18岁高中生利用AI技术发现150万未知天体首批ChatGPT原住民毕业

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

OpenAI最近上线了一个名为「ChatGPT Futures」的页面，公布了首届「ChatGPT Futures Class of 2026」的26位入选者。这份名单，或许正在重新定义“优秀年轻人”的模样。

入选者每人（或团队）将获得1万美元奖金及前沿模型的访问权限。但比奖金更引人注目的，是他们正在用AI做的事。

名单上最耀眼的名字之一，是Matteo Paz。去年三月，他还是一名18岁的高中生。他开发了一套机器学习算法，处理了NASA的NEOWISE红外巡天望远镜在十余年间积累的近200TB数据，涉及约2000亿行观测记录。最终，他从中标记并分类出190万个红外变源天体，其中约150万个是此前从未被记录过的潜在新发现。

这项成果发表在了《天文学杂志》上，并在今年三月为他赢得了有“少年诺贝尔奖”之称的雷杰纳隆科学天才奖头奖。加州理工学院在报道此事时，用的标题是“一个本地高中生在Caltech实现了突破”。

而Paz只是这26个样本中的一个。这份名单里，还有为20万视障学生开发“以听代看”学习游戏的18岁学生Crystal Yang；开发反诈系统、已帮助1.8万人避开网络骗局的19岁学生Anshi Bhatt；以及搭建物流系统、让超过500万磅滞销库存免于填埋的25岁博士生Amrita Bhasin。

从天文发现到灾害救援，从医疗辅助到农业优化，从盲童教育到街头小贩的财务管理，这26个项目没有一个停留在“用ChatGPT写论文”的层面。他们将目光投向了那些过去通常需要深厚资历、庞大机构或巨额资金才能触碰的硬核领域。AI赋予了他们“敢想”的勇气和“能做”的工具，这是上一代年轻人在同龄时难以想象的。

“第一代ChatGPT原住民”毕业了

2026届的大学毕业生，是历史上第一代在整个大学生涯中都能“随时使用”ChatGPT的群体。虽然“随时可用”不等于“全程依赖”，但这已足够重塑一代人的学习与创造方式。

大约三年半前，2024年秋季，这批学生刚踏入大学校门。仅仅两个多月后，ChatGPT横空出世。从此，他们的大学生活便与这项技术深度绑定，“第一代ChatGPT原住民”就此诞生。大一第一学期还没结束，他们的书桌上就多了一个能编程、能查文献、能探讨任何话题的智能伙伴。

OpenAI此次推出的「ChatGPT Futures」，目的不仅是颁发奖金，更是试图为“AI时代的优秀年轻人”树立一个标杆，展示他们如何将技术转化为切实的影响力。

他们用AI，看见了人类看不见的东西

那么，这些“原住民”究竟在用AI做什么？不妨看看三个最具代表性的项目。

第一个就是Matteo Paz的天文发现项目。他面对的是NEOWISE望远镜积累的庞大数据。用他的导师、IPAC资深天文学家Da vy Kirkpatrick的话说：“那张数据表已经逼近2000亿行，记录了我们过去十年的每一次探测。”面对2000亿行、近200TB的数据，人力翻阅近乎不可能，而这正是AI擅长而人类难以企及的领域。

Paz编写了一个名为VARnet的机器学习算法，对整个数据集进行了梳理，最终识别出190万个红外变源天体，并分为十大类，形成了一份完整的目录。他的导师最初只期望能“找几颗变星出来”，而Paz的成果远远超出了预期。

第二个项目叫AION-Search，主理人是Nolan Koblischke。他的目标是为1.4亿张星系图像装上“自然语言搜索”功能。传统天文图像检索依赖图像相似度或预定义标签，如果想找“具有并合迹象的螺旋星系”这类复杂目标，通常需要专门训练一个分类器。

Koblischke的思路很巧妙：他先花费约150美元，用GPT-4.1-mini为27.5万张星系图自动生成了文字描述；然后通过对比学习训练出一个共享的图文检索空间；最终将系统扩展到1.4亿张图像。效果如何？以数据库中仅占0.1%的稀有目标“引力透镜”为例，传统图像相似度搜索在前10个结果中几乎全错，而AION-Search的前10个结果中能命中多个。用衡量检索精度的指标nDCG@10来看，AION-Search达到了0.180，是传统方法（0.015）的10倍以上。

