48个AI代理72小时标记玛雅遗址，却漏读了关键论文
谷歌研究员Pietro Miotti在2026年10月用48个AI代理扫描约1200平方公里的NASA激光雷达数据，72小时内标记出一处疑似未登记的玛雅遗址，遗址特征包括一座8至12米高的椭圆形金字塔。随后发现该遗址已在2025年的学术论文中被记录，AI在文献检索环节出现遗漏。这次实验真正揭示的，是AI在空间模式识别与
2026年10月18日，谷歌研究员Pietro Miotti在秘鲁旅行时冒出一个想法：当年寻找马丘比丘的探险家Hiram Bingham，要是手里有今天的AI工具，会怎么干？三天之后，48个AI代理扫描了约1200平方公里的NASA激光雷达数据，用西班牙语写了一份报告发给墨西哥国家人类学和历史研究所（INAH），在其中标出一处疑似此前未获官方登记的玛雅遗址。从冒出念头到政府机构回信，前后不到72小时。
消息随后在科技媒体上传开。Miotti在博客里补了一句：这处遗址其实早被Estrada-Belli等人2025年发表的考古论文记录过，只是AI代理梳理学术文献时把它漏掉了。INAH的官方档案里查不到这处遗址的登记，可考古学界早就知道它在那儿。
真正值得看的是方法，不是“发现”
真正值得琢磨的地方，不是“发现”这个动作，而是背后那套能照搬的工作流程。Miotti并没有借助任何为考古专门训练的模型，也没用定制分类器。他先把NASA激光雷达的原始点云数据转成图像，再交给48个AI代理，让它们像一群“极度耐心的考古学家”，照着详细指南逐幅翻看，从中挑出金字塔、平台和广场，把自然丘陵、溶洞和道路排除掉。
构思阶段，Miotti同时问了Gemini、ChatGPT、Claude和Grok，四个系统给出的答案都指向同一条路：激光雷达。它的原理是朝地面打激光脉冲，穿过密林冠层，把地表形态直接测出来，被植被盖住的遗址轮廓便以高低差的形式显形——卫星光学图像做不到这一点。
最终被标出的疑似遗址特征有几处：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在博客里说得很清楚，这些判断来自与代理的“长时间对话”，是推断，不是实地确认，坐标另以保密附件的形式单独交给了INAH。
AI漏掉了什么
代理认图很在行，查文献却出了纰漏。Estrada-Belli等人2025年的论文里已经写了这处遗址，48个代理过滤学术文献时偏偏漏掉，害得Miotti一度以为自己撞上了“全新发现”。
辨认空间模式与综合文献，本来就是两类完全不同的认知活。前一种是在结构化视觉数据里找特定几何特征，信噪比高，代理能并行分工，出错还能靠交叉核验捞回来。后一种要在非结构化文本里判断相关性、应付各种不同的命名习惯、弄清遗址归哪儿管——语言模型干这个更吃力，错了也不容易被察觉。
这处遗址没被INAH档案收录，可见学术界的发现和官方登记之间存在着时间差，考古知识的流通也未必完整、未必及时。从这个角度看，AI系统露出的不只是自己的短板，也把现有知识管理体系里的窟窿照了出来。
回头看：LiDAR自己就是一场革命
这几年，激光雷达已经不止一次改写考古学的认知边界。2018年那次对危地马拉北部约束地区的机载LiDAR扫描，一口气找出超过6万个此前不为人知的玛雅建筑结构，外界对玛雅文明规模的估计被彻底推翻。扫描覆盖约2100平方公里，原本要几十年人工测绘的活，几次飞行就干完了。2025年5月，无人机LiDAR又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。
不过这些发现背后，都是专业考古团队在系统部署，要许可、要资金、要时间。Miotti这回不一样：一个人、几次API调用、72小时做完的个人项目，总成本几乎可以不算数。规模化的门槛一下子低了下来，这类活儿不必再等机构批。
“72小时”背后是什么信号
博客结尾，Miotti写下这样一段话：“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攒下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。按传统方式处理，所需的人力和时间几乎无从筹集。Miotti的实验则说明，用并行代理做图像级分析完全走得通：1200平方公里，48个代理，不到三天。
可行归可行，可靠是另一回事。这次实验的“发现”最后被降级成“重新发现”，要害在于：AI代理处理视觉空间数据的效率，并没有延伸到同等质量的文献交叉核验上。实地考古验证还没做，任何标记出来的结果都只能算候选，不能当结论。
AI代理的能力边界在哪
这场实验的价值，不在“AI发现了玛雅金字塔”那种好传播的标题，而在于它把当前AI代理的能力边界描得很准：结构清晰的感知任务，代理能花极低的成本干完原本要大量专业人力的活；一旦要跨领域推理、关联文献、给知识去重，代理照样会犯下代价不小的错。
漏掉一篇2025年的论文，只是个小插曲。该追问的是另一件事：代理覆盖的面积从1200平方公里扩到100万平方公里，错误率会怎么变，遗漏和误报靠什么发现，谁来负责把关？Miotti的实验是个很有启发性的原型——它既说明了AI能干什么，也点出了下一步得认真解决什么。
