
AI agent「發現」馬雅遺址失準:Lidar 分析仍離不開考古專業
一名 Google 研究員 Pietro Miotti 以 48 個 AI agents 分析 NASA 的 Lidar 資料,宣稱在墨西哥馬雅地區找到一處似乎未登錄的大型聚落;其後考古學者指出,該地點早在一年多前已被學術論文記錄。這宗事件最關鍵的限制在於:AI 從遙感資料標出可疑地貌,並不等同完成考古上的「發現」。
Miotti 表示,這是未動用 Google 運算資源的個人項目。他讓 agents 在雷射測繪產生的三維環境資料中尋找村落、建築或房屋形狀,並曾向墨西哥國家人類學與歷史研究所(INAH)查詢。INAH 回覆該座標沒有已登錄遺址,但這項回覆不足以證明地點從未被考古人員辨識、測繪或研究。
資料檢索缺口,會把「未登錄」誤讀成「未知」
Miotti 後來承認,自己未理解未登錄與未被測繪之間的差別。考古遺址座標往往不會完整公開,核對既有研究可能需要將 Lidar 影像與論文圖像逐一比對,而非只搜尋資料庫。這正是 AI agent 在這類任務的弱點:即使能快速掃描大量資料,也未必掌握分散的文獻、保護限制與學科慣例。
阿拉巴馬大學伯明翰分校考古學教授 Sarah Parcak 指出,研究結果必須仔細對照既有工作,這也是同儕審查的重要性。曾參與記錄該遺址論文的考古學者 Ivan Šprajc 亦表示,考古界早已使用 Lidar 與其他遙感工具;單純在影像中看到特徵,對知識增量有限。
AI 適合加速篩選,不能跳過驗證鏈
從這個個案可合理推論,AI agents 的價值較接近協助研究團隊排序海量遙感資料、提出待查地點,以及降低初步判讀的時間成本。它們不應自行承擔「是否為新遺址、其意義為何、能否公開位置」等結論。
原因不只在於模型可能漏掉文獻。倫敦大學學院馬雅考古學教授 Elizabeth Graham 提醒,馬雅地區已有許多尚未發掘、繪圖或深入研究的地點,且在地社群往往早已知道附近遺址。對研究團隊而言,真正瓶頸也可能是測繪與發掘經費,而非缺少更多被標記的地點。
專家審核同時涉及文化資產保護。Šprajc 擔心,若業餘使用者公開宣傳遺址位置,可能引來盜掘;大量 AI「新發現」訊息也可能把查核負擔轉嫁給考古工作者。
接下來值得觀察的,是考古團隊能否把 agents 納入由文獻檢索、在地知識、影像判讀到田野驗證構成的工作流程;當工具提出候選點時,誰有權確認、署名與決定資訊公開範圍,將和模型辨識能力一樣重要。
延伸閱讀
AI 輔助說明: 本文由 AI 協助整理。
參考來源
本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。







