返回资讯中心
外部精选
软件工程
#开发者实时流

谷歌研究员称AI发现玛雅遗址,实为已发表成果

来源标题:AI agents did not discover a previously unknown Maya site

谷歌研究员Pietro Miotti用48个AI agent分析NASA的lidar数据,声称在墨西哥发现一处未登记的玛雅遗址,但该遗址去年已在学术期刊上发表。此事引发考古学家批评,凸显业余人士借助AI进入专业领域的争议。

Hacker News 最新latexr2026/11/13 · 5 天前18 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

本周早些时候,Google 研究员 Pietro Miotti 声称,借助一组 AI agent,他在墨西哥发现了一处可能尚未被测绘的玛雅遗址。但问题在于:这处遗址早已被发现,并于去年发表在了一本学术期刊上。这起事件在考古学家群体中引发了批评,也凸显出科学界日益加剧的一种紧张关系:掌握着愈发强大的 AI 工具的业余爱好者贸然闯入专业领域,却往往缺乏理解自己所看之物的专业能力。

Miotti 表示,用 AI 搜索考古遗址的想法是他在秘鲁旅行时产生的,当时他开始畅想历史上的探险家若能使用现代技术会做些什么。他最终选定了 lidar——一种基于激光的测绘技术,能够生成精细的环境三维图像——并组建了一支由 48 个 AI agent 组成的团队,梳理 NASA 的 lidar 数据,寻找未记录遗址的迹象。由于公开的 lidar 数据对秘鲁“覆盖不佳”,Miotti 写道,他把注意力转向了玛雅地区。

这些 agent 标记出了大量有希望的地点,其中包括“一个似乎尚未被登记在册的主要村落”。Miotti 向 The Verge 表示,这项研究是他在没有任何 Google 算力或资源支持的情况下完成的个人副业项目。他说自己随后联系了墨西哥国家人类学与历史研究所(INAH),核实这一显而易见的发现是否早已为人所知,包括是否存在于未发表的研究中。Miotti 表示,他用这些 agent 把自己的往来信件翻译成西班牙语,INAH 回复称,该地点没有任何已登记遗址的记录。

“从旅行途中的一个随机念头,到收到墨西哥政府的官方回复,前后不到 72 小时。这绝对是有史以来最好的时代,”Miotti 在博客中写道。

Miotti 强调自己并非考古学家,并指出这一发现还需要通过实地考察来验证。尽管如此,他仍将其誉为“我们正处于一场遍及所有科学的革命边缘”的证明,并呼吁用 lidar 测绘“整个星球”,以便 AI agent 能够“帮我们找到其余的遗址”。然而,如果 Miotti 是一位熟悉该地区的考古学家,他或许就能发现一个问题:这处遗址早已为人所知,而且早在一年多以前就已有学术期刊对其进行了记录。

考古学家们很快在社交媒体上指出了这一疏漏。在一系列发布在 Bluesky 上的帖子中,伯明翰阿拉巴马大学的考古学教授 Sarah Parcak 强调了将发现与现有研究仔细核对的重要性。“这就是我们为什么要进行同行评审,”Parcak 写道,并补充说,墨西哥政府的数据库中没有某项记录,并不意味着它就是未知的或未被测绘的。其他考古学家也附和了她的批评,抨击该项目传播错误信息,并抹杀了考古学家们的功劳——他们数十年来一直在工作中使用先进的数字工具。

“这是一个我满怀热情想要分享的个人项目,”Miotti 对 The Verge 说。“我没想到会引起这么多关注。”他补充说,作为一名非考古学家,他此前并未意识到,一处遗址未被登记并不等同于它未被测绘,并指出“需要”专业知识“来验证 agent 的发现”。他也谈到了自己 AI 工具的局限:“我和我的 agent 都漏掉了这一点。考古学家不公布遗址坐标是理所当然的,因此要核查一处遗址是否已知,就意味着将图像与论文中的图表进行比对,而不是搜索数据库。这对 agent 来说要困难得多,也是这些工具需要改进的地方。当人们指出这一点后,我尽快更新了帖子和博客,以认可他们的工作。”

尽管如此,Miotti 表示,这是 agent 如何用于帮助专家梳理大量数据的一个范例。他说,一些考古学家和博士生联系了他,这让他备受鼓舞,他表示这些人“对这个工作流程感到兴奋,想知道它是如何运作的,以及它是否能对他们自己的测绘数据有所帮助”。

“我们的‘问题’不在于发现新遗址,”伦敦大学学院中美洲考古学教授 Elizabeth Graham 对 The Verge 说。“我们在玛雅地区工作的大多数人都知道大量未被勘探、发掘或测绘的遗址,其中大部分是徒步发现的,”她说。Graham 还批评了“发现”一词的使用,指出当地社区往往早已对自己区域的遗址了如指掌。

尽管她称赞 Miotti 在利用 AI 从 lidar 数据中测绘土墩方面做得不错——“对 lidar 数据的解读可能很棘手”——但 Graham 认为,更大的障碍在于研究经费。“事实是,现在就是没有过去那样用于发掘或测绘遗址的经费,所以在某种程度上,再‘发现’多少遗址都无关紧要。”

这场争议反映出 AI 在科学领域的一个更广泛的问题,或许在 OpenAI 近期数学领域的进展中体现得最为明显。虽然 AI 工具越来越有能力产出真正令人瞩目的成果,但它们并不总能与这些发现所依托的现有研究相结合。其结果可能是,所谓的突破其实早已被他人完成——正如本事件的情况——或者是普遍未能认可先前的工作。即便发现确实是新的,它们也可能缺乏专家本应提供的背景信息。归根结底,业余人士使用 AI 工具,往往最终把确定实际发现了什么以及为何重要的负担,转移给了真正的专家——而这本来就是科学发现过程的一部分工作。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →