top of page

Pietro Miotti 的瑪雅發現聲稱原來是重新發現

27 分鐘前
讀畢需時 11 分鐘
Illustrative photograph. Photo: María Regina Díaz / Pexels.

Pietro Miotti 的瑪雅發現聲稱,如今已成為一次重新發現:他的 AI agents 標示出墨西哥一個考古遺址,但研究人員早已完成繪圖記錄。他在 11 月 11 日的更正中指出較早發表的研究,並承認文獻搜尋失敗。這項逆轉改變了該實驗對自動化研究所能證明的事情。

相關比較對象,是 Francisco Estrada-Belli、Marcello Canuto、Ivan Šprajc 和 Juan Carlos Fernandez-Diaz 在 2025 年發表的研究。他們的考古研究早於這項聲稱。AI 系統可以識別有意義的模式,但仍可能錯誤判斷該模式是否代表新知識。

這個分別的重要性不止於考古學。研究 agents,即使用軟件工具執行相連任務的 AI 系統,承諾可將資訊轉化為發現。它們的可信度取決於是否核實人們已知的內容。這次事件揭示了產生看似合理的結果,與有資格稱之為發現之間的落差。

Pietro Miotti 的瑪雅發現遇上較早發表的論文

這項更正改變了該聲稱的科學意義,但並未證實所偵測到的地貌特徵並不存在。

Miotti 在其 瑪雅遺址更正中表示,agents 在文獻審查期間遺漏了一篇既有論文。他稱,該項目是以自己的運算資源,在假期期間進行的個人工作。因此,這應理解為他的實驗,而非 Google 的機構考古發現。

時間順序也須謹慎看待。他的說法描述了 10 月 18 日至 21 日進行的工作,其後在 11 月作出更正。這個短暫的項目時間表,指的是從構想到正式回覆之間的時段,並不代表已完成科學驗證程序。

當一則消息透過標題傳播時,這個差異很容易被忽略。快速得出結果,確實能令人印象深刻地展示軟件可達成的事情。但速度描述的是工作流程完成得有多快,而不是其結論有否經得起審查。

一項發現聲稱包含多個讀者常會壓縮成一項的命題:某物存在於某個位置;該觀察具有考古意義;早前研究人員未曾記錄它;有適當證據支持其詮釋。每項命題都需要各自的支持。

較早發表的論文直接影響新穎性這項命題。它不會自動解決有關該位置、其歷史或保存狀況的所有問題。同樣地,其他問題存在不確定性,也不能恢復「該遺址此前不為人知」的聲稱。

該出版物本身可供核實。這項區域聚落研究刊於《Journal of Archaeological Science: Reports》。作者結合 lidar 數據集,檢視古典期瑪雅低地的人口密度及聚落分布。

這為爭議確立了必要的參照點。相關研究領域早已有學術成果,而 Miotti 的更正亦明確指出該研究。讀者毋須接受推測性的考古詮釋,也能理解原先的論述為何失敗。

這也涉及署名問題。若敘事完全圍繞 agent 工作流程,早前的科學研究可能從視野中消失。正確歸屬能重新肯定那些提供關鍵脈絡的繪圖研究人員。

餘下的問題較為狹窄,也更有用:在移除新穎性聲稱後,這項實驗完成了甚麼?回答這個問題,需要區分遙距觀察、行政紀錄及考古詮釋。把這些類別當作可互換的內容,正是原先混亂的成因。

缺少登記紀錄不能證明科學新穎性

行政搜尋回答的是紀錄問題;文獻審查回答的則是已發表知識的問題。

根據 Miotti 的說法,墨西哥國家人類學與歷史研究所(INAH)在所提交的位置找不到已登記遺址。他的更新則指出,該位置仍出現在早前研究中。這兩項說法可以同時成立,因為它們涉及不同的資訊系統。

