นักเรียนมัธยมปลายวัย 18 ปีค้นพบเทห์ฟากฟ้าที่ไม่รู้จักถึง 1.5 ล้านดวงด้วย AI รายชื่อ ChatGPT Futures รุ่นแรกของ OpenAI เผยให้เห็นว่าชนพื้นเมืองดิจิทัลกำลังเขียนอนาคตใหม่อย่างไร

OpenAI เพิ่งเปิดตัวหน้าเว็บใหม่ชื่อ “ChatGPT Futures” ในหน้านี้มีรายชื่อผู้ได้รับคัดเลือก (หรือทีม) จำนวน 26 คน ซึ่งแต่ละคน (หรือแต่ละทีม) ได้รับเงินรางวัล 10,000 ดอลลาร์สหรัฐ และสิทธิ์ในการเข้าถึงโมเดล AI ที่ล้ำสมัย

หนึ่งในชื่อที่โดดเด่นที่สุดคือ Matteo Paz เมื่อเดือนมีนาคมปีที่แล้ว เขายังเป็นนักเรียนมัธยมปลายวัย 18 ปี เขาได้พัฒนาอัลกอริทึม机器学习 เพื่อประมวลผลข้อมูลเกือบ 200 เทราไบต์ (ประมาณ 2 แสนล้านรายการ) ที่กล้องโทรทรรศน์อินฟราเรด NEOWISE ของ NASA สะสมไว้เป็นเวลากว่าสิบปี ด้วยอัลกอริทึมนี้ เขาสามารถทำเครื่องหมายและจำแนกวัตถุที่แปรแสงในอินฟราเรดได้ 1.9 ล้านชิ้น โดยประมาณ 1.5 ล้านชิ้นเป็นการค้นพบใหม่ที่อาจไม่เคยถูกบันทึกมาก่อน ผลงานวิจัยของเขาได้รับการตีพิมพ์ในวารสารดาราศาสตร์ (Astronomical Journal) และในเดือนมีนาคมปีนี้ เขายังคว้ารางวัลสูงสุดของ Regeneron Science Talent Search มาครองได้อีกด้วย ตามคำกล่าวของ California Institute of Technology (Caltech) นี่คือ “นักเรียนมัธยมปลายในท้องถิ่นที่สร้างความก้าวหน้าที่ Caltech”

และ Paz เป็นเพียงหนึ่งใน 26 ผู้ได้รับคัดเลือกเท่านั้น

เมื่อวันที่ 11 มีนาคม 2025 Matteo Paz วัย 18 ปี ถือถ้วยรางวัลชนะเลิศ Regeneron Science Talent Search ในพิธีมอบรางวัล เขาได้รับรางวัลจากการใช้อัลกอริทึม AI ค้นพบวัตถุท้องฟ้าที่ไม่รู้จัก 1.5 ล้านชิ้น

ในรายชื่อนี้ ยังมี:

• Crystal Yang วัย 18 ปี: เธอพัฒนาเกมการเรียนรู้ “ฟังแทนดู” สำหรับนักเรียนผู้พิการทางสายตา 200,000 คน
• Anshi Bhatt วัย 19 ปี: ระบบป้องกันการหลอกลวงที่เธอสร้างขึ้นช่วยให้คน 18,000 คนรอดพ้นจากการถูกโกงทางอินเทอร์เน็ต
• Amrita Bhasin วัย 25 ปี: ระบบโลจิสติกส์ที่เธอออกแบบช่วยให้สินค้าคงคลังที่ขายไม่ออกมากกว่า 5 ล้านปอนด์ไม่ต้องถูกนำไปฝังกลบ

26 โครงการครอบคลุมหลากหลายสาขา ตั้งแต่วิชาดาราศาสตร์ การกู้ภัย การแพทย์ การเกษตร การศึกษาสำหรับเด็กตาบอด ไปจนถึงการจัดการการเงินของพ่อค้าแม่ค้าริมถนนในอเมริกาใต้ ไม่มีโครงการไหนที่เป็นแอปพลิเคชันง่ายๆ อย่าง “ใช้ ChatGPT เขียน论文” คนหนุ่มสาวเหล่านี้มุ่งความสนใจไปที่ปัญหาหนักๆ ที่แต่ก่อนต้องอาศัยประสบการณ์ สถาบัน หรือเงินทุนจำนวนมากเท่านั้นจึงจะเข้าถึงได้ AI ทำให้พวกเขากล้าที่จะจินตนาการและลงมือทำ ซึ่งเป็นสิ่งที่คนรุ่นก่อนเข้าถึงได้ยาก

