Ein 18-jähriger Gymnasist hat mit KI 1,5 Millionen unbekannte Himmelskörper entdeckt. Die ersten ChatGPT-Einheimischen haben ihre Schulausbildung abgeschlossen.
Gerade hat OpenAI eine Seite namens „ChatGPT Futures“ online gestellt.
Insgesamt 26 junge Menschen (oder Teams) bekommen jeweils 10.000 US-Dollar Preisgeld plus Zugang zu fortschrittlichen Modellen.
Unter ihnen fällt der Name Matteo Paz besonders auf.
Im März des vergangenen Jahres war er noch ein 18-jähriger Schüler. Er hat ein maschinelles Lernalgorithmus entwickelt, um fast 200 TB Daten und etwa 200 Milliarden Zeilen Aufzeichnungen, die über mehr als zehn Jahre durch die Infrarot-Sternebeobachtung von NEOWISE gesammelt wurden, zu verarbeiten. Daraus hat er 1,9 Millionen infrarotvariierende Himmelskörper markiert und klassifiziert, von denen etwa 1,5 Millionen potenzielle neue Entdeckungen waren, die bisher nicht dokumentiert waren.
Seine Dissertation wurde in der Zeitschrift „Astronomical Journal“ veröffentlicht.
Im März dieses Jahres gewann er den ersten Preis des Regeneron Science Talent Search.
Nach der Beschreibung der Caltech (California Institute of Technology) ist dies „ein lokaler Schüler, der an der Caltech einen Durchbruch erzielt hat“.
Paz ist nur einer der 26 ausgewählten Personen.
Am 11. März 2025 hielt der 18-jährige Matteo Paz auf der Preisverleihung den ersten Preis des Regeneron Science Talent Search in der Hand. Er gewann den Preis, weil er mit einem KI-Algorithmus 1,5 Millionen unbekannte Himmelskörper entdeckt hat.
Auf derselben Liste befinden sich auch –
Die 18-jährige Crystal Yang: Sie hat ein Lernspiel entwickelt, das für 200.000 sehbehinderte Schüler das Sehen durch Hören ersetzt;
Die 19-jährige Anshi Bhatt: Ihr Anti-Betrugssystem hat bereits 18.000 Menschen davor bewahrt, Opfer von Online-Betrügen zu werden;
Die 25-jährige Amrita Bhasin: Ihr aufgebautes Logistiksystem hat es ermöglicht, dass über 5 Millionen Pfund an unverkauften Warenmengen den Müllhalden entgangen sind
…
Bei den 26 Projekten geht es von der Astronomie bis zur Katastrophenhilfe, von der Medizin bis zur Landwirtschaft, von der Bildung von blinden Kindern bis zur Finanzverwaltung von Straßenhändlern in Südamerika. Keines von ihnen ist „ein Aufsatz mit ChatGPT schreiben“. Sie richten ihren Blick auf die hartnäckigen Probleme, die früher nur mit Erfahrung, Institutionen und Geld angegangen werden konnten.
KI ermöglicht es ihnen, zu träumen und zu handeln, was für die vorherige Generation von jungen Menschen kaum vorstellbar war.
Die „erste Generation von ChatGPT-Einheimischen“ hat abgeschlossen
Die Absolventen der Klasse 2026 sind die erste Generation von Absolventen, die während ihres gesamten Studiums jederzeit auf ChatGPT zugreifen konnten.
Obwohl „jederzeit verfügbar“ nicht bedeutet, „durchgehend abhängig“, reicht es bereits aus, um die Lern- und Lebensweise einer Generation von Menschen durch KI neu zu gestalten.
Vor etwa dreieinhalb Jahren, im Herbst 2022, kamen die Erstsemester der Klasse 2026 an die Universität. Zwei Monate später, am 30. November, tauchte ChatGPT auf. Seitdem ist ihre Universitätszeit mit ChatGPT verbunden, und die „erste Generation von ChatGPT-Einheimischen“ ist geboren.
Bevor das erste Semester des ersten Jahres vorbei war, stand auf ihrem Schreibtisch bereits eine KI, die Code schreiben, Literatur recherchieren und über jedes Thema sprechen konnte.
Unter diesen 26 Personen (oder Teams) gibt es 18-jährige Schüler und interuniversitäre Forschungsgruppen. Sie tragen nicht alle das Label „Aktuelle Absolventen“, aber sie sind alle Beispiele für diese Generation von jungen Menschen.
Mit der von OpenAI jetzt eingeführten Plattform „ChatGPT Futures“ werden nicht nur Preise verteilt, sondern es wird auch ein Vorbild für „ausgezeichnete junge Menschen in der KI-Zeit“ gesetzt.