邏輯上的錯誤,是把有限的否定結果轉化為普遍結論。一次搜尋可以證明某個特定來源沒有返回相符結果,卻不能證明所有相關出版物、檔案、地圖或研究項目都沒有該資訊。

試想一名研究助理在公司資料庫中查找一項發明。空白結果只會描述該資料庫的搜尋情況,不能證明沒有人曾在期刊、專利、會議簡報或技術報告中描述這項發明。

同樣的推理適用於此。關鍵挑戰在於判定搜尋涵蓋了甚麼,以及甚麼仍在範圍之外。沒有這些界線,有關檢索的說法便會變成關於現實的說法。

毋須推測為何某個特定登記冊缺少相應條目。現有證據無法確定行政上的解釋。即使不歸咎任何機構,或假設其紀錄有缺陷,核心要點依然成立。

已發表的考古研究與官方登記亦有不同用途。科學論文提出證據及詮釋,供學術評估;登記冊搜尋則關乎行政紀錄。兩者都不應被默默地互相替代。

當這些分別在流暢的摘要中消失,AI 考古驗證便會變得不可靠。最終段落聽來可能比底層搜尋所能支持的更確定。讀者看到自信的結論,證據的限制卻被隱藏。

壓力落在傳達結果的人身上。開發者必須準確呈現未成功的搜尋;研究人員必須審查超出證據範圍的聲稱;出版者在把複雜說法濃縮成標題時,必須保留這個分別。

負責任的結論應列明所搜尋的資料庫,並避免聲稱普遍新穎性。這種措辭或許不那麼戲劇化,但能提供讀者可自行評估的資訊,也為另一個來源改變結論留下空間。

這對評估研究自動化的企業買家尤其重要。提供答案的系統,也應讓其證據界線清晰可見。否則,缺失的一份文件可能悄然變成「不存在這種文件」的斷言。

更廣泛的教訓關乎從缺席作出推理。搜尋工具可以減少不確定性,但結果仍取決於覆蓋範圍、術語、存取權限及匹配方式。這些限制不會因為由 agent 執行搜尋而消失。

偵測地形特徵與確立發現是兩項不同成就

有用的影像分析,可以與缺乏支持的原創性聲稱並存。

lidar 是一種以雷射脈衝量度距離的測量方法,可揭示森林覆蓋下的地形。NASA 形容其 G-LiHT 機載儀器結合 lidar、成像光譜及熱量測量,以研究陸地生態系統。

機載這一細節很重要。公開討論可能會把衛星照片、飛機測量、地形模型及 AI 生成圖片,模糊地視為同一種技術流程。這些材料有不同來源,並支持不同結論。

地形視覺化源自量度結果;詮釋則為其形狀賦予意義;示意性重建則想像某處昔日可能的面貌。在這些類別之間轉換,需要明確說明,尤其是當所得影像看來很有說服力時。

對這次事件最可辯護的正面解讀,是通用 agents 協助一名圈外人識別值得調查的特徵。這是關於輔助作用的有用假設,但範圍比證明自主考古發現更狹窄。

同樣地,重現專家觀察可以有價值,卻不會產生新發現。獨立識別最終或有助評估偵測系統,但這需要結構化比較,而不能把在一個選定例子上取得一致視為充分驗證。

有意義的評估,須同時檢視漏掉的特徵及成功的偵測。它亦須區分考古結構、自然地貌或現代變化。單憑一張具說服力的影像,無法顯示系統能否可靠地作出這些區分。

這正是較早研究帶來的不止是尷尬更正之處。它提供了一個潛在參照,可用來評估某種偵測方法。問題遂變成:該方法能否在經適當選取的數據集上保持一致表現。

這種評估不同於詢問某個突出位置看來是否令人信服。一個被選出的成功例子,對系統在其他地方忽略了甚麼幾乎沒有說明,也無法排除人為指令在多大程度上塑造了結果。

文獻搜尋失敗值得另作評估。影像分析和新穎性核查涉及不同證據、工具及失效模式。前者表現強勁,無法彌補後者得出欠缺支持結論的問題。

對使用者而言,這種區分改變了閱讀出色 agent 示範的方式。輸出可以同時包含有用觀察、錯誤推論及吸引人的視覺化成果。全盤接受或拒絕整個組合,只會掩蓋這些差異。

因此,Pietro Miotti 的瑪雅發現應歸入更精確的類別:一項已更正的聲稱,提出關於 agent 輔助偵測及研究驗證的問題。這項更正對新穎性具決定性,但沒有全面評估每一個技術步驟。

