18岁高中生用AI挖出150万未知天体，首批ChatGPT原住民毕业

新智元报道

编辑：元宇

【新智元导读】18岁高中生挖出约150万个未知天体，25岁博士生给1.4亿张星系图装上自然语言搜索……OpenAI发布了首届「ChatGPT Futures Class of 2026」，26位入选者来自从大一就用上ChatGPT的年轻群体，他们正在用AI改写「优秀年轻人」的定义。

刚刚，OpenAI上线了一个叫「ChatGPT Futures」的页面。

一共26个年轻人（或团队），每人（或团队）1万美元奖金，外加前沿模型访问权限。

其中，最引人瞩目的一个名字叫Matteo Paz。

去年3月，他还是一位18岁的高中生，他开发机器学习算法，处理了NEOWISE十余年红外巡天攒下的近200TB数据、约2000亿行记录，从中标记并分类出190万个红外变源天体，其中约150万个为此前未记录的潜在新发现。

他的论文发在《Astronomical Journal》（《天文学杂志》）。

今年3月又拿下Regeneron Science Talent Search（雷杰纳隆科学天才奖）头奖。

按Caltech（加州理工学院）的描述，这是「一个本地高中生在Caltech实现了突破」。

而Paz只是26位入选者里的一个。

2025年3月11日，18岁的Matteo Paz在颁奖典礼上手持Regeneron Science Talent Search头奖奖杯，他因凭借AI算法发现150万个未知天体获奖。

同一份名单上，还有——

18岁的Crystal Yang：她为20万视障学生开发了「以听代看」的学习游戏；

19岁的Anshi Bhatt：她做的反诈系统已经帮1.8万人避开网络骗局；

25岁的Amrita Bhasin：她搭建的物流系统让超过500万磅滞销库存绕开了垃圾填埋场

26个项目，从天文到救灾、从医疗到农业、从盲童教育到南美街头小贩的财务管理，没有一个是「用ChatGPT写论文」，他们把目光投向的，全是过去要靠资历、靠机构、靠资金才能碰的硬命题。

AI让他们敢想、能做，这是上一代年轻人难以想象的。

「第一代ChatGPT原住民」毕业了

2026届毕业生，是第一届在整个大学经历中都能「随时使用」ChatGPT的毕业生。

虽然「随时可用」并不意味着「全程依赖」，但已足以让AI重塑一代人学习和生活方式。

大约三年半以前，2022年秋季，2026届新生入学。两个多月后的11月30日，ChatGPT横空出世。他们的大学生涯，从此和ChatGPT绑在了一起，「第一代ChatGPT原住民」诞生。

大一第一学期还没结束，他们的书桌上就多出了一个能写代码、能找文献、能聊任何话题的AI。

在这26名个人（或团队）里，有18岁的高中生，也有跨校组队的研究小组，并非清一色的「应届毕业生」标签，但都是这一代年轻人的样本。

OpenAI这次推出的「ChatGPT Futures」，不仅是在发奖金，还想为「AI时代的优秀年轻人」打个样。

他们「用AI看见人类看不见的东西」

「第一代ChatGPT原住民」在用AI做什么？

先看三个最具代表性的项目。

第一个是Matteo Paz的项目。

他面对的是NEOWISE：一台NASA退役红外巡天望远镜十年扫天攒下的全部数据。

用Paz导师Davy Kirkpatrick的话说：「这张表已经逼近2000亿行，记录了我们过去十年的每一次探测。」

2000亿行、近200TB的数据，单纯依靠人力根本翻不动，这是AI能做但人类很难做的那类工作。

2023年，Matteo Paz在Caltech暑期研究项目（Summer Research Connection）研讨会上展示其AI天文项目的初期成果。

Paz写了一个叫VARnet的机器学习算法，把整张表过了一遍，标出190万个红外变源天体，其中150万是此前没人记录过的全新发现：超大质量黑洞、新生恒星、超新星……

这一项工作，Kirkpatrick原本只指望「找几颗变星出来，告诉天文界这数据里还有宝」。

结果Paz给整个数据集出了一份完整目录：190万个变源天体，分十大类，全部归档。

第二个项目叫AION-Search，主理人Nolan Koblischke。

他的目标是让1.4亿张星系图变得「可被自然语言搜索」。

传统的天文图像检索，要么靠图像相似度，要么靠预定义类别。想找「具有并合迹象的螺旋星系」或「疑似引力透镜」？对不起，得先训一个专门分类器。

AION-Search公开Demo界面，支持自然语言检索，论文称系统可扩展到1.4亿张星系图像。https://huggingface.co/spaces/astronolan/AION-Search

Koblischke的做法是：先让GPT-4.1-mini给27.5万张星系图自动写文字描述（成本150美元）；再用对比学习训练一个图文共享检索空间；最后，扩展到1.4亿张图。

