17岁AI研究者：模块化AI如何挑战大模型黑箱

一位17岁的高中生，独立研究者，刚刚在TÜBİTAK 2204-A生物学类别中获得一等奖，并入围TEKNOFEST决赛。Hamza Bilden来自土耳其安卡拉，他提出的模块化AI架构思路，或许为当前大模型主导的AI发展路径提供了一种值得关注的替代方案。

模块化AI：不依赖单一黑箱

Bilden的核心观点很明确：与其依赖庞大的单一黑箱模型，不如构建模块化AI架构，将每个查询路由到相关的专家模块。这种设计能带来透明度和效率的双重优势。

这一思路的灵感来源是生物智能。Bilden希望探索生物智能如何启发更高效、更具适应性的AI系统。他的学术规划也围绕这一方向展开——本科攻读计算机工程，硕士转向神经科学，目标是研究生物系统与机器学习的交叉领域。

当前主流大模型走的是“规模至上”路线，参数越大能力越强，但代价是推理成本高、决策过程难以解释。模块化架构则把复杂问题拆解为可管理的子问题，每个模块专注特定领域，调用时按需路由。这种思路在学术界并不新鲜（混合专家模型MoE就是典型代表），但Bilden的切入点是将其与认知科学结合，强调生物智能的启发作用，并落到中学科学教育的实际场景中。

混合专家模型（Mixture of Experts, MoE）是模块化思想在深度学习中最成熟的工程实现。其核心是在网络中设置多个“专家”子网络和一个门控网络（gating network），对每个输入 token，门控网络计算各专家的权重，只激活排名靠前的少数专家参与计算。这样模型总参数量可以很大，但单次推理的实际计算量只与激活的专家数相关，从而在保持容量的同时降低推理成本。MoE 已被用于多款大规模语言模型，例如稀疏化的 Transformer 架构。不过传统 MoE 的“路由”仍发生在张量层面，专家分工往往不可解释，这与 Bilden 设想的按语义查询路由到可解释专家模块存在差异，也正是他希望结合认知科学加以改进的地方。

E-LabS：模块化理念的落地实践

理论之外，Bilden更强调动手构建。他最具代表性的项目是E-LabS（前身为BioLab），一个面向生物、化学、物理学科的Web端虚拟实验室，目标是解决许多高中缺乏实体科学实验室的现实问题。

E-LabS的技术栈值得关注：它集成了基于Google Gemma 4的AI实验助手、实时图表、自动Markdown报告生成、Three.js 3D仿真引擎，以及基于Firebase、符合KVKK（土耳其个人数据保护法）的用户系统。

这个项目的成绩单相当亮眼：TÜBİTAK 2204-A生物学类别一等奖，以及TEKNOFEST“技术为人道”类别决赛入围。

从工程角度看，E-LabS把AI助手嵌入教育工具的做法并不罕见，但将3D仿真、自动报告生成和数据合规整合在一个Web平台中，对于一名高中生主导的项目而言，完成度较高。AI在这里扮演的是“辅助者”角色，而非替代实验本身——这恰好呼应了Bilden对AI工具性的理解。

Google Gemma 是谷歌发布的一系列轻量级开放权重语言模型，基于与 Gemini 同源的技术构建，提供不同参数规模的版本，可在消费级硬件或云端部署，并允许开发者针对特定任务进行微调。相比闭源大模型 API，Gemma 的开放权重特性使教育类应用可以在可控成本下集成 AI 能力，也便于对数据流向做合规审查。对于 E-LabS 这类面向中学的 Web 平台，选用 Gemma 意味着 AI 助手可以部署在受控环境中，学生数据不必全部发送至第三方闭源服务，这与项目强调的 KVKK 数据保护要求相契合。

KVKK 是土耳其《个人数据保护法》（Kişisel Verilerin Korunması Kanunu）的简称，于 2016 年生效，体例上参照欧盟《通用数据保护条例》（GDPR）。它规定了个人数据的处理原则、数据主体的权利、数据控制者的义务以及跨境传输限制，并要求对敏感数据进行更严格的保护。对教育科技产品而言，学生属于未成年人群体，其学习记录、行为数据均属个人数据，平台需要明确告知、取得同意并保障数据安全。E-LabS 在用户系统中声明符合 KVKK，说明该项目在设计阶段就考虑了合规问题，而不只是功能实现。

城市治理平台与社会创新

Bilden的第二个项目“Sadece Yaşama, Şehrini Yönet”（意为“不只是生存，管理你的城市”）是一个参与式城市管理数字平台，帮助市民解决社区问题。系统支持6种用户角色、投票机制和实时跟踪，目标是让本地问题通过协作方式得到解决。该项目在SosyalFest（土耳其世纪成功模式类别）中获得全国第二名。

两个项目指向同一个方向：用技术解决具体的社会问题，而非追求技术本身的炫技。这种问题导向的思维方式，与Bilden对模块化AI的倡导一脉相承——找到真问题，拆解它，用合适的工具组合去解决。

参与式城市管理平台属于“公民科技”（civic tech）范畴，典型形态包括问题上报、社区投票、进度追踪等模块，目的是缩短市民与地方政府之间的信息链条。国际上类似的实践有 FixMyStreet 等平台，国内也有城市政务服务 App 中的随手拍功能。这类系统的主要挑战不在技术，而在运营：如何保证问题被真实处理、如何防止刷票与滥用、如何让不同角色（市民、社区组织、市政部门）形成闭环。Bilden 的项目设置 6 种用户角色和实时跟踪机制，正是试图回应这些治理层面的问题。

社区领导与持续学习

在编码之外，Bilden担任TechTeam的组织总主席，负责管理项目流程、协调TÜBİTAK和TEKNOFEST的团队参赛工作，并设计提升团队动力和效率的系统。他同时是42 Kocaeli Bootcamp的参与者，持续打磨软件开发能力。

这种“研究者+组织者”的双重身份，在年轻技术人才中并不常见。管理团队参赛和处理项目工作流，锻炼的是另一种能力——将技术判断转化为协作流程，这往往比写代码更难。

Bilden的博客以“Stay tuned for more technical deep dives into modular AI and EdTech”收尾，表明他计划继续深入模块化AI与教育科技。

对于关注AI架构多样性、教育科技落地或年轻开发者成长的读者，Bilden的实践提供了一个值得追踪的样本。他的模块化AI主张能否在更大规模上验证，E-LabS能否真正进入更多学校，这些问题的答案还需要时间。但一个17岁的研究者已经在用项目说话，这本身就值得关注。

更多信息可访问他的作品集 hamzabilden.vercel.app、E-LabS项目页 elabs.com.tr，或通过LinkedIn和GitHub与他交流。