這類評估需要可重現的證據及獨立審查。在此之前,這項實驗仍只是一個工作流程的記錄,其核心詮釋存在已記錄的錯誤。

考古學家早已測試自動化偵測

相關比較,是採用不同驗證實踐的研究方法之間的比較,而非 AI 進入一個未經開拓的領域。

瑪雅地景的自動化分析早於這次事件。一份記錄 Maya detection challenge 的論文集,描述了在 2021 年機器學習會議工作坊上發表的工作。其主題包括利用衛星影像及機載雷射掃描數據識別考古特徵。

這段歷史改變了競爭性的敘事框架。既有的替代方案,並不僅限於人在沒有軟件協助下檢視地形。研究人員早已探索如何結合考古專業知識、遙距量度及自動化影像分析。

Jincheng Zhang、William Ringle 與 Andrew R. Willis 在 2024 年發表的一篇預印本,提供了另一項具體比較。他們的 Maya 影像分割研究使用經訓練的電腦視覺模型,在 lidar 影像中識別結構類型。分割是指將影像區域分類。

這種方法不同於要求通用代理檢視圖片並協調研究工作。專用模型處理的是明確界定的視覺問題;通用代理則有機會把視覺分析與文件搜尋、報告撰寫及其他活動連結起來。

這些能力屬於互補的可能性,而非證明其中一種方法已取代另一種方法。廣泛的工作流程或可減少協調工作;專門的偵測器則可能提供更清晰的評估目標。兩者的優勢都不足以證明其在整個考古研究領域中更具優越性。

目前沒有受控比較證明 Miotti 的工作流程比專家方法表現更佳。因此,聲稱其可取代專家勞動力,將超出現有證據所能支持的範圍。經修正的發現主張,亦不能作為估算專業工作被取代程度的依據。

該領域亦有一個既有例子,說明如何把環境調查數據重新用於考古研究。2024 年刊於 Antiquity 的研究檢視了先前收集自墨西哥 Campeche 的 lidar 數據,揭示出密集聚居情況及名為 Valeriana 的遺址。

這項環境 lidar 研究提供了有用的歷史參考。當研究人員結合脈絡分析時,既有數據集能支持新的考古知識。舊有測量數據可供取得,並不代表詮釋工作會自動完成。

不應把 Valeriana 與 Miotti 經修正主張中的地點混為一談。它的相關性在於方法論:為其他目的收集的數據集,當中仍可能保留有用資訊。要確立這些資訊的含義,仍需證據與歸屬說明。

對 AI 公司而言,壓力在於須相對於既有工作說明其貢獻。更快生成報告、更廣泛篩選影像,以及更有效核實新穎性,是不同的主張;每一項都值得作出適當比較。

對考古學家而言,機會同樣具體。如能符合專業要求,減少重複分析工作的協助工具便可能具價值。公開示範若邀請外界作出這種評估,而不是暗示專業知識已不再必要,便會更具參考價值。

因此,更有力的敘事在於整合。問題是通用代理能否可靠地參與已包含計算方法的研究工作流程。這次事件指出了一個任何此類整合都必須處理的驗證問題。

經修正後,代理可靠性仍未有答案

一次新穎性檢查失敗足以構成後果嚴重的錯誤,但無法量度整個技術類別的可靠性。

若據此斷言 AI 系統無法為考古學作出貢獻,將屬過度推論。早期的計算研究已令這種立場難以辯護。同樣地,把一次看似合理的偵測視為自主科學發現已經到來的證據,也同樣過度。

現有紀錄支持較狹窄的判斷。該工作流程產生了一項詮釋,其作者其後發現先前研究並作出修正。這已足以否定原有的新穎性主張,但不足以計算一般錯誤率。

公開敘事未回答多項重要技術問題。文獻搜尋檢視了哪些來源?使用了甚麼查詢?候選地點如何與地圖及出版物配對?最終措辭由哪些證據支持?