结果有多硬核？

引力透镜是星系数据里最稀有的目标，只占整个数据库的0.1%：相当于在1000张照片里找1张。

让传统的图像相似度算法去找，前10个结果里几乎全是错的。换成AION-Search，前10个里有相当一部分是对的。

行业用一个叫nDCG@10的指标衡量「前10个结果排得有多准」。

AION-Search拿到0.180，传统方法只有0.015：这是10倍以上检索效果的提升。

原本要让天文学家从几十万张图里手动一张张翻找的稀有现象，现在用自然语言就能搜到。

第三个项目叫WiFind。

该项目是Nayel Rehman、Arhan Menta、Rushil Kukreja、Aayush Tendulkar做的WiFind，用AI处理WiFi信号，试图穿墙、穿瓦砾，在灾区找到幸存者。

WiFind项目团队成员

WiFind目前是Springer会议论文加Conrad Challenge获奖项目，还在原型阶段，不是已经部署的救灾系统。

但它的思路非常新奇：WiFi路由器全世界遍地都是，每一台都是潜在的「生命探测器」。

还有Zeyneb Kaya在用AI保护濒危语言；Amrita Bhasin的项目让超过500万磅未售库存从填埋场转向再利用……

这26个项目的共同点，不是「用AI写论文」，而是「用AI去碰人类碰不动的事」。

26个名字

不只是天体和救援

把这份名单完整摊开，你会看到一个更立体的图景：

26位入选者（团队）来自20多所大学和机构，包括MIT、斯坦福、哈佛、牛津、Berkeley、耶鲁……名单基本覆盖了北美和英国的研究第一梯队。

OpenAI将他们分成三类：Creators（创造者）做产品，Explorers（探索者）做研究，Advocates（倡导者）做推广和普及。

天体发现、星系搜索、灾区救援只是最集中的三个方向。

剩下的项目里，有人在做学习辅助工具，给同龄人减轻压力；有人在把心理健康资料翻译成少数族裔母语，让心理咨询不再只服务英语世界；有人在给残障学生开发无障碍功能，让课堂不再把人挡在门外；还有人在用AI识别诈骗信息，预防老年人受骗。

24岁的Kyle Scenna来自Waterloo，是一位创业者。他在谈到ChatGPT时说：「我从没想过，从发现一个问题到把它做出来，这个距离能这么短。」

20岁的Michelle Lawson在Smith College（史密斯学院）读书。她说：「我一直相信，只要给你合适的支持和资源，你能实现你想象的一切。AI让这件事，对我自己、对成千上万的人，都成真了。」

23岁的Nolan Windham已经是一家知名对冲基金的AI主管。他说：「让人兴奋的是，这才刚刚开始。」

提到AI，他们的一个共同点在于，AI让他们能做的事变多了。

这才是这一代「AI原住民」与上一代人最大的不同：

他们已经将AI当成默认基础设施，自己学习和生活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。

门槛并未消失

只是挪了位置

高中生都可以做天文学发现，很多人可能因此产生一种乐观的幻觉：AI真把科研的门槛给抹平了。

但下这样的判断还为时过早，先看一下Paz的完整履历。

2022年夏天，他还在读高中的时候，就进了Caltech的Planet Finder Academy（行星发现学院）。

2023年，又参加Caltech为期六周的Summer Research Connection（夏季研究连接）项目，由IPAC资深天文学家Davy Kirkpatrick担任他的科研导师。

Paz在中学就读完了Pasadena学区项目「Math Academy」（数学学院）：八年级修完AP Calculus BC（大学先修微积分BC），普通高中生要在12年级才碰到的微积分，他在14岁前就拿下。

换句话说，Paz不是「一个普通高中生加ChatGPT」，他是「一个数学先修到大学水平、有Caltech顶级导师陪了两年、能直接调用IPAC计算资源的高中生」，再加AI。

https://arxiv.org/pdf/2512.11982

那个让1.4亿张星系图可被自然语言搜索的AION-Search，论文里也提到了它的局限：

VLM会漏掉细微的天文结构，会把GPT-4.1-mini本身的偏见带进系统，整套方法在天文领域能跑得通，本身也得益于Galaxy Zoo等人工标注数据已经被GPT当训练语料喂过。

AI找到的，主要还是天文学家以前就知道该怎么标注的现象。

而用WiFi信号穿透瓦砾找幸存者的WiFind，眼下也还只是原型，不是已经在地震灾区跑起来的救援系统。

AI抹平的是「重复劳动的门槛」，它并没有抹平「品味、判断、长期训练」。

Paz故事的重点，不在于AI让任何高中生都能做天文学，而在于一个本来就要做出天文发现的高中生，把这件事提前了十年。

门槛并没消失，它只是从「能不能做到」，挪到了「能不能想到」。

参考资料：

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