“ชนรุ่นแรกที่เกิดมาพร้อม ChatGPT” จบการศึกษาแล้ว

บัณฑิตปี 2026 เป็นกลุ่มแรกที่สามารถ “ใช้ ChatGPT ได้ตลอดเวลา” ตลอดช่วงมหาวิทยาลัย แม้ว่า “ใช้ได้ตลอดเวลา” จะไม่เท่ากับ “พึ่งพาตลอดเวลา” แต่ก็เพียงพอแล้วที่ AI จะเปลี่ยนรูปแบบการเรียนรู้และวิถีชีวิตของคนรุ่นหนึ่ง ประมาณสามปีครึ่งที่แล้ว ในฤดูใบไม้ร่วงปี 2022 นักศึกษาใหม่ปี 2026 เข้าเรียน เพียงสองเดือนเศษต่อมาในวันที่ 30 พฤศจิกายน ChatGPT ก็ถือกำเนิดขึ้น ชีวิตในมหาวิทยาลัยของพวกเขาจึงเชื่อมโยงกับ ChatGPT อย่างใกล้ชิด “ชนรุ่นแรกที่เกิดมาพร้อม ChatGPT” จึงถือกำเนิดขึ้น ก่อนที่เทอมแรกของปีหนึ่งจะจบลง บนโต๊ะเรียนของพวกเขาก็มีผู้ช่วย AI ที่สามารถเขียนโค้ด ค้นหาเอกสาร และพูดคุยในทุกหัวข้อ

ในบรรดา 26 คน (หรือทีม) นี้ มีทั้งนักเรียนมัธยมปลายวัย 18 ปี และทีมวิจัยจากหลายมหาวิทยาลัย พวกเขาไม่ได้มีป้าย “บัณฑิตจบใหม่” ทุกคน แต่ล้วนเป็นภาพสะท้อนของคนหนุ่มสาวรุ่นนี้ “ChatGPT Futures” ที่ OpenAI เปิดตัวครั้งนี้ ไม่เพียงแต่แจกเงินรางวัล แต่ยังเป็นการสร้างมาตรฐานให้กับ “คนหนุ่มสาวที่เก่งในยุค AI”

พวกเขา “ใช้ AI มองเห็นสิ่งที่มนุษย์มองไม่เห็น”

“ชนรุ่นแรกที่เกิดมาพร้อม ChatGPT” ใช้ AI ทำอะไรกันแน่?

มาดูสามโครงการที่เป็นตัวแทนมากที่สุด

โครงการแรกคือของ Matteo Paz เขาเผชิญหน้ากับ NEOWISE: ข้อมูลทั้งหมดที่กล้องโทรทรรศน์อินฟราเรดสำรวจท้องฟ้าที่ปลดระวางแล้วของ NASA สะสมไว้จากการสแกนท้องฟ้าเป็นเวลาสิบปี ตามคำพูดของ Davy Kirkpatrick ที่ปรึกษาของ Paz: “ตารางนี้ใกล้จะถึง 2 แสนล้านแถวแล้ว บันทึกการตรวจจับทุกครั้งของเราในรอบสิบปี” เมื่อเผชิญกับข้อมูล 2 แสนล้านแถว เกือบ 200 เทราไบต์ มนุษย์ไม่สามารถพลิกดูได้ นี่คืองานที่ AI ถนัดแต่มนุษย์ทำได้ยาก

ในปี 2023 Matteo Paz นำเสนอผลงานเบื้องต้นของโครงการ AI ทางดาราศาสตร์ของเขาในการสัมมนาโครงการวิจัยภาคฤดูร้อนของ Caltech