Sie „sehen mit KI Dinge, die der Mensch nicht sieht“
Was machen die „erste Generation von ChatGPT-Einheimischen“ mit KI?
Schauen wir uns zunächst drei der repräsentativsten Projekte an.
Das erste ist das Projekt von Matteo Paz.
Er hat es mit den Daten zu tun, die von NEOWISE, einem abgeschalteten infraroten Sternenbeobachtungsteleskop der NASA, über zehn Jahre hinweg gesammelt wurden.
Nach den Worten von Paz' Betreuer Davy Kirkpatrick: „Diese Tabelle hat fast 200 Milliarden Zeilen und dokumentiert alle unsere Beobachtungen der letzten zehn Jahre.“
200 Milliarden Zeilen und fast 200 TB Daten können von Menschen einfach nicht verarbeitet werden. Dies ist die Art von Arbeit, die KI gut kann, aber Menschen nur schwer.
Im Jahr 2023 präsentierte Matteo Paz auf der Tagung des Caltech Summer Research Connection die ersten Ergebnisse seines KI-Astronomieprojekts.
Paz hat einen maschinellen Lernalgorithmus namens VARnet geschrieben, der die gesamte Tabelle durchgegangen ist und 1,9 Millionen infrarotvariierende Himmelskörper markiert hat. Davon sind 1,5 Millionen bisher nicht dokumentierte Entdeckungen: Supermasserechte Löcher, junge Sterne, Supernovae …
Anfangs hatte Kirkpatrick nur gehofft, „ein paar variable Sterne zu finden und der Astronomiewelt zu zeigen, dass es noch wertvolle Informationen in diesen Daten gibt“.
Am Ende hat Paz eine vollständige Katalogisierung des gesamten Datensatzes erstellt: 1,9 Millionen variable Himmelskörper, in zehn Kategorien unterteilt und alle archiviert.
Das zweite Projekt heißt AION-Search und wird von Nolan Koblischke geleitet.
Sein Ziel ist es, 140 Millionen Galaxienbilder „durch natürliche Sprache durchsuchbar“ zu machen.
Beim traditionellen astronomischen Bildsucheverfahren wird entweder nach Bildähnlichkeit oder vordefinierten Kategorien gesucht. Möchten Sie eine Spiralgalaxie mit Hinweisen auf Verschmelzung oder eine vermeintliche Gravitationslinse finden? Entschuldigung, Sie müssen zuerst einen speziellen Klassifikator trainieren.
Öffentliche Demo-Oberfläche von AION-Search, die die Suche mit natürlicher Sprache unterstützt. Die Dissertation besagt, dass das System auf 140 Millionen Galaxienbilder erweitert werden kann. https://huggingface.co/spaces/astronolan/AION-Search
Was Koblischke macht: Zuerst lässt er GPT-4.1-mini automatisch Textbeschreibungen für 275.000 Galaxienbilder erstellen (Kosten: 150 US-Dollar); dann trainiert er einen gemeinsamen Abrufraum für Bilder und Texte mit kontrastivem Lernen; schließlich erweitert er das System auf 140 Millionen Bilder.
Wie effektiv ist das Ergebnis?
Gravitationslinsen sind die seltensten Objekte in den Galaxiedaten und machen nur 0,1 % der gesamten Datenbank aus: Das entspricht der Suche nach einem Bild in 1.000 Fotos.
Wenn man das traditionelle Bildähnlichkeitsverfahren verwendet, sind fast alle der ersten 10 Suchergebnisse falsch. Mit AION-Search sind ein beträchtlicher Teil der ersten 10 Ergebnisse richtig.
Die Branche misst die Genauigkeit der ersten 10 Suchergebnisse mit einem Index namens nDCG@10.
AION-Search erreicht 0,180, während das traditionelle Verfahren nur 0,015 erreicht: Das ist eine mehr als zehnfache Verbesserung der Suchleistung.
Seltenere Phänomene, die zuvor von Astronomen manuell in Hunderttausenden von Bildern gesucht werden mussten, können jetzt mit natürlicher Sprache gefunden werden.
Das dritte Projekt heißt WiFind.
Das Projekt WiFind, das von Nayel Rehman, Arhan Menta, Rushil Kukreja und Aayush Tendulkar entwickelt wurde, nutzt KI, um WiFi-Signale zu verarbeiten und versucht, durch Wände und Trümmer hindurch Überlebende in Katastrophengebieten zu finden.
Mitglieder des WiFind-Projektteams
WiFind ist derzeit ein auf einer Springer-Konferenz vorgestelltes Paper und ein Siegerprojekt des Conrad Challenge. Es befindet sich noch im Prototypenstadium und ist kein bereits implementiertes Katastrophenhilfesystem.
