Google 软件工程师利用 AI 智能体在激光雷达数据中识别出潜在的玛雅遗址
考古学中的 AI 辅助发现
一位软件工程师最近展示了智能体 AI 在科学发现中的潜力,他利用 48 个 AI 智能体扫描了 1,200 平方公里的公开激光雷达数据,旨在寻找尚未被测绘的玛雅建筑。整个过程从最初构思到获得墨西哥国家人类学与历史研究所 (INAH) 的正式回复仅耗时 72 小时,这凸显了 AI 如何降低非专业人士为考古学等专业领域做出贡献的门槛。
方法与工作流程
该项目依赖于公开的激光雷达数据集,研究人员可以借此剥离茂密的丛林冠层,揭示地面特征。该工程师部署了 48 个 AI 智能体,通过将激光雷达条带转换为图像来处理数据。智能体被指示扮演考古学家的角色,手动扫描这些图像,寻找偏离自然地形的几何图案,例如金字塔、广场和平台。
智能体没有使用专门的机器学习分类器,而是遵循人类提供的指导方针来识别潜在结构。一旦智能体标记出一个有希望的山顶,它们就会进行文献和档案搜索,以核实该遗址是否已被记录在案。最终报告(包括坐标和 3D 重建)随后被提交给 INAH 进行正式审查。
验证与社区反馈
虽然最初的报告显示该遗址未被测绘,但随后的社区调查和作者更新澄清,该遗址此前已由 Estrada-Belli、Canuto、Šprajc 和 Fernandez-Diaz 在 2025 年的一篇学术论文中记录。作者对此表示认可,并指出尽管智能体和作者本人遗漏了现有记录,但该实验成功证明了“直觉考古学”(vibe-archaeology)的有效性——即利用 AI 快速扫描海量数据集以发现异常。
该项目的评论者强调了关于在科学研究中使用 AI 的几个关键要点:
- 验证的重要性: 批评者指出,AI 智能体容易产生幻觉或过度自信。正如一位用户所言:“这篇文章成为了盲目信任 LLM 智能体的一个完美反面教材。它们的输出不可轻信,必须经过严格核查。”
- 资源可访问性: 一些用户质疑运行 48 个并发智能体的可扩展性和成本,并指出此类工作流程需要巨大的计算预算,而普通用户目前无法负担。
- 伦理考量: 关于“公民科学家”利用 AI 发现敏感遗址的影响,目前存在持续的争论。担忧包括潜在的盗掘风险增加、地方当局在核实和保护遗址方面承受的负担,以及在缺乏专业知识的情况下利用 AI 生成正式报告的伦理问题。
AI 驱动探索的未来
尽管存在这些警告,该项目仍作为 AI 如何实现数据分析民主化的概念验证。通过将大规模计算应用于公共数据集,个人可以执行以往需要专业团队才能完成的任务。正如一位评论者所说:“我是一名软件工程师,而不是天文学家。能够探索一个完全不同的领域并独立得出一个现有的发现,这非常了不起。”观察人士的共识是,虽然 AI 不会取代专业考古学家,但它很可能会成为识别实地考察候选对象的标准工具,前提是人类的监督必须始终作为发现的最终仲裁者。
Sources
相关
- Dispatch
- Dispatch
- Dispatch
- Dispatch
- Dispatch