Paz เขียนอัลกอริทึม机器学习ชื่อ VARnet เพื่อประมวลผลตารางข้อมูลทั้งหมด ทำเครื่องหมายวัตถุที่แปรแสงในอินฟราเรดได้ 1.9 ล้านชิ้น โดย 1.5 ล้านชิ้นเป็นการค้นพบใหม่ที่ไม่เคยมีใครบันทึกมาก่อน: หลุมดำมวลยิ่งยวด ดาวฤกษ์เกิดใหม่ ซูเปอร์โนวา… Kirkpatrick คาดหวังแต่แรกเพียง “หาดาวแปรแสงสักสองสามดวงมาบอกวงการดาราศาสตร์ว่าข้อมูลนี้ยังมีของดีอยู่” แต่ผลปรากฏว่า Paz สร้างแคตตาล็อกที่สมบูรณ์สำหรับชุดข้อมูลทั้งหมด: วัตถุที่แปรแสง 1.9 ล้านชิ้น แบ่งเป็นสิบประเภท เก็บถาวรทั้งหมด

โครงการที่สองชื่อ AION-Search ดำเนินการโดย Nolan Koblischke เป้าหมายของเขาคือทำให้ภาพดาราจักร 140 ล้านภาพ “สามารถค้นหาด้วยภาษาธรรมชาติ” วิธีการดั้งเดิมในการค้นหาภาพทางดาราศาสตร์ อาศัยความคล้ายคลึงของภาพหรือหมวดหมู่ที่กำหนดไว้ล่วงหน้า หากต้องการค้นหา “ดาราจักรชนิดก้นหอยที่มีร่องรอยการรวมตัว” หรือ “เลนส์ความโน้มถ่วงที่疑似” ต้องฝึกตัวแยกประเภทเฉพาะก่อน

อินเทอร์เฟซ Demo สาธารณะของ AION-Search รองรับการค้นหาด้วยภาษาธรรมชาติ 论文ระบุว่าระบบนี้สามารถขยายไปยังภาพดาราจักร 140 ล้านภาพ https://huggingface.co/spaces/astronolan/AION-Search

วิธีการของ Koblischke คือ: ขั้นแรกให้ GPT-4.1-mini สร้างคำอธิบายข้อความสำหรับภาพดาราจักร 275,000 ภาพโดยอัตโนมัติ (ต้นทุนเพียง 150 ดอลลาร์สหรัฐ) จากนั้นใช้การเรียนรู้แบบเปรียบเทียบเพื่อฝึกพื้นที่การค้นหาร่วมระหว่างภาพและข้อความ สุดท้าย ขยายระบบไปยังภาพ 140 ล้านภาพ ผลลัพธ์แข็งแกร่งแค่ไหน? เลนส์ความโน้มถ่วงเป็นเป้าหมายที่หายากที่สุดในข้อมูลดาราจักร คิดเป็นเพียง 0.1% ของฐานข้อมูลทั้งหมด เทียบเท่ากับการหา 1 ภาพจาก 1,000 ภาพ อัลกอริทึมความคล้ายคลึงของภาพแบบดั้งเดิมเมื่อค้นหา ผลลัพธ์ 10 อันดับแรกเกือบทั้งหมดผิด แต่เมื่อเปลี่ยนเป็น AION-Search ผลลัพธ์ 10 อันดับแรกส่วนใหญ่ถูกต้อง อุตสาหกรรมใช้ตัวชี้วัด nDCG@10 เพื่อวัด “ความแม่นยำในการจัดอันดับผลลัพธ์ 10 อันดับแรก” AION-Search ได้ 0.180 วิธีการดั้งเดิมได้เพียง 0.015 ซึ่งเป็นการปรับปรุงประสิทธิภาพการค้นหามากกว่า 10 เท่า ปรากฏการณ์หายากที่แต่ก่อนนักดาราศาสตร์ต้องค้นหาด้วยตนเองจากภาพหลายแสนภาพ บัดนี้สามารถค้นหาได้ด้วยภาษาธรรมชาติ

โครงการที่สามชื่อ WiFind โครงการนี้สำเร็จโดย Nayel Rehman, Arhan Menta, Rushil Kukreja, Aayush Tendulkar พวกเขาใช้ AI ประมวลผลสัญญาณ WiFi เพื่อพยายามทะลุกำแพง ทะลุเศษหิน เพื่อค้นหาผู้รอดชีวิตในพื้นที่ภัยพิบัติ

สมาชิกทีมโครงการ WiFind

ปัจจุบัน WiFind เป็น论文ในการประชุม Springer และโครงการที่ได้รับรางวัล Conrad Challenge ยังอยู่ในขั้นต้นแบบ ไม่ใช่ระบบกู้ภัยที่ใช้งานจริง แต่แนวคิดของมัน新颖มาก: เราเตอร์ WiFi มีอยู่ทั่วโลก ทุกเครื่องอาจกลายเป็น “เครื่องตรวจจับ生命” ที่มีศักยภาพ

