Skip to content
Artwork for AI思辨日报
AI思辨日报 · November 12 · 10 min

AI发现玛雅遗址?专家为什么说早就知道了?

最近,一条“AI发现未知玛雅遗址”的消息在网上传开。但事实是:AI程序这次并没有发现一个此前未知的玛雅遗址;它标出的地点,早就在一年多前的一篇学术论文里被记录过了。一些科学家说,他们越来越担心业余爱好者带着强大的AI工具突然进入专业领域,却不了解自己看到的东西。 事情是怎么发生的? 谷歌研究员彼得罗·米奥蒂声称,他用一组AI工具找到了一个“可能没有被绘制进地图”的玛雅遗址。这个项目是他的个人副业,没有使用谷歌的计算资源或任何谷歌资源。他并不是考古学家。一次在秘鲁旅行时,他想到:如果古代探险家有现代技术,会怎么做?他选择了激光雷达。这种技术用激光扫描地面,能制作详细的三维地形图,有时能看出被树木遮住的土丘和建筑痕迹。他让48个AI智能体去翻看美国航空航天局公开的激光雷达数据。因为秘鲁的公开数据覆盖不多,他把目标转向玛雅地区。 AI程序标出了许多看起来有希望的地点,其中一个是一个“似乎没有被登记”的大型村落。米奥蒂随后联系墨西哥国家人类学与历史研究所(INAH),询问这个地点是否已经被知道,包括有没有尚未发表的研究。他用AI程序把邮件翻译成西班牙语。该机构回复说,没有这个地点已登记在案的记录。米奥蒂在博客里说,从旅行中的一个想法,到收到墨西哥政府机构的正式回复,用了不到72小时。他很兴奋,认为这可能是一场科学革命,还呼吁用激光雷达测绘整个地球,让AI帮忙寻找更多遗址。不过他也强调,自己不是考古学家,这个发现需要实地考察验证。 问题出在哪里? 熟悉当地考古的专家很快发现,这个遗址早就在一篇学术论文里被记录过,论文发表已经超过一年。为什么政府机构没有记录,专家却知道?因为政府数据库不是全世界考古知识的完整清单。很多遗址的精确坐标不会公开发布,以防盗掘;要核对一个地点是否已知,常常得把图像和论文里的图版进行比对,而不是简单搜索数据库。 阿拉巴马大学伯明翰分校的考古学教授莎拉·帕卡克在社交平台Bluesky上说,这就是为什么科学需要同行评审。一个东西不在政府数据库里,不等于它没人知道或没被绘制过。其他考古学家也批评,说这会把专业人员几十年来用先进数字工具完成的工作说成“新发现”,还可能传播错误信息。想一想:为什么“政府数据库里没有”不能直接等于“从来没人发现过”? 专家怎么看AI的作用? 论文作者之一、考古学教授伊万·什普拉伊奇说,考古学家使用激光雷达和其他遥感工具已经很多年了。他并不觉得AI程序这次的工作有多特别。他还说,米奥蒂去问墨西哥国家人类学与历史研究所是值得肯定的,但“还不够”,因为该机构并不掌握所有信息;一个遗址群没有官方记录,不代表考古学家没发现、没探索过。 伦敦大学学院的伊丽莎白·格雷厄姆教授说,在玛雅地区工作的考古学家知道大量还没探索、发掘或绘制地图的遗址,很多是靠人走出来的。她还提醒,“发现”这个词要小心,因为当地社区往往早就知道这些地方。她也承认,米奥蒂用AI从激光雷达数据里标出土丘的工作做得还不错,但解读激光雷达数据并不简单。她强调:“只是看到一个东西,并不会给我们的知识增加多少。”什普拉伊奇也说了类似的话。格雷厄姆还说,真正的大问题是研究经费不足:没有钱发掘和绘图,就算“发现”更多地点,也未必增加多少知识。 AI也会漏掉,也会犯错 米奥蒂后来承认,他和AI程序确实漏掉了那篇论文。他说,考古学家通常不会公开遗址坐标,所以检查一个地点是否已知,需要拿图像和论文中的图进行比较,而不是搜索数据库;这对AI程序来说难得多。有人指出问题后,他尽快更新了博客和帖子,给原研究者的工作注明功劳。他也说,专家知识“是验证AI发现所必需的”。米奥蒂还说,他没想到会引来这么多关注,并承认作为非考古学家,他一开始没有意识到:一个地点没有登记,并不等于它没有被绘制过。 不过,米奥蒂说,也有一些考古学家和博士生联系他,对这套工作流程感兴趣,想知道能不能用来帮助整理自己的调查数据。他认为,AI可以帮助专家处理大量数据,但不能代替专家判断。如果你用AI找到一个看起来没人知道的地方,下一步应该先做什么? 为什么大家担心? 什普拉伊奇说,他担心业余爱好者用AI提出大量“新发现”,把核实工作压到考古学家身上。他接受采访时说,就在当天,他又收到另一个AI“发现者”的邮件。他还提到另一个风险:如果业余者公开遗址位置,可能吸引盗墓者。专家为什么担心公开地点可能带来盗墓风险?不过他也说,只要这些“发现”没有导致盗掘,他不认为有特别大的问题。 这起争议也反映AI进入科学时的一个普遍问题:AI可以很快处理信息,甚至做出令人印象深刻的结果,但它不一定了解已有研究,也不一定知道怎样正确解释结果。文章还把它和OpenAI最近在数学上的进展相比较,说明AI可能很能干,却不一定接得上已有研究。真正的研究不只是“看到一个东西”,还要查资料、验证、理解背景,并对前人的工作给予认可。否则,专家就得花时间去弄清楚“到底发现了什么、这件事为什么重要”,而这本来就是科学研究的一部分。

