並識別出有機會對抗他們想要殺死的病原體的化合物。
通過這種方法，他們能夠篩選出 1 億種已知的化合物，這也產生了結果，但找到所有可以對抗細菌的化合物並不是一個深入的過程。
這項研究的共同主要作者、斯坦福大學計算機科學博士生凱爾斯旺森 (Kyle Swanson) 表示，化學空間是巨大的。
“人們估計有近 1060 種可能的類藥物分子。因此，1 億個分子根本無法覆蓋整個空間。”
來源：斯坦福大學。
正如開頭所說，人工智能產生幻覺的傾向可以用來發現新藥，因爲它曾被用於開發新化合物，但現在它正在生產現有化合物，斯旺森說。研究人員還必須在模型周圍設置護欄，以便他們可以人工開發模型想象的任何分子。
鄒說，這個模型通過設計人類以前不知道的新分子，教會了他們化學領域的一個全新領域。鄒還與斯旺森一起完善這個模型，將其用於心臟藥物和爲實驗室研究創造具有新特性的熒光分子。
斯坦福大學關於該主題的說明可在此處查看。
