AI智能体“发现”玛雅遗址，但真正的问题不在发现

导语

AI智能体正在进入越来越多的专业领域，但“能找到目标”并不等于“完成了科学发现”。近期，一项关于玛雅遗址的AI项目就因这一差别引发争议：谷歌研究人员Pietro Miotti组织48个AI智能体，利用NASA的激光雷达数据寻找可能尚未登记的遗址，其中一个地点被描述为“看起来没有被记录”。然而，考古学家很快指出，该地点早已在一篇学术论文中被记录。

发生了什么？

Miotti最初是在秘鲁旅行时想到用现代技术寻找古代遗迹。由于秘鲁公开激光雷达数据覆盖有限，他把目标转向玛雅地区，让智能体分析地形中可能代表村落、房屋或其他建筑的规则形状。项目没有使用谷歌的计算资源，而是作为个人业余项目开展。

在发现疑似大型村落后，Miotti联系墨西哥国家人类学与历史研究院，询问该地点是否已经登记。研究人员称，得到的回复显示机构没有该地点的官方记录。但考古学界随后指出，官方数据库并不涵盖所有调查、未发表研究或学术论文中的信息；而且考古遗址坐标通常不会公开，单纯查询数据库无法完成可靠的排查。

核心要点

• 识别目标不等于发现遗址。 AI可以从海量遥感数据中标出异常地形，但异常究竟是建筑、自然地貌还是其他结构，仍需专业判断和实地工作。
• “没有登记”不代表“无人知晓”。 玛雅地区的许多遗址可能已被当地社区了解，或曾被考古学家发现、测绘，只是尚未进入官方名录。
• 文献核查是科研流程的一部分。 Sarah Parcak等考古学家强调，同行评审和既有研究核对并非附加步骤，而是判断成果新颖性与归属的基础。
• 公开坐标可能带来风险。 考古学家Ivan Šprajc担心，业余者公布遗址位置可能增加盗掘风险，也可能让专家收到大量未经充分验证的“新发现”线索。

意义与影响

这起事件并不意味着AI智能体毫无价值。考古学家承认，利用激光雷达识别地形是一个有用的工作流，AI也可能帮助专家从大规模数据中优先筛选调查区域。真正的问题在于，系统能否连接完整的文献、地图、未公开档案和地方知识，并把“检测到一个形状”转化为有证据支撑的科学结论。

更广泛地看，AI进入科研后，验证成果的负担不能被转嫁给专业研究者。无论是在考古、数学还是其他学科，模型都可能给出看似新颖的结果，却忽略已有工作、研究语境和贡献者。未来更可靠的AI科研工具，应把文献检索、来源追踪、专家复核、社区参与和风险提示纳入流程。AI可以加快搜索，但“发现”仍需要解释、验证和责任。

来源：The Verge AI