นอกจากนี้ ยังมี Zeyneb Kaya ที่ใช้ AI ปกป้องภาษาที่ใกล้สูญพันธุ์; โครงการของ Amrita Bhasin ช่วยให้สินค้าคงคลังที่ขายไม่ออกมากกว่า 5 ล้านปอนด์เปลี่ยนจากการฝังกลบไปสู่การนำกลับมาใช้ใหม่… จุดร่วมของ 26 โครงการนี้ไม่ใช่ “ใช้ AI เขียน论文” แต่เป็น “ใช้ AI จัดการสิ่งที่มนุษย์จัดการไม่ได้”

26 ชื่อ ไม่ใช่แค่เทห์ฟากฟ้าและการกู้ภัย

เมื่อเปิดรายชื่อนี้เต็มๆ คุณจะเห็นภาพที่หลากหลายมากขึ้น: ผู้ได้รับคัดเลือก (ทีม) 26 คน มาจากมหาวิทยาลัยและสถาบันมากกว่า 20 แห่ง รวมถึง MIT, Stanford, Harvard, Oxford, Berkeley, Yale… รายชื่อครอบคลุมกลุ่มวิจัยชั้นนำในอเมริกาเหนือและอังกฤษเป็นส่วนใหญ่ OpenAI แบ่งพวกเขาออกเป็นสามประเภท: Creators (ผู้สร้าง) ทำผลิตภัณฑ์, Explorers (ผู้สำรวจ) ทำวิจัย, Advocates (ผู้สนับสนุน) ทำการส่งเสริมและเผยแพร่

การค้นพบเทห์ฟากฟ้า การค้นหาดาราจักร การกู้ภัยในพื้นที่ภัยพิบัติเป็นเพียงสามทิศทางที่เข้มข้นที่สุด ในโครงการที่เหลือ มีคนทำเครื่องมือช่วยการเรียนรู้เพื่อลดความเครียดให้เพื่อนวัยเดียวกัน; มีคนแปลเอกสารสุขภาพจิตเป็นภาษาแม่ของชนกลุ่มน้อย เพื่อให้การปรึกษาทางจิตวิทยาไม่จำกัดเฉพาะโลกที่ใช้ภาษาอังกฤษ; มีคนพัฒนาฟังก์ชันการเข้าถึงสำหรับนักเรียนพิการ เพื่อให้ห้องเรียนไม่ปิดกั้นผู้คน; และยังมีคนใช้ AI ระบุข้อมูลหลอกลวงเพื่อป้องกันผู้สูงอายุถูกโกง

Kyle Scenna วัย 24 ปี จาก Waterloo เป็นผู้ประกอบการ เมื่อพูดถึง ChatGPT เขากล่าวว่า: “ฉันไม่เคยคิดว่าระยะทางจากการค้นพบปัญหาจนถึงการทำให้มันเป็นจริงจะสั้นขนาดนี้” Michelle Lawson วัย 20 ปี เรียนที่ Smith College เธอกล่าวว่า: “ฉันเชื่อเสมอว่า ถ้าคุณให้การสนับสนุนและทรัพยากรที่เหมาะสม คุณสามารถทำให้ทุกสิ่งที่คุณจินตนาการเป็นจริงได้ AI ทำให้สิ่งนี้เป็นจริงสำหรับฉันและผู้คนอีกนับพัน” Nolan Windham วัย 23 ปี เป็นหัวหน้าแผนก AI ของกองทุนป้องกันความเสี่ยงที่มีชื่อเสียงอยู่แล้ว เขากล่าวว่า: “สิ่งที่น่าตื่นเต้นคือ นี่เพิ่งเริ่มต้นเท่านั้น”

เมื่อพูดถึง AI จุดร่วมของพวกเขาคือ: AI ทำให้สิ่งที่พวกเขาทำได้มากขึ้น นี่คือความแตกต่างที่ใหญ่ที่สุดระหว่าง “ชนรุ่น AI” รุ่นนี้กับคนรุ่นก่อน

