(November 22, 2024) Achyuta Rajaram, ein 17-jähriger Zwölftklässler der Phillips Exeter Academy, stand auf der Bühne in Washington, DC, und war schockiert, als sein Name als Gewinner der Regeneron Science Talent Search 2024 bekannt gegeben wurde. Sein Projekt, in dem er eine Methode zur Identifizierung der Entscheidungskomponenten von Systemen der künstlichen Intelligenz (KI) entwickelte, brachte ihm den mit 250,000 Dollar dotierten Preis des Wettbewerbs ein. Es war ein Moment der Anerkennung für jahrelange disziplinierte Bemühungen, maschinelles Lernen zu verstehen und seine Grenzen zu erweitern.
„Als sie meinen Namen riefen, dachte ich ehrlich, ich würde ohnmächtig werden“, erinnert sich Rajaram. „Als sie dann den zweiten Platz bekannt gaben, hatte ich mich bereits damit abgefunden, dass ich nicht unter den ersten Zehn war. Ich freute mich aufrichtig für meine Freunde und wollte ihren Erfolg feiern.“ Stattdessen gebührte ihm die Anerkennung.
Der Regeneron Science Talent Search, oft auch als „Junior-Nobelpreis“ bezeichnet, ist einer der renommiertesten MINT-Wettbewerbe in den USA. Er fordert Abiturienten auf, innovative Projekte zu entwickeln und dabei akademische Vielseitigkeit und Tiefe zu beweisen. Im Jahr 2,000 bewarben sich mehr als 2024 Schüler und konkurrierten damit in dem laut Veranstaltern größten Bewerberpool seit den 1960er Jahren.
Ein zentrales Problem der KI-Forschung angehen
Rajarams Projekt befasst sich mit einem zentralen Problem der KI-Forschung: dem Verständnis, wie Modelle Informationen verarbeiten. Obwohl KI-Systeme allgegenwärtig geworden sind – sie erzeugen Bilder, diagnostizieren Krankheiten oder fahren Autos – bleiben ihre Entscheidungsprozesse oft undurchsichtig. Dieser Mangel an Transparenz birgt Risiken, von unfairen Vorurteilen bis hin zu gefährlichen Fehlklassifizierungen.
Rajarams Methode automatisiert die Identifizierung der Teile eines Modells, die zu dessen Entscheidungen beitragen. „Man kann es sich so vorstellen, als würde man feststellen, welche Neuronen im menschlichen Gehirn aufleuchten, wenn man ein Bild betrachtet“, erklärte er. „Nur dass es sich hier um einen Algorithmus und nicht um ein Gehirn handelt.“
Diese Arbeit ist besonders relevant für Bilderkennungsmodelle, die in Anwendungen von der Gesichtserkennung bis hin zu autonomen Fahrzeugen eingesetzt werden. Rajaram testete seinen Code an einem Open-Source-KI-Modell und stellte fest, dass er dabei half, einen erheblichen Fehler zu beheben: die Fehlklassifizierung von Bildern, wenn in der Nähe widersprüchlicher Text erschien. Beispielsweise wurde ein Bild einer roten Ampel mit der Beschriftung „grün“ manchmal fälschlicherweise als grün identifiziert. Rajarams Methode lokalisierte und behob das Problem, indem sie die für die Fehlklassifizierung verantwortlichen Komponenten isolierte.
„Da KI-Modelle immer komplexer werden, ist es fast unmöglich, sie manuell zu analysieren“, sagte er. „Mein Ziel war es, ein Tool zu entwickeln, das diesen Prozess automatisieren kann, um diese Systeme zuverlässiger und sicherer in der Anwendung zu machen.“
Frühe Einflüsse und Unterstützung
Rajaram führt sein Interesse an Informatik auf seine Eltern zurück, die beide als Softwareentwickler tätig waren. „Meine Eltern lernten sich kennen, als sie bei IBM in Indien arbeiteten“, sagte er. „Schon in jungen Jahren ermutigten sie mich, mich mit Computern zu beschäftigen und Programmieren zu lernen.“ Diese Grundlage gab ihm das Selbstvertrauen, sich in komplexe Konzepte zu vertiefen und mit neuen Technologien zu experimentieren.
An der Phillips Exeter Academy fiel Rajaram schnell durch seine akademische Neugier und Führungsqualitäten auf. Er ist Co-Leiter der Physik-, Chemie- und Schachclubs der Schule und hält sich dabei an einen straffen Zeitplan. Sein Interesse an KI wuchs im ersten Jahr, als er bemerkte, dass sich ein Großteil der Forschung auf die Verarbeitung natürlicher Sprache, wie etwa Chatbots, konzentrierte und nicht auf bildbasierte KI-Modelle.
„Ich sah eine Lücke in der Forschung und wollte sie weiter erforschen“, sagte er. „Bilder sind für so viele KI-Anwendungen von zentraler Bedeutung, aber wir verstehen nicht vollständig, wie diese Modelle visuelle Daten interpretieren.“
Rajarams Projekt erforderte mehr als nur Neugier – es erforderte Zeit, Disziplin und die Unterstützung eines Experten. Er arbeitete eng mit Dr. Sarah Schwettmann am Massachusetts Institute of Technology zusammen und verbrachte drei Tage pro Woche in ihrem Labor. Jede Woche widmete er 25 bis 30 Stunden der Verfeinerung seines Codes und dem Testen seiner Anwendungen.
