18歲高中生用AI挖出150萬未知天體，首批ChatGPT原住民畢業

新智元報道

編輯：元宇

【新智元導讀】18歲高中生挖出約150萬個未知天體，25歲博士生給1.4億張星系圖裝上自然語言搜索……OpenAI發布了首屆「ChatGPT Futures Class of 2026」，26位入選者來自從大一就用上ChatGPT的年輕群體，他們正在用AI改寫「優秀年輕人」的定義。

剛剛，OpenAI上線了一個叫「ChatGPT Futures」的頁面。

一共26個年輕人（或團隊），每人（或團隊）1萬美元獎金，外加前沿模型訪問權限。

其中，最引人矚目的一個名字叫Matteo Paz。

去年3月，他還是一位18歲的高中生，他開發機器學習算法，處理了NEOWISE十余年紅外巡天攢下的近200TB數據、約2000億行記錄，從中標記并分類出190萬個紅外變源天體，其中約150萬個為此前未記錄的潛在新發現。

他的論文發在《Astronomical Journal》（《天文學雜志》）。

今年3月又拿下Regeneron Science Talent Search（雷杰納隆科學天才獎）頭獎。

按Caltech（加州理工學院）的描述，這是「一個本地高中生在Caltech實現了突破」。

而Paz只是26位入選者里的一個。

2025年3月11日，18歲的Matteo Paz在頒獎典禮上手持Regeneron Science Talent Search頭獎獎杯，他因憑借AI算法發現150萬個未知天體獲獎。

同一份名單上，還有——

18歲的Crystal Yang：她為20萬視障學生開發了「以聽代看」的學習游戲；

19歲的Anshi Bhatt：她做的反詐系統已經幫1.8萬人避開網絡騙局；

25歲的Amrita Bhasin：她搭建的物流系統讓超過500萬磅滯銷庫存繞開了垃圾填埋場

26個項目，從天文到救災、從醫療到農業、從盲童教育到南美街頭小販的財務管理，沒有一個是「用ChatGPT寫論文」，他們把目光投向的，全是過去要靠資歷、靠機構、靠資金才能碰的硬命題。

AI讓他們敢想、能做，這是上一代年輕人難以想象的。

「第一代ChatGPT原住民」畢業了

2026屆畢業生，是第一屆在整個大學經歷中都能「隨時使用」ChatGPT的畢業生。

雖然「隨時可用」并不意味著「全程依賴」，但已足以讓AI重塑一代人學習和生活方式。

大約三年半以前，2022年秋季，2026屆新生入學。兩個多月后的11月30日，ChatGPT橫空出世。他們的大學生涯，從此和ChatGPT綁在了一起，「第一代ChatGPT原住民」誕生。

大一第一學期還沒結束，他們的書桌上就多出了一個能寫代碼、能找文獻、能聊任何話題的AI。

在這26名個人（或團隊）里，有18歲的高中生，也有跨校組隊的研究小組，并非清一色的「應屆畢業生」標簽，但都是這一代年輕人的樣本。

OpenAI這次推出的「ChatGPT Futures」，不僅是在發獎金，還想為「AI時代的優秀年輕人」打個樣。

他們「用AI看見人類看不見的東西」

「第一代ChatGPT原住民」在用AI做什么？

先看三個最具代表性的項目。

第一個是Matteo Paz的項目。

他面對的是NEOWISE：一臺NASA退役紅外巡天望遠鏡十年掃天攢下的全部數據。

用Paz導師Davy Kirkpatrick的話說：「這張表已經逼近2000億行，記錄了我們過去十年的每一次探測。」

2000億行、近200TB的數據，單純依靠人力根本翻不動，這是AI能做但人類很難做的那類工作。

2023年，Matteo Paz在Caltech暑期研究項目（Summer Research Connection）研討會上展示其AI天文項目的初期成果。

Paz寫了一個叫VARnet的機器學習算法，把整張表過了一遍，標出190萬個紅外變源天體，其中150萬是此前沒人記錄過的全新發現：超大質量黑洞、新生恒星、超新星……

這一項工作，Kirkpatrick原本只指望「找幾顆變星出來，告訴天文界這數據里還有寶」。

結果Paz給整個數據集出了一份完整目錄：190萬個變源天體，分十大類，全部歸檔。

第二個項目叫AION-Search，主理人Nolan Koblischke。

他的目標是讓1.4億張星系圖變得「可被自然語言搜索」。

傳統的天文圖像檢索，要么靠圖像相似度，要么靠預定義類別。想找「具有并合跡象的螺旋星系」或「疑似引力透鏡」？對不起，得先訓一個專門分類器。

AION-Search公開Demo界面，支持自然語言檢索，論文稱系統可擴展到1.4億張星系圖像。https://huggingface.co/spaces/astronolan/AION-Search

Koblischke的做法是：先讓GPT-4.1-mini給27.5萬張星系圖自動寫文字描述（成本150美元）；再用對比學習訓練一個圖文共享檢索空間；最后，擴展到1.4億張圖。