พวกเขามองว่า AI เป็นโครงสร้างพื้นฐานเริ่มต้นแล้ว เหมือนกับที่ “ชนรุ่นเน็ต” รุ่นก่อนมอง “Wi-Fi” ซึ่งเป็นส่วนประกอบที่ขาดไม่ได้ในการเรียนรู้และชีวิตของพวกเขา

อุปสรรคไม่ได้หายไป แค่เปลี่ยนตำแหน่ง

นักเรียนมัธยมปลายสามารถค้นพบทางดาราศาสตร์ได้ อาจทำให้หลายคนเกิดภาพลวงตาในแง่ดีว่า AI ทำให้อุปสรรคในการวิจัยลดระดับลงจริงๆ

แต่การสรุปเช่นนี้ยังเร็วเกินไป มาดูประสบการณ์ทั้งหมดของ Paz ก่อน

ในฤดูร้อนปี 2022 ขณะที่ยังเรียนมัธยมปลาย เขาได้เข้าเรียนใน Planet Finder Academy ของ Caltech

ในปี 2023 เขายังเข้าร่วมโครงการ Summer Research Connection ของ Caltech เป็นเวลาหกสัปดาห์ โดยมี Davy Kirkpatrick นักดาราศาสตร์อาวุโสจาก IPAC เป็นที่ปรึกษางานวิจัยของเขา

ในช่วงมัธยมต้น Paz สำเร็จโครงการ “Math Academy” ของเขตการศึกษา Pasadena: เรียนจบ AP Calculus BC ในชั้นมัธยมศึกษาปีที่ 2 นักเรียนมัธยมปลายทั่วไปจะเรียนแคลคูลัสเมื่ออยู่ชั้นมัธยมศึกษาปีที่ 6 แต่เขาเชี่ยวชาญก่อนอายุ 14 ปี

กล่าวอีกนัยหนึ่ง Paz ไม่ใช่ “นักเรียนมัธยมปลายทั่วไปบวก ChatGPT” แต่เป็น “นักเรียนมัธยมปลายที่มีระดับคณิตศาสตร์เทียบเท่า AP มีที่ปรึกษาชั้นนำจาก Caltech คอยแนะนำเป็นเวลาสองปี และสามารถเข้าถึงทรัพยากรการคำนวณของ IPAC ได้โดยตรง” บวกกับ AI

https://arxiv.org/pdf/2512.11982

สำหรับ AION-Search ที่ทำให้ภาพดาราจักร 140 ล้านภาพสามารถค้นหาด้วยภาษาธรรมชาติได้ 论文ก็ชี้ให้เห็นข้อจำกัดของมัน:

VLM จะมองข้ามโครงสร้างทางดาราศาสตร์ที่ละเอียดอ่อน และนำอคติของ GPT-4.1-mini เข้าสู่ระบบ; วิธีการทั้งหมดทำงานได้ในสาขาดาราศาสตร์ ก็เพราะข้อมูลที่มีการ标注ด้วยมนุษย์ เช่น Galaxy Zoo ถูกใช้เป็นข้อมูลฝึกของ GPT อยู่แล้ว

สิ่งที่ AI ค้นพบส่วนใหญ่ยังคงเป็นปรากฏการณ์ที่นักดาราศาสตร์รู้จักวิธีการ标注มาก่อน

ส่วน WiFind ที่ใช้สัญญาณ WiFi ทะลุเศษหินเพื่อค้นหาผู้รอดชีวิต ปัจจุบันก็เป็นเพียงต้นแบบ ไม่ใช่ระบบกู้ภัยที่ทำงานจริงในพื้นที่แผ่นดินไหว

AI ทำให้ “อุปสรรคของงานซ้ำซาก” ลดระดับลง แต่มันไม่ได้ทำให้ “รสนิยม การตัดสินใจ การฝึกฝนระยะยาว” ลดระดับลง

จุดสำคัญของเรื่องราวของ Paz ไม่ใช่ที่ AI ทำให้นักเรียนมัธยมปลายทุกคนสามารถทำงานดาราศาสตร์ได้ แต่เป็นที่นักเรียนมัธยมปลายคนหนึ่งที่ควรจะค้นพบทางดาราศาสตร์อยู่แล้ว ทำให้สิ่งนั้นเกิดขึ้นเร็วขึ้นสิบปี

อุปสรรคไม่ได้หายไป มันแค่ย้ายจาก “ทำได้หรือไม่” ไปเป็น “คิดได้หรือไม่”

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