Aber seine Idee ist sehr neuartig: WiFi-Router gibt es überall auf der Welt, und jeder ist ein potenzieller „Lebensdetektor“.
Zeyneb Kaya nutzt KI, um bedrohte Sprachen zu schützen; Amrita Bhasins Projekt bringt es über 5 Millionen Pfund an unverkauften Warenmengen, statt auf die Müllhalde zu gelangen, einer Wiederverwendung zuzuführen …
Das Gemeinsame an diesen 26 Projekten ist nicht, „mit KI Aufsätze zu schreiben“, sondern „mit KI Dinge anzugehen, die der Mensch nicht bewältigen kann“.
26 Namen, nicht nur Astronomie und Rettung
Wenn Sie diese Liste vollständig betrachten, werden Sie ein noch realistischeres Bild sehen:
Die 26 ausgewählten Personen (oder Teams) kommen aus über 20 Universitäten und Institutionen, darunter MIT, Stanford, Harvard, Oxford, Berkeley, Yale … Die Liste deckt im Wesentlichen die Spitzengruppe der Forschung in Nordamerika und Großbritannien ab.
OpenAI teilt sie in drei Kategorien ein: Creators (Schöpfer) entwickeln Produkte, Explorers (Entdecker) betreiben Forschung und Advocates (Verfechter) machen Werbung und vermitteln Wissen.
Die Entdeckung von Himmelskörpern, die Suche nach Galaxien und die Katastrophenrettung sind nur die drei am häufigsten vertretenen Richtungen.
Bei den übrigen Projekten entwickelt jemand ein Lernhilfsmittel, um seinen Altersgenossen die Belastung zu erleichtern; jemand übersetzt psychische Gesundheitsinformationen in die Muttersprachen von Minderheiten, damit die Psychotherapie nicht nur für die englischsprachige Welt zur Verfügung steht; jemand entwickelt barrierefreie Funktionen für behinderte Schüler, damit der Unterricht niemanden ausschließt; und jemand nutzt KI, um Betrugsinformationen zu erkennen und ältere Menschen davor zu bewahren, Opfer von Betrug zu werden.
Der 24-jährige Kyle Scenna aus Waterloo ist ein Unternehmer. Er sagte über ChatGPT: „Ich hätte nie gedacht, dass die Distanz zwischen dem Entdecken eines Problems und seiner Lösung so kurz sein könnte.“
Die 20-jährige Michelle Lawson studiert an der Smith College. Sie sagte: „Ich habe immer geglaubt, dass man alles erreichen kann, was man sich vorstellen kann, wenn man die richtige Unterstützung und die nötigen Ressourcen hat. KI hat dies für mich und Tausende von Menschen möglich gemacht.“
Der 23-jährige Nolan Windham ist bereits der KI-Leiter eines renommierten Hedgefonds. Er sagte: „Das aufregende ist, dass dies erst der Anfang ist.“
Wenn es um KI geht, haben sie eines gemeinsam: KI ermöglicht es ihnen, mehr zu tun.
Dies ist der größte Unterschied zwischen dieser Generation von „KI-Einheimischen“ und der vorherigen Generation:
Sie betrachten KI als Standard-Infrastruktur, als einen unverzichtbaren Teil ihres Lern- und Lebensalltags, ähnlich wie die vorherige Generation von Internet-Einheimischen Wi-Fi betrachtet.
Die Hürde ist nicht verschwunden, sondern nur verschoben
Da Schüler Astronomieentdeckungen machen können, könnte viele Menschen eine optimistische Illusion erwecken: KI hat die Hürde für die Wissenschaft tatsächlich abgebaut.
Aber es ist noch zu früh, eine solche Beurteilung zu treffen. Schauen wir uns zunächst Paz' vollständiges Curriculum vitae an.
Im Sommer 2022, als er noch Schüler war, nahm er am Planet Finder Academy der Caltech teil.
Im Jahr 2023 nahm er an einem sechswöchigen Summer Research Connection-Programm der Caltech teil, bei dem der erfahrene Astronom Davy Kirkpatrick von der IPAC als sein Forschungbetreuer fungierte.
Paz absolvierte die „Math Academy“ des Pasadena School District: Im achten Schuljahr absolvierte er die AP Calculus BC (Advanced Placement Calculus BC), das normale Gymnasialschüler erst im zwölften Schuljahr erlernen. Paz absolvierte es vor seinem vierzehnten Geburtstag.
Mit anderen Worten, Paz ist nicht „ein normaler Schüler plus ChatGPT“, sondern „ein Schüler, der bereits auf universitärer Ebene in Mathematik voraus ist, zwei Jahre lang von einem Top-Betreuer der Caltech begleitet wurde und direkt auf die Rechenressourcen der IPAC zugreifen kann“, plus KI.
