48个AI代理72小时标记玛雅遗址，却漏读了关键论文

2026年10月18日，谷歌研究员Pietro Miotti在秘鲁旅行途中产生了一个念头：如果当年寻找马丘比丘的探险家Hiram Bingham手里有今天的AI工具，他会怎么做？三天后，48个AI代理扫描了约1200平方公里的NASA激光雷达数据，向墨西哥国家人类学和历史研究所（INAH）发出了一份西班牙语报告，标记出一处疑似此前未被官方登记的玛雅遗址。从想法到政府机构回复，整个过程不超过72小时。

这件事随后在科技媒体传播。Miotti在博客中更新说，该遗址其实已在Estrada-Belli等人2025年发表的考古论文中被记录，只是AI代理在梳理学术文献时将其遗漏。INAH的官方档案中没有这一遗址的登记，但考古学界已经知道它的存在。

方法论才是真正的新闻

这件事的技术含量不在“发现”二字上，而在它所展示的一套可复制的工作方式。Miotti没有使用任何专门训练的考古模型或定制分类器。他的做法是：将NASA激光雷达的原始点云数据转换成图像，然后让48个AI代理像一组“极度耐心的考古学家”一样逐幅浏览，依据一份详细指南筛选出金字塔、平台和广场，同时排除自然丘陵、溶洞和道路。

Miotti在构思阶段同时咨询了Gemini、ChatGPT、Claude和Grok，四个系统都指向了同一条路径：激光雷达。激光雷达（LiDAR）通过向地面发射激光脉冲，能穿透密林冠层，直接测绘地面形态，让埋藏在植被下的遗址轮廓以高度差的方式呈现出来——这是卫星光学图像完全做不到的。

最终被标记的疑似遗址特征包括：一座高度估计在8至12米以上的椭圆形金字塔、一处整平的广场、一个抬高的庭院，以及一处可能的蓄水池。Miotti本人在博客中明确说明，这些判断来自与代理的“长时间对话”，属于推断而非实地确认，坐标也以保密附件形式单独提交给了INAH。

AI遗漏了什么

代理在图像识别上表现出色，却在文献检索上出现遗漏。Estrada-Belli等人2025年的论文已经包含了这处遗址的记录，但48个代理在过滤学术文献时将其漏掉，导致Miotti一度认为自己找到了一个“全新发现”。

空间模式识别和文献综合，是两种截然不同的认知任务。前者是在结构化的视觉数据中寻找特定几何特征，信噪比高，代理可以并行分工，错误可以通过交叉核验发现。后者要求在非结构化文本中判断相关性、处理不同的命名惯例、理解遗址的地理归属——这类任务对语言模型的挑战更大，也更难发现错误。

INAH档案没有收录这处遗址，说明学术界的发现和官方登记之间存在时间差，考古知识的流通并不总是完整和及时。在这个意义上，AI系统暴露的不只是自身的局限，也照出了现有知识管理体系的漏洞。

历史参照：LiDAR本身就是一场革命

过去几年，激光雷达已经在考古领域多次改写认知边界。2018年，对危地马拉北部约束地区的机载LiDAR扫描，一次性揭示了超过6万个此前未知的玛雅建筑结构，彻底颠覆了外界对玛雅文明规模的估计。这次扫描覆盖约2100平方公里，把原本需要数十年人工测绘的工作压缩成了几次飞行。2025年5月，无人机LiDAR在危地马拉佩滕地区发现了面积约16平方公里的Los Abuelos仪式中心，金字塔最高达33米。

但上述发现都依赖专业考古团队的系统部署，需要许可、资金和时间。Miotti这次实验的不同之处在于：它是一个人、几个API调用、72小时内完成的个人项目，总成本几乎可以忽略不计。规模化的门槛急剧下降，意味着这类工作不再需要等待机构批准。

从“72小时”读出的信号

Miotti在博客结尾写道：“我认为我们正处于所有科学领域革命的边缘，不只是编程、物理和数学。我们现在应该对整个地球进行LiDAR扫描，让代理帮助我们找到剩下的一切。”

NASA和多个国家的太空机构已经积累了覆盖数百万平方公里的LiDAR数据集，其中大量数据从未被系统分析过。传统方式下，处理这些数据需要的人力和时间几乎无从筹集。而Miotti的实验表明，以并行代理的方式进行图像级分析是完全可行的：1200平方公里，48个代理，不到三天。

可行不等于可靠。这次实验的“发现”最终被降级为“重新发现”，核心教训是：AI代理在处理视觉空间数据时的效率，尚未延伸到同等质量的文献交叉核验。在实地考古验证尚未完成的情况下，任何标记结果都只是候选，而非结论。

AI代理的能力边界

这次实验的真正价值，不在于“AI发现了玛雅金字塔”这个容易传播的标题，而在于它精确地画出了当前AI代理的能力边界：在结构清晰的感知任务上，代理可以以极低的成本完成原本需要大量专业人力的工作；在需要跨领域推理、文献关联和知识去重的任务上，代理仍然会犯代价不低的错误。

遗漏了一篇2025年的论文，只是个小插曲。真正需要追问的是：当代理覆盖的面积从1200平方公里扩展到100万平方公里时，错误率会怎样变化，遗漏和误报如何被发现，谁来负责把关？Miotti的实验是一个极具启发性的原型——它同时告诉我们AI能做什么，以及下一步需要认真解决什么。