結果有多硬核？

引力透鏡是星系數據里最稀有的目標，只占整個數據庫的0.1%：相當于在1000張照片里找1張。

讓傳統的圖像相似度算法去找，前10個結果里幾乎全是錯的。換成AION-Search，前10個里有相當一部分是對的。

行業用一個叫nDCG@10的指標衡量「前10個結果排得有多準」。

AION-Search拿到0.180，傳統方法只有0.015：這是10倍以上檢索效果的提升。

原本要讓天文學家從幾十萬張圖里手動一張張翻找的稀有現象，現在用自然語言就能搜到。

第三個項目叫WiFind。

該項目是Nayel Rehman、Arhan Menta、Rushil Kukreja、Aayush Tendulkar做的WiFind，用AI處理WiFi信號，試圖穿墻、穿瓦礫，在災區找到幸存者。

WiFind項目團隊成員

WiFind目前是Springer會議論文加Conrad Challenge獲獎項目，還在原型階段，不是已經部署的救災系統。

但它的思路非常新奇：WiFi路由器全世界遍地都是，每一臺都是潛在的「生命探測器」。

還有Zeyneb Kaya在用AI保護瀕危語言；Amrita Bhasin的項目讓超過500萬磅未售庫存從填埋場轉向再利用……

這26個項目的共同點，不是「用AI寫論文」，而是「用AI去碰人類碰不動的事」。

26個名字

不只是天體和救援

把這份名單完整攤開，你會看到一個更立體的圖景：

26位入選者（團隊）來自20多所大學和機構，包括MIT、斯坦福、哈佛、牛津、Berkeley、耶魯……名單基本覆蓋了北美和英國的研究第一梯隊。

OpenAI將他們分成三類：Creators（創造者）做產品，Explorers（探索者）做研究，Advocates（倡導者）做推廣和普及。

天體發現、星系搜索、災區救援只是最集中的三個方向。

剩下的項目里，有人在做學習輔助工具，給同齡人減輕壓力；有人在把心理健康資料翻譯成少數族裔母語，讓心理咨詢不再只服務英語世界；有人在給殘障學生開發無障礙功能，讓課堂不再把人擋在門外；還有人在用AI識別詐騙信息，預防老年人受騙。

24歲的Kyle Scenna來自Waterloo，是一位創業者。他在談到ChatGPT時說：「我從沒想過，從發現一個問題到把它做出來，這個距離能這么短。」

20歲的Michelle Lawson在Smith College（史密斯學院）讀書。她說：「我一直相信，只要給你合適的支持和資源，你能實現你想象的一切。AI讓這件事，對我自己、對成千上萬的人，都成真了。」

23歲的Nolan Windham已經是一家知名對沖基金的AI主管。他說：「讓人興奮的是，這才剛剛開始。」

提到AI，他們的一個共同點在于，AI讓他們能做的事變多了。

這才是這一代「AI原住民」與上一代人最大的不同：

他們已經將AI當成默認基礎設施，自己學習和生活中不可或缺的一部分，就像上一代互聯網原住民看待「Wi-Fi」一樣。

門檻并未消失

只是挪了位置

高中生都可以做天文學發現，很多人可能因此產生一種樂觀的幻覺：AI真把科研的門檻給抹平了。

但下這樣的判斷還為時過早，先看一下Paz的完整履歷。

2022年夏天，他還在讀高中的時候，就進了Caltech的Planet Finder Academy（行星發現學院）。

2023年，又參加Caltech為期六周的Summer Research Connection（夏季研究連接）項目，由IPAC資深天文學家Davy Kirkpatrick擔任他的科研導師。

Paz在中學就讀完了Pasadena學區項目「Math Academy」（數學學院）：八年級修完AP Calculus BC（大學先修微積分BC），普通高中生要在12年級才碰到的微積分，他在14歲前就拿下。

換句話說，Paz不是「一個普通高中生加ChatGPT」，他是「一個數學先修到大學水平、有Caltech頂級導師陪了兩年、能直接調用IPAC計算資源的高中生」，再加AI。

https://arxiv.org/pdf/2512.11982

那個讓1.4億張星系圖可被自然語言搜索的AION-Search，論文里也提到了它的局限：

VLM會漏掉細微的天文結構，會把GPT-4.1-mini本身的偏見帶進系統，整套方法在天文領域能跑得通，本身也得益于Galaxy Zoo等人工標注數據已經被GPT當訓練語料喂過。

AI找到的，主要還是天文學家以前就知道該怎么標注的現象。

而用WiFi信號穿透瓦礫找幸存者的WiFind，眼下也還只是原型，不是已經在地震災區跑起來的救援系統。

AI抹平的是「重復勞動的門檻」，它并沒有抹平「品味、判斷、長期訓練」。

Paz故事的重點，不在于AI讓任何高中生都能做天文學，而在于一個本來就要做出天文發現的高中生，把這件事提前了十年。

門檻并沒消失，它只是從「能不能做到」，挪到了「能不能想到」。

參考資料：

https://x.com/OpenAI/status/2052086313797705954