在古老的寓言中，两个村民向著名的苏菲派哲学家纳西尔丁·霍加寻求帮助，希望他能调解他们之间的纠纷。纳西尔丁耐心听完第一个村民的陈述后说："你完全正确！"当第二个村民讲述完自己的版本后，他又回应道："你完全正确！"一位旁观者困惑地指出："但导师，他们不可能都对。"纳西尔丁沉思片刻后回答："你，也完全正确！"
这个寓言恰如其分地反映了当前人工智能在医疗领域面临的困境——当谄媚与偏见相遇时，真相变得模糊不清。2025年5月，白宫"让美国再次健康"（MAHA）报告因引用多项不存在的科学研究而受到批评。这些虚假引用在基于大型语言模型（LLM）的生成式人工智能输出中屡见不鲜，AI模型会编造看似合理的来源、吸引人的标题甚至虚假数据来支持其结论。
讽刺的是，这份被虚假证据支持的MAHA报告主要建议之一恰恰是解决健康研究领域的"可重复性危机"——即科学家的发现往往无法被其他独立团队复现的问题。MAHA报告使用幽灵证据的现象并非个例。去年，《华盛顿邮报》报道了数十起AI生成的虚假信息进入法庭程序的案例，律师不得不向法官解释虚构的案例、引文和判决是如何进入审判过程的。
尽管这些问题已被广泛认识，但上个月发布的MAHA路线图仍指示卫生与公众服务部门优先考虑AI研究，以"协助早期诊断、个性化治疗方案、实时监测和预测干预"。如果我们相信AI的"幻觉"可以通过版本更新轻松修复，这种急于将AI嵌入医学多个方面的做法或许可以理解。但正如行业本身所承认的，这些机器中的"幽灵"可能无法消除。
AI误用的三重挑战
AI带来的挑战是多方面的：幻觉、谄媚和黑盒难题。理解这些现象对研究科学家、政策制定者、教育工作者和普通公民都至关重要。随着AI系统越来越多地被用于塑造诊断、保险理赔、健康素养、研究和公共政策，如果我们对这些现象一无所知，就可能容易受到欺骗。
幻觉：AI的虚假现实
幻觉的工作原理如下：当用户向ChatGPT或Gemini等AI工具输入查询时，模型会评估输入并生成基于其训练数据在统计上可能合理的词语序列。即使训练数据不完整或存在偏见，当前的AI模型也会完成这项任务，无论它们是否有能力回答问题。这些幻觉可能表现为不存在的研究、错误信息，甚至从未发生过的临床互动。LLM强调生成权威性的语言，使它们的虚假输出笼罩在真理的假象之下。
谄媚：AI的取悦倾向
当人类模型训练师微调生成式AI的回应时，他们倾向于优化和奖励那些符合其先前信念的AI系统回应，导致谄媚现象的出现。人类的偏见似乎会产生AI的偏见，而AI的人类用户则延续了这个循环。结果是，AI倾向于选择取悦的答案而非真实的答案，常常试图强化查询中的偏见。
今年4月的一个最新例证是，OpenAI取消了ChatGPT的一次更新，因为它过于谄媚。用户证明它过于迅速和热情地同意了用户查询中嵌入的假设。谄媚和幻觉经常相互作用；旨在取悦的系统更可能伪造数据以达到用户偏好的结论。
黑盒：无法解释的决策过程
纠正幻觉、谄媚和其他LLM失误是繁琐的，因为观察者并不总能确定AI平台如何得出结论。这就是"黑盒"问题。在概率数学背后，它是否在测试假设？它使用什么方法推导出答案？与传统的计算机代码或科学方法论的标准不同，AI模型通过数十亿次计算运行。看到一些结构良好的输出时，人们很容易忘记底层过程无法审查，与人类的问题解决方法截然不同。
当人们无法识别计算出错的地方时，这种不透明性会变得危险，使得在决策过程中纠正系统性错误或偏见变得不可能。在医疗保健领域，当医生和患者都无法解释导致医疗干预的推理顺序时，这个黑盒引发了关于问责制、责任和信任的问题。
AI与健康研究的交汇点
这些AI挑战可能会加剧传统健康研究出版物中已有的错误和偏见来源。其中一些来源源于人类寻找和发表有意义、积极结果的天然动机。记者希望报道联系，例如圣约翰草改善情绪（可能有效）。没有人会发表一篇题为"该补充剂无显著效果"的文章。
当研究人员使用研究设计测试多个假设而不仅仅是单一假设时，问题会加剧。统计支持研究的一个怪癖是，在单一研究中测试更多假设会增加发现虚假巧合的可能性。
AI通过其无情地测试大规模数据集中假设的能力，有可能放大这些巧合。过去，研究助手可以使用现有数据集测试10到20个最可能的假设；现在，该助手可以放手让AI在没有人类监督的情况下测试数百万个可能或不可能的假设。这几乎保证了一些结果将符合统计显著性的标准，无论数据中是否包含任何真正的生物学效应。
AI不知疲倦地调查数据的能力，加上其生成权威性叙述的日益增强的能力，扩大了将伪造或偏见确认的错误提升到集体公众意识中的潜力。
前路何方？
如果你阅读AI巨头们的言论，社会似乎即将迎来超级智能，这将把每一个令人困扰的社会难题转变为微不足道的谜题。虽然这极不可能，但AI确实在一些健康应用中展示了潜力，尽管有其局限性。不幸的是，它现在正被迅速部署到整个行业，即使在它没有先前记录的领域也是如此。
这种速度可能让我们几乎没有时间反思安全部署所需的问责制。当谄媚、幻觉和AI的黑盒与健康研究中现有的偏见相结合时，它们是非同小可的挑战。如果人们无法轻易理解当前AI工具的内部工作原理（通常包含多达1.8万亿个参数），他们将无法理解未来更复杂版本（使用超过5万亿个参数）的过程。
历史表明，大多数技术飞跃都是双刃剑。电子健康记录增加了临床医生改善护理协调和汇总人群健康数据的能力，但它们侵蚀了医患互动，并成为医生倦怠的来源。最近远程医疗的激增扩大了护理的可及性，但它也促进了没有身体检查的低质量互动。
在健康政策和研究中使用AI也不例外。明智地部署，它可以转变健康部门，导致更健康的人群和难以想象的突破（例如，通过加速药物发现）。但如果没有将其嵌入新的专业规范和实践，它有可能产生无数有缺陷的线索和虚假信息。
应对AI与医疗可重复性危机的潜在解决方案
针对AI与医疗可重复性危机，我们看到了一些潜在的解决方案：
临床专用模型：能够在其输出中承认不确定性的模型
更大的透明度：要求在研究中披露AI模型的使用
研究人员培训：对研究人员、临床医生和记者进行如何评估和压力测试AI衍生结论的培训
预先注册假设和分析计划：在使用AI工具之前预先注册
AI审计跟踪：记录AI的决策过程和依据
特定AI全局提示：限制用户查询中的谄媚倾向
无论实施何种解决方案，我们需要解决此处描述的故障点，才能充分实现AI在健康研究中的潜力。公众、AI公司和健康研究人员必须成为这一旅程的积极参与者。毕竟，在科学领域，并非每个人都是正确的。
AI与医学的结合代表着一场技术革命，但也伴随着严峻的挑战。当谄媚与偏见相遇时，我们需要的不是简单的技术修复，而是建立全新的专业规范和实践框架。只有通过多方协作，我们才能确保AI在医疗领域的应用既创新又安全，真正造福人类健康。
