Новые технологии, появившиеся благодаря искусственному интеллекту, меняют не только отдельные аспекты нашей повседневной жизни, но и представления о том, что вообще возможно. От открытия новых возможностей в классе до продвижения решений некоторых из крупнейших социальных проблем — мы находимся в разгаре революции машинного обучения. Неудивительно, что многие финалисты нынешнего конкурса Regeneron Science Talent Search — выдающаяся подборка самых способных молодых умов страны — становятся ведущими экспертами в этой области. Познакомьтесь с некоторыми из тех, кто исследует потенциал ИИ в своих работах.

Caddo Parish Magnet High School (Шривпорт, Луизиана)

Проект Софи направлен на решение трудоёмкого и подверженного ошибкам процесса анализа ткани при удалении плоскоклеточного рака. Она разработала сверточную нейронную сеть — модель машинного обучения для анализа микроскопических изображений тканей, которая может распознавать базовые различия между опухолью, воспалением и доброкачественными участками. О своих будущих планах Софи говорит: «Однажды я хотела бы работать в биотехнологической компании или даже основать собственную. Куда бы я ни попала, я надеюсь использовать силу ИИ, чтобы привести к преобразованиям в здравоохранении».

Saratoga High School (Сара́тога, Калифорния)

Опираясь на глубокую страсть к лингвистике и информатике, Зейнеб разработала алгоритм обработки естественного языка, подобный ChatGPT, с целью сохранения вымирающих языков. В то время как многие крупные языковые модели выигрывают от огромного объёма доступных текстов для обучения, реже используемым языкам такие преимущества часто недоступны. Чтобы компенсировать относительный дефицит учебного материала, Зейнеб создала алгоритм, который генерирует дополнительный текст на целевых языках, позволяя последующим алгоритмам обработки естественного языка работать лучше.

Hamilton High School (Чандлер, Аризона)

Алексис разработала BrainSTEAM — набор инструментов машинного обучения, которые выявляют ключевые нейронные паттерны при нейропсихиатрических состояниях. BrainSTEAM анализирует МРТ-изображения для определения силы связей между областями мозга, что может помочь выявлять ключевые нейронные паттерны при таких состояниях, как расстройство аутистического спектра, СДВГ и депрессия. Исследование Алексис может помочь медицинским специалистам ставить эти диагнозы раньше и точнее, поскольку в настоящее время диагнозы часто основываются только на субъективной оценке.

Phillips Exeter Academy (Эксетер, Нью‑Гэмпшир)

Ачьюта создал автоматический метод для лучшего понимания того, как модели глубокого обучения принимают решения. В частности, по вопросам компьютерного зрения, таким как то, как модели ИИ обнаруживают объекты и генерируют изображения, Ачьюта стремится ответить на туманный вопрос о том, о чём «думают» эти модели, когда преобразуют входные данные в выходные. Его исследования обещают сделать широкое применение этих моделей в будущем более эффективным, безопасным и справедливым.

Bronx High School of Science (Бронкс, Нью‑Йорк)

Кайл разработал модель машинного обучения, которая может сэкономить ценное время при поиске и разработке новых лекарств, в частности для болезни Альцгеймера. Его модель определяет потенциальные вещества и соединения, которые могут более эффективно ингибировать экспрессию генов ключевых белков. Кроме того, Кайл основал в своей школе клуб по машинному обучению, который сотрудничает с местной некоммерческой организацией и предоставляет бесплатное обучение информатике учащимся средних школ района.

С помощью компьютерного зрения Рия выяснила, как модели ИИ учатся определять расу и этническую принадлежность пациентов по анонимным медицинским изображениям. Это понимание будет ключевым для снижения предвзятости в здравоохранении, особенно по мере того, как инструменты ИИ становятся более распространёнными в медицинской практике. О своих будущих планах Рия говорит: «Я хотела бы работать как этик в области ИИ, но также и в климатических технологиях. Мне кажется, у нас так много любви к дикой природе и так много, чему можно у неё научиться».

Пять выпускников Общества поедут в Оксфорд этой осенью в качестве стипендиатов Родса 2026 года

Последнее лето: как финалисты Regeneron STS 2026 проводят недели перед поступлением в колледж

Как математическое исследование одного студента связано с современной наукой