第三个项目是WiFind，由Nayel Rehman、Arhan Menta、Rushil Kukreja和Aayush Tendulkar共同开发。他们尝试利用AI处理无处不在的WiFi信号，目标是穿透墙壁或瓦砾，在灾难现场探测生命迹象。目前该项目仍处于原型阶段，但思路极具启发性：将全球数以亿计的路由器，变为潜在的“生命探测器”。

此外，名单中还有用AI保护濒危语言的Zeyneb Kaya，以及前文提到的让数百万吨库存免于浪费的Amrita Bhasin。这些项目的共同点，不在于“用AI写论文”，而在于“用AI去解决人类凭自身力量难以高效处理的问题”。

26个名字，不止于天体与救援

摊开完整的名单，你会看到一个更多元的图景。26位入选者来自麻省理工学院、斯坦福、哈佛、牛津、伯克利、耶鲁等20多所顶尖院校和研究机构。OpenAI将他们分为三类：创造者（Creators）专注于产品开发，探索者（Explorers）深耕前沿研究，倡导者（Advocates）致力于技术推广与普及。

天体发现、星系搜索、灾区救援只是其中最为硬核的几个方向。其他项目同样充满温度与社会价值：有人开发学习辅助工具，缓解同龄人的学业压力；有人将心理健康资料翻译成少数族裔母语，打破心理咨询的语言壁垒；有人为残障学生开发无障碍功能，推动教育公平；还有人用AI识别反诈信息，保护老年人免受其害。

24岁的创业者Kyle Scenna感慨：“我从没想过，从发现一个问题到把它实现出来，这个距离能变得这么短。”20岁的Michelle Lawson则认为：“AI让‘只要拥有合适的资源，就能实现想象’这件事，对我自己和成千上万的人而言，变成了现实。”23岁便已成为一家知名对冲基金AI主管的Nolan Windham则说：“让人兴奋的是，这一切才刚刚开始。”

他们的一个共同感受是，AI极大地扩展了个人能力的边界。这才是这一代“AI原住民”与上一代人的根本不同：AI对他们而言，已成为默认的基础设施，是学习和创造中不可或缺的一部分，就像上一代互联网原住民看待Wi-Fi一样自然。

门槛并未消失，只是挪了位置

看到高中生都能做出天文发现，很容易产生一种错觉：AI是不是已经把科研的门槛彻底抹平了？

但下此结论为时尚早。仔细看Matteo Paz的履历：他在高中阶段就进入了加州理工学院的“行星发现学院”项目；2024年夏天，他又参与了加州理工学院为期六周的“夏季研究连接”项目，并由IPAC的资深天文学家亲自指导。他在八年级就修完了相当于大学水平的AP微积分BC课程。换言之，Paz的故事并非“一个普通高中生+ChatGPT”的奇迹，而是“一个数学天赋突出、拥有顶尖学府导师指导、能调用专业计算资源的高中生”，再加上AI的助力。

再看AION-Search，其论文中也坦诚了局限性：视觉语言模型可能会漏掉细微的天文结构，也可能带入GPT-4.1-mini本身的偏见；整套方法能在天文领域奏效，本身也受益于“星系动物园”等高质量人工标注数据早已被用于训练大模型。AI发现的，很大程度上仍是天文学家已知并教会它识别的现象。

至于WiFind，它目前仍是一个原型，距离投入真实灾难救援还有很长的路要走。

说到底，AI抹平的是“重复性劳动”和“海量数据处理”的门槛，但它并没有抹平“专业品味”、“关键判断”和“长期学术训练”的价值。Paz故事的重点，或许不在于AI让每个高中生都能成为天文学家，而在于让一个本就具备顶尖潜质的少年，将他的发现之旅提前了十年甚至更久。

门槛从未消失，它只是从“能不能做到”，转移到了“能不能想到”以及“如何巧妙地引导AI去实现”。这或许才是AI时代给所有年轻人提出的新课题。