„Dr. Schwettmanns Anleitung war von unschätzbarem Wert“, sagte er. „Sie hat mir geholfen, kritisch über die praktischen Auswirkungen meiner Arbeit nachzudenken und hat mich ermutigt, die Grenzen dessen zu erweitern, was das Projekt erreichen könnte.“
Die Gewinner der Regeneron Science Talent Search 2024
Eine praktische Auswirkung
Die praktischen Anwendungen von Rajarams Forschung gehen weit über den Wettbewerb hinaus. Seine Methode könnte eingesetzt werden, um die Transparenz von KI-Systemen in Branchen wie dem Gesundheitswesen, dem Finanzwesen und dem Transportwesen zu verbessern. In der medizinischen Bildgebung könnte sein Ansatz beispielsweise dabei helfen, herauszufinden, wie Algorithmen Krankheiten diagnostizieren, und so sicherstellen, dass Entscheidungen auf relevanten Merkmalen und nicht auf Scheinkorrelationen beruhen.
„Bei KI steht so viel auf dem Spiel“, sagte er. „Zu verstehen, wie diese Systeme funktionieren, ist der erste Schritt, um sie besser zu machen.“
Rajaram blickt bereits auf die nächste Phase seiner Forschung. Nach seinem Abschluss an der Phillips Exeter Academy plant er, das Massachusetts Institute of Technology zu besuchen, wo er Informatik studieren wird. Sein Ziel ist es, seine Methode auf ein breiteres Spektrum von KI-Modellen anzuwenden, insbesondere auf solche, die in kritischen Anwendungen wie autonomem Fahren und Gesichtserkennung verwendet werden.
„Dies ist nur ein Werkzeug in einem größeren Werkzeugkasten zum Verständnis von KI“, sagte er. „Je mehr wir über die Funktionsweise dieser Modelle wissen, desto mehr können wir ihnen vertrauen – und sie verbessern.“
Über das Labor hinaus
Trotz seiner akademischen Leistungen findet Rajaram Zeit, den typischen Freizeitbeschäftigungen eines Teenagers nachzugehen. Er ist ein begeisterter Jazz-Schlagzeuger und ein hingebungsvoller Schachfan und nimmt oft an Schulturnieren teil. Er verbringt auch gerne Zeit mit Freunden und besucht häufig lokale Restaurants.
„Mein Lieblingsgericht sind die Honig-Spareribs bei Szechuan Taste“, erzählte er lächelnd. „Das ist die beste Art, nach einer langen Woche zu entspannen.“
Seine Fähigkeit, anspruchsvolle akademische Arbeit mit außerschulischen Interessen in Einklang zu bringen, spiegelt eine disziplinierte, aber geerdete Einstellung zum Leben wider.
Ratschläge für angehende Innovatoren
Achyuta Rajaram ist sich bewusst, dass seine Leistung andere junge Wissenschaftler inspirieren wird, und er hat schnell praktische Ratschläge parat. „Seien Sie neugierig auf alles, nicht nur auf Ihr gewähltes Fachgebiet“, sagte er. „Je mehr Sie erforschen, desto mehr Verbindungen werden Sie zwischen verschiedenen Ideen finden. Die meisten Dinge werden faszinierend, wenn Sie tief genug graben.“
Er betonte auch, wie wichtig Beharrlichkeit sei. „Forschung kann frustrierend sein. Es gab Zeiten, in denen mein Code nicht funktionierte und ich nicht weiterkam. Aber jeder Misserfolg hat mich etwas Neues gelehrt und das hat mich weitermachen lassen.“
Eine Zukunft in der KI
Rajarams Arbeit unterstreicht das Potenzial junger Wissenschaftler, zu einigen der dringendsten Herausforderungen der Welt beizutragen. Indem er die Transparenz und Zuverlässigkeit von KI-Systemen verbessert, geht er mit seiner Forschung auf Bedenken ein, die das Feld schon lange plagen.
Sein Erfolg bei der Regeneron Science Talent Suche ist nur der Anfang. Während er sich auf seinen Wechsel zum MIT vorbereitet, konzentriert sich Achyuta Rajaram weiterhin darauf, die Grenzen dessen zu erweitern, was KI leisten kann – und sicherzustellen, dass sie der Gesellschaft verantwortungsvoll dient.
„Ich möchte, dass meine Arbeit wirklich etwas bewirkt“, sagte er. „Es gibt so viel, was wir über KI noch nicht wissen, und ich freue mich, Teil der Bemühungen zu sein, das zu ändern.“
In einer Zeit, in der künstliche Intelligenz ganze Branchen umgestaltet, stechen Rajarams Beiträge durch ihre Klarheit und Zielstrebigkeit hervor. Sein Werdegang erinnert uns daran, wie wichtig Neugier, Disziplin und das Engagement sind, die Systeme zu verstehen, die unsere Welt zunehmend prägen.
- Entdecken Sie noch mehr faszinierende Stories
