少年版馬斯克--Matteo Paz
18歲高中生挑戰NASA：自學AI，發現150萬顆新星體
2025年，一位名叫 Matteo Paz 的美國高中生震撼了全球科學界。他不是NASA科學家，不是天文學博士，甚至連望遠鏡都沒有，卻透過自學AI，發現了150萬顆此前從未被識別的宇宙天體——這是一個NASA研究團隊過去十年都未能完成的壯舉。
這項驚人的發現，為他贏得了美國頂尖高中科學競賽 Regeneron Science Talent Search 的冠軍與 25萬美元獎金，也讓他獲得MIT Computer Science的錄取通知。網友們稱他為「少年版馬斯克」。
從小學迷上宇宙
Matteo 對天文的熱情始於小學。那年，媽媽帶他參加加州理工學院的公開講座，第一次接觸行星、黑洞與宇宙膨脹等概念，他深受震撼：「宇宙太神秘，我想搞清楚裡面到底藏著什麼。」
他開始迷上閱讀天文書籍、收藏NASA圖像，房間牆上貼滿星圖與宇宙照片。這股熱情在高中達到巔峰——他參加了加州理工的「行星探索者學院」暑期計畫，首次接觸NASA NEOWISE望遠鏡的紅外圖像數據。
靈感來源：沉睡的星圖
Matteo注意到，這些圖像資料體積巨大，接近 200TB，多年來被「沉睡」地存放在數據庫裡，幾乎無人閱讀分析。他產生了一個大膽想法：「能不能用AI來『看圖識物』，找出人類從未發現的宇宙星體？」
自學AI，他靠的是「野生學習法」
Matteo 沒有接受正式的AI教育，一切全靠自學。他的學習方法被稱為「野生學習法」：
線上資源學習：靠 YouTube、Coursera、Kaggle 練習卷積神經網路（CNN）與圖像識別技能。
實戰訓練：用NASA海量圖像當訓練素材，自寫程式讓AI模型學會識別星體。
目標驅動學習：他不是為了交作業，而是為了「探索宇宙」，逐步擴展AI技術樹。
但過程並不順利。資料量太大，他的筆電差點跑不動，訓練的初代模型連最基本的天體都辨識不出來，Matteo一度陷入懷疑：「我是不是只是拼圖工人？只是把別人做的東西拼起來？」
關鍵人物：啟發他的是一位老師
他的高中科學老師 Andrew 發現了他的潛力，在比賽過程一路指導，並鼓勵他：「你看到的，是沒人看過的數據，這就是科學。」
這句話成為 Matteo 堅持下去的動力，也讓他決定將研究投稿至 Regeneron 科學大賽。
VARnet 誕生：AI識別190萬變星
Matteo 開發出一套名為 VARnet 的AI機器學習算法，成功從資料中識別出約 190萬顆變星，其中約 150萬顆為此前未被記錄的新天體，包括：
超大質量黑洞
新生恆星
超新星爆發
當他把這些結果與NASA星體目錄比對，才驚覺：「我可能真的發現了別人沒發現的東西。」
榮獲「青少年諾貝爾獎」
這項發現讓 Matteo 奪得2025年 Regeneron Science Talent Search 冠軍，被譽為「青少年諾貝爾獎」，同時收穫 25 萬美元獎金。NASA天文圖像中心也在推特轉發他的研究成果，並讚賞他的模型「為天文學開創新的研究方向」。
網友留言說：「他做了NASA幾百萬預算都沒做到的事。」
AI是放大鏡，不是替代者
Matteo 對AI的看法非常成熟，他總結道：
✅AI不是替代人類，而是放大好奇心
「AI幫我看見更遠，而不是替我看。」
✅AI是用來解決痛點
「關鍵不是會不會寫程式，而是你能不能找到一個人類還沒解決的問題。」
✅AI重塑個人能力
「AI讓一個高中生做出以前需要上百人團隊才能做的事。」
Matteo的成功，來自於三個關鍵特質：
極度專注：他願意花一年時間，反覆訓練AI模型、設計2000億筆記錄，只為發現宇宙蛛絲馬跡。
自我驅動：不是老師布置任務才開始，而是主動學習、找資料、讀論文。
堅持不懈：哪怕初期模型不準確、電腦跑不動，他也沒放棄，咬牙撐過低潮期。
這是一個屬於AI時代的故事，也是一個少年好奇心改變世界的證明。Matteo的故事提醒我們：在浩瀚宇宙面前，最強的望遠鏡，或許就是一個願意不斷學習的心與一台筆電。
