Ein 17-Jähriger nahm 250.000 US-Dollar für seine preisgekrönte Entdeckung von Computergehirnen mit nach Hause, die KI intelligenter und sicherer machen könnten

• Die Regeneron Science Talent Search ist hart umkämpft und vergibt Preise im Wert von über 1 Million US-Dollar.
• Der diesjährige Gewinner des ersten Platzes, Achyuta Rajaram, gewann für sein Projekt zum maschinellen Lernen.
• Rajaram hofft, Computer-Vision-Modelle schneller, genauer und sicherer zu machen.

Achyuta Rajaram gewann dieses Jahr Suche nach wissenschaftlichen Talenten in Regeneron Hauptpreis in Höhe von 250.000 US-Dollar für seine Arbeit, maschinelles Lernen effizienter und sicherer zu machen.

Jedes Jahr vergibt die Society for Science über 1 Million US-Dollar an die Finalisten des Wettbewerbs. Die diesjährigen Gewinner wurden am Dienstag bei einer Gala bekannt gegeben, und Rajaram war so überrascht, dass er gewonnen hatte, dass ein Wachmann besorgt wurde.

„Er hatte Angst, dass ich auf der Stelle ohnmächtig werden würde“, sagte Rajaram gegenüber Business Insider.

Der 17-jährige Student der Phillips Exeter Academy hat ein Projekt zur Verbesserung der Geschwindigkeit und Genauigkeit von Computer-Vision-Modellen ins Leben gerufen, von dem er Business Insider sagte, dass es genauso mysteriös funktionieren kann wie ChatGPT.

„Wenn Sie ihm eine Frage stellen und er Ihnen eine Antwort gibt, wissen Sie eigentlich nicht, was zwischen diesen Schritten passiert“, sagte er über den Chatbot und fügte hinzu, dass „in diesen Modellen Probleme lauern können“, die sich schließlich fortsetzen Fehler machen.

Mehr darüber zu verstehen, wie ein Algorithmus von der Eingabe zur Ausgabe gelangt, wird ihn nicht nur schneller, sondern auch sicherer machen, sagte Rajaram. Und da maschinelles Lernen die Grundlage für KI ist, könnte Rajarams Projekt KI auch intelligenter und schneller machen.

Schnellere und sicherere KI aufbauen

Wenn Menschen ein Bild betrachten, wird als Reaktion eine Ansammlung von Neuronen in Ihrem Gehirn aufleuchten, sagte Rajaram. „Das Gleiche passiert in diesen Computer-Vision-Modellen.“

Wie erkennt ein Computer den Unterschied zwischen einem Auto und einer Katze? Wenn das Model eine Katze betrachtet, konzentriert es sich möglicherweise zunächst auf die Ohren, die Nase und die Schnurrhaare – wichtige Merkmale, die es von einem Auto unterscheiden.

Dieser Denkprozess kann in sogenannte Schaltkreise unterteilt werden – den Teil eines Modells, der für die Erkennung verschiedener Parameter verantwortlich ist.

Wenn man einen bestimmten Schaltkreis im Gehirn eines Computers finden möchte, müsse man das normalerweise manuell tun, sagte Rajaram.

„Aber das ist äußerst, äußerst unpraktisch, insbesondere wenn die Modelle Milliarden von Parametern erreichen“, fügte er hinzu. Deshalb entwickelte er einen Algorithmus zur Automatisierung des Prozesses für ein intelligenteres und schnelleres Modell.

Ein Teil von Rajarams Projekt umfasste die Untersuchung eines Open-Source-Modells, das Text aus Bildern lesen kann. Diese Fähigkeit mache es anfällig für einen „sehr, sehr seltsamen gegnerischen Angriff“, sagte Rajaram.

Wenn ein Bild einer roten Ampel neben einem Text mit der Aufschrift „Grün“ steht, würde das Modell diese häufig als grüne Ampel klassifizieren. „Modelle, die diese Fehlklassifizierungsfehler machen, sind sicherlich problematisch“, sagte er.

Rajaram war in der Lage, die Textlesefähigkeit des Modells zu isolieren und zu entfernen, wodurch dieser Angriff „repariert und es vor diesem spezifischen Fehler geschützt“ wurde, sagte er.

2.000 Konkurrenten ausstechen

Beteiligung in Regeneron Science Talent Search hat Im Laufe der Jahre wuchs und schrumpfte es und erreichte seinen Höhepunkt Ende der 1960er Jahre während der Apollo-Missionen. Dieses Jahr gab es die höchste Zahl an Bewerbern seit diesem Jahrzehnt, sagte Maya Ajmera, Präsidentin und CEO der Gesellschaft, gegenüber Business Insider.

Wissenschaftler und Ingenieure haben über 2.000 Bewerbungen bewertet und sie auf die besten 300 eingegrenzt. „Diese 300 Wissenschaftler sind die besten Wissenschaftler und Ingenieure“, sagte Ajmera. Eine etwa 20-köpfige Jury wählte dann die 40 besten Finalisten aus.

Anders als bei einer Wissenschaftsmesse konzentrierten sich die STS-Juroren auf die Leistungen der Kandidaten, die über ihre Projekte hinausgingen. Sie stellten Studenten mit Physikprojekten zum Beispiel Fragen zur Biologie. Der Zweck besteht darin, ihr Wissen in anderen Bereichen zu testen.

„Sie wollen sehen, wie vielseitig Sie sind, weil wir nach der nächsten Generation wissenschaftlicher Führungskräfte suchen“, sagte Ajmera.

Zu den Alumni von STS in den letzten 82 Jahren gehörten 13 Nobelpreisträger, 23 McArthur Fellows und 11 Preisträger der National Medal of Science.

„Ich kann nachts besser schlafen, wenn ich weiß, dass diese jungen Menschen versuchen, die schwierigsten Probleme der Welt zu lösen“, sagte Ajmera.

Rajaram plant, im Herbst sein Informatikstudium am MIT fortzusetzen. Sein Rat an alle, die sich für die Regeneron Science Talent Search bewerben möchten, lautet: „Seien Sie wirklich, wirklich neugierig auf alles.“

Dazu gehören auch Themen außerhalb des von Ihnen gewählten Fachgebiets, sagte er. „Ich persönlich bin davon überzeugt, dass fast alles unendlich cool ist, wenn man tief genug in die Materie eindringt.“

source site-18