How AI Can Cure Diseases Never Before Possible | YC Paper Club

YC 现场盲聊实验：AI 被识破率约 30%，却有 33% 的人类被误判成 AI，图灵测试的判准已经站不住脚。

图灵 1950 年立的规矩是：5 分钟对话里人类判错率要低于 30%。现场实测，AI 只做到约 30% 被识破，同时三分之一的人类反被当成机器。同一批人还相信"用 AI 治癌不是夸张"——这期把"AI 像不像人"和"AI 能不能设计出救命的药"放在了一起。

主持人让观众扫码，一半配到真人、一半配到 AI，2 分钟内判断对面是不是机器。

• 反直觉数字：33% 的人类被误判成 AI，现场有人吐槽"我就是这么说话的"；说明"像 AI"已经不等于"不像人"。
• 模型排名：Astra 最难识破，其后是 Claude、GLM、Gemini，Grok 与 Kimi 并列；这个顺序本身就是一次非正式横评。
• 实验设计：AI 被塞进"32 岁男性、就坐在你旁边"的人设和完整上下文，仍只有约 30% 骗过观众；整个测试网站是用 Claude Code 在 12 小时内 vibe code 出来的。

Alfredo 是 AMA 联合创始人、UCLA 癌症生物信息学博士，他的论点是测序成本已跌到"比在湾区吃顿饭还便宜"。

• 新旧对比：10 年前的 TCGA 每种肿瘤只能测几百个病人，只能找平均值；现在单个病人就有约 2 万个基因的数据点，再叠加拷贝数、RNA 表达、可变剪接，把每个病人当独立数据集来挖。
• 真实案例：一位罕见脑瘤患者跨数据集聚类后，发现肿瘤在生物学上更接近间叶来源肿瘤，据此找到文献里没有的治疗路径；另一位患者被回溯发现最后三轮化疗与其肿瘤异质性不匹配，等于白挨了三轮毒。
• 瓶颈在流程不在科学：类器官技术本身可行，但医院把组织直接丢进固定液，样本就废了；这是基础设施问题。

Yousef 在 Arc Institute 起过 ML 团队，现于 Intology 做自主 AI 科研，他讲的是让 AI 建模"细胞状态"而不只是分子序列。

• 为什么难：药物临床失败的最大原因是疗效不足——我们很会设计分子、很会结合已知靶点，但不擅长判断该打哪个靶点。
• 踩的坑：用 agent 跑了一个月，把 NIH 公开转录组数据从 3600 万细胞重处理到 5 亿以上，结果绝大多数是免疫细胞，其中 T 细胞又高出一个数量级——公开数据"量大但极度偏科"。
• 解法转向：不再先堆数据再训练，而是用 Claude、GPT 这类已懂生物学的模型去指导该做哪些实验；Intology 的系统搬到分子结合亲和力预测上，随算力增加仍显著优于 Codex 等通用 agent，但作者强调这是 in silico 结果，还需湿实验验证。

"在很多方面，我们对宇宙结构的理解，要好过对活细胞运作方式的理解。"

• 做垂直领域 agent 别急着堆数据：先查清公开数据的分布偏差（5 亿细胞里 T 细胞严重过采样就是教训），再用大模型决定"下一个实验做什么"，而不是"下一个数据集抓什么"。
• 图灵测试式的"人机难辨"已不是好指标——33% 的人类被误判说明它测的是说话风格而非智能；评估 agent 应换成任务完成率、成本、可验证产出这类硬指标。