這些問題關乎結論的依據。沒有答案,觀察者無法判斷失誤源於檢索覆蓋範圍、文件詮釋、地理配對,還是報告方式。不同成因需要不同補救措施。

加入更多代理不一定能解決任何一項問題。多個代理可能共享同樣不完整的來源,或重複相同推論。若底層證據並非獨立,表面上的一致性價值有限。

這是分析上的關注,而不是對這個特定工作流程已獲證實的診斷。公開說明未能交代其代理如何共享資訊或互相核查;這些細節仍應視為開放問題。

同樣的審慎態度亦適用於成本及生產力主張。短暫的經過時間並不能揭示整體人力投入、運算開支或審閱負擔,也不能支持與專業考古工作作出嚴謹比較。

對開發者而言,實際含義在於架構設計。偵測、來源檢索、新穎性評估及最終溝通,應維持可區分性。審閱者應能識別哪個階段支持某項陳述,以及哪個階段仍存在不確定性。

對知識工作者而言,這個問題並不陌生。助理可能檢索到有用資訊,卻忽略了一份改變其含義的文件。可搜尋知識庫有助整理存取方式,但單靠組織並不能保證檢索完整。

因此,產品標準應包括可見來源及可供審閱的結論。使用者需要能檢視「某事物是新、缺失、已獲批准或前所未有」等主張背後的證據。這些字眼比起檢索材料的摘要,承擔更大責任。

若把 Miotti AI 代理解釋為一個任務序列,會構成有趣的示範;若把同一序列解釋為科學新穎性的證據,則需要更嚴格的標準。這次修正顯示,溝通必須反映實際驗證程度。

承認錯誤是有用的。它更新了公開紀錄,並讓後來讀者取得更清晰的交代。餘下的考驗是,未來示範是否會在最強主張流傳之前吸收這個教訓。

留意可重現性、更佳搜尋及考古後續發展

下一項有意義的證據將關乎結果如何接受核查,而非原有主張傳播得多廣。

第一個訊號,是一份尊重地點敏感性的可重現技術交代。研究人員可檢視提示詞、處理選擇、模型版本及挑選出的輸出結果,無須公開機密座標。可重現性是指提供足夠細節,讓他人能評估或重複該方法。

這會強化代理輔助偵測較狹窄的論據,讓審閱者檢視結果是否依賴特定指令、視覺處理方式或人為決定。但這不會改變較早研究人員已繪製該遺址地圖的事實。

可重現紀錄亦會讓失敗變得可見。成功案例若同時提供被拒絕的候選項目、含糊的輸出結果及已記錄的限制,會更容易詮釋;否則,讀者無法評估被突出的結果有多具代表性。

第二個訊號,是已證明的新穎性核查改進。未來工作流程應找到相關的早期出版物,並將其連結至候選地點。僅加上一句代理有時會犯錯的警告,無法解決實質問題。

有用的評估應包括不同來源互相矛盾,或採用不同描述方式的案例。挑戰在於保留這些差異,同時得出有理據支持的結論。單純產出更長的參考書目,本身不能證明系統理解了證據。

成功的 AI 考古驗證,應讓搜尋邊界可供檢視。它應區分缺少登記冊條目與缺少出版物配對,亦應在地理識別或文件存取妨礙得出明確答案時保留不確定性。

這會提高外界對工作流程處理證據方式的信心。若持續未能識別已知遺址,便會削弱其可可靠評估新穎性的主張。恰當的衡量標準是這些決定的品質,而非文字表述的自信程度。

第三個訊號,是相關考古研究人員或主管機構作出的實質跟進。這類跟進可澄清地點的詮釋、記錄或研究狀況。應按其新增內容作出評估,而不應將其描述為對原有主張的追溯性支持。

現有證據並未引申任何具體的實地考察或出版截止日期。未來數月是觀察期,而非已承諾的研究時間表。沉默並不能證明該遺址沒有重要性,或進一步工作已被放棄。

這些訊號合起來,把技術實用性與科學原創性區分開來。工作流程可在一次失敗主張後得到改進,而重新發現的地點亦可繼續具考古價值。兩種可能性都不需要保留一個關於誰最先確立何事的不準確說法。

在分享另一個自主發現故事前,應檢視最強主張及支持它的證據。要問:偵測到的模式是否已有記錄在案的詮釋?是否核查過先前研究?是否有獨立專家審閱結論?除了令故事引人入勝的來源外,也要尋找可能推翻標題的來源。Pietro Miotti 的 Maya 發現是有用案例,因為修正使這個區別清晰可見。應把技術紀錄、文獻搜尋及任何考古更新視為各自獨立的發展來追蹤。每一項都可增加有用知識,卻不會恢復原有的新穎性主張。下一次可信的代理研究示範,應從一開始便讓這些界線容易檢視。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page