0:00-10:00

transcript

No transcript — this publisher did not publish one.

show notes

最近,一条“AI发现未知玛雅遗址”的消息在网上传开。但事实是:AI程序这次并没有发现一个此前未知的玛雅遗址;它标出的地点,早就在一年多前的一篇学术论文里被记录过了。一些科学家说,他们越来越担心业余爱好者带着强大的AI工具突然进入专业领域,却不了解自己看到的东西。

事情是怎么发生的?
谷歌研究员彼得罗·米奥蒂声称,他用一组AI工具找到了一个“可能没有被绘制进地图”的玛雅遗址。这个项目是他的个人副业,没有使用谷歌的计算资源或任何谷歌资源。他并不是考古学家。一次在秘鲁旅行时,他想到:如果古代探险家有现代技术,会怎么做?他选择了激光雷达。这种技术用激光扫描地面,能制作详细的三维地形图,有时能看出被树木遮住的土丘和建筑痕迹。他让48个AI智能体去翻看美国航空航天局公开的激光雷达数据。因为秘鲁的公开数据覆盖不多,他把目标转向玛雅地区。

AI程序标出了许多看起来有希望的地点,其中一个是一个“似乎没有被登记”的大型村落。米奥蒂随后联系墨西哥国家人类学与历史研究所(INAH),询问这个地点是否已经被知道,包括有没有尚未发表的研究。他用AI程序把邮件翻译成西班牙语。该机构回复说,没有这个地点已登记在案的记录。米奥蒂在博客里说,从旅行中的一个想法,到收到墨西哥政府机构的正式回复,用了不到72小时。他很兴奋,认为这可能是一场科学革命,还呼吁用激光雷达测绘整个地球,让AI帮忙寻找更多遗址。不过他也强调,自己不是考古学家,这个发现需要实地考察验证。

问题出在哪里?
熟悉当地考古的专家很快发现,这个遗址早就在一篇学术论文里被记录过,论文发表已经超过一年。为什么政府机构没有记录,专家却知道?因为政府数据库不是全世界考古知识的完整清单。很多遗址的精确坐标不会公开发布,以防盗掘;要核对一个地点是否已知,常常得把图像和论文里的图版进行比对,而不是简单搜索数据库。

阿拉巴马大学伯明翰分校的考古学教授莎拉·帕卡克在社交平台Bluesky上说,这就是为什么科学需要同行评审。一个东西不在政府数据库里,不等于它没人知道或没被绘制过。其他考古学家也批评,说这会把专业人员几十年来用先进数字工具完成的工作说成“新发现”,还可能传播错误信息。想一想:为什么“政府数据库里没有”不能直接等于“从来没人发现过”?

专家怎么看AI的作用?
论文作者之一、考古学教授伊万·什普拉伊奇说,考古学家使用激光雷达和其他遥感工具已经很多年了。他并不觉得AI程序这次的工作有多特别。他还说,米奥蒂去问墨西哥国家人类学与历史研究所是值得肯定的,但“还不够”,因为该机构并不掌握所有信息;一个遗址群没有官方记录,不代表考古学家没发现、没探索过。

伦敦大学学院的伊丽莎白·格雷厄姆教授说,在玛雅地区工作的考古学家知道大量还没探索、发掘或绘制地图的遗址,很多是靠人走出来的。她还提醒,“发现”这个词要小心,因为当地社区往往早就知道这些地方。她也承认,米奥蒂用AI从激光雷达数据里标出土丘的工作做得还不错,但解读激光雷达数据并不简单。她强调:“只是看到一个东西,并不会给我们的知识增加多少。”什普拉伊奇也说了类似的话。格雷厄姆还说,真正的大问题是研究经费不足:没有钱发掘和绘图,就算“发现”更多地点,也未必增加多少知识。

AI也会漏掉,也会犯错
米奥蒂后来承认,他和AI程序确实漏掉了那篇论文。他说,考古学家通常不会公开遗址坐标,所以检查一个地点是否已知,需要拿图像和论文中的图进行比较,而不是搜索数据库;这对AI程序来说难得多。有人指出问题后,他尽快更新了博客和帖子,给原研究者的工作注明功劳。他也说,专家知识“是验证AI发现所必需的”。米奥蒂还说,他没想到会引来这么多关注,并承认作为非考古学家,他一开始没有意识到:一个地点没有登记,并不等于它没有被绘制过。

不过,米奥蒂说,也有一些考古学家和博士生联系他,对这套工作流程感兴趣,想知道能不能用来帮助整理自己的调查数据。他认为,AI可以帮助专家处理大量数据,但不能代替专家判断。如果你用AI找到一个看起来没人知道的地方,下一步应该先做什么?

为什么大家担心?
什普拉伊奇说,他担心业余爱好者用AI提出大量“新发现”,把核实工作压到考古学家身上。他接受采访时说,就在当天,他又收到另一个AI“发现者”的邮件。他还提到另一个风险:如果业余者公开遗址位置,可能吸引盗墓者。专家为什么担心公开地点可能带来盗墓风险?不过他也说,只要这些“发现”没有导致盗掘,他不认为有特别大的问题。

这起争议也反映AI进入科学时的一个普遍问题:AI可以很快处理信息,甚至做出令人印象深刻的结果,但它不一定了解已有研究,也不一定知道怎样正确解释结果。文章还把它和OpenAI最近在数学上的进展相比较,说明AI可能很能干,却不一定接得上已有研究。真正的研究不只是“看到一个东西”,还要查资料、验证、理解背景,并对前人的工作给予认可。否则,专家就得花时间去弄清楚“到底发现了什么、这件事为什么重要”,而这本来就是科学研究的一部分。