考古 × AI · 四十八个AI读完雨林的等高线：头条说“发现”，考古学家说“重逢”

十一月的第二个星期，技术圈被一条九百多赞的头条点燃：一位AI研究员带着四十八个AI agent，在NASA的公开激光雷达数据里找出了一座没人登记过的玛雅金字塔。七十二小时，从想法到墨西哥国家考古局回函。听着像科幻片的开场。

剧本的反转在十一个小时后到来。考古学家指出，这座“无人知晓”的遗址，一年多前就已经写进了同行评审论文的第14页。作者随即把博客标题里的“发现”改成了“再发现”，并补了一句老实话：agent漏掉了文献，我也漏掉了。

这场乌龙值得逐帧看完。因为它同时演示了AI做科学的两副面孔——手脚快得吓人，和记性差得离谱。

先说手脚快的那部分，它站得住。

主角Pietro Miotti是Google DeepMind的研究员，个人副业，致函墨西哥国家考古与历史研究院（INAH）时落款“独立研究员，苏黎世”。十月十八日，他在秘鲁旅行，跟模型聊起1911年Bingham怎么在找城的过程中撞见马丘比丘，随口问了一句：今天重走这条路，你会用什么工具？四个模型给了同一个答案：激光雷达。

真正的转折是下一问。秘鲁的公开雷达覆盖稀疏，测绘要许可、要预算、要官僚流程。而玛雅低地不一样——NASA戈达德中心的G-LiHT机载成像仪2013年就在尤卡坦飞过，OpenTopography上挂着可下载的地形数据。换个地方，路就是通的。

方法本身朴素到不像前沿科技。激光雷达条带先转成地形图像——把树冠剥掉、只看地面起伏的那种图。然后四十八个agent逐张目检，每张图背后是一份书面判读指南：台面、广场、金字塔的轮廓长什么样，哪些天然地貌要排除。没有微调，没有专用分类器，就是Gemini、ChatGPT、Claude、Grok四家通用模型排排坐看图。候选点出来后，再回头查原始点云剖面，确认那是地面凸起，不是树冠的错觉。

分辨率上这事是自洽的。G-LiHT是机载系统，335米航高，激光光斑只有十几厘米，数字地形模型做到半米级。八到十二米高的椭圆金字塔，在这种图上轮廓清晰。顺带纠正一个容易产生的误会：这不是卫星。星载激光雷达（比如国际空间站上的GEDI）光斑直径约二十五米，点与点之间隔着几十到几百米，做的是植被抽样，画不出金字塔的形状。

三日之内，从灵感到回函。INAH十月二十一日正式回复，编号公函写得清楚：在所报位置，未识别到已注册的考古遗址。注意这句措辞的分量——它说的是注册库里没有，不是这片土地上没人看过。

然后是记性差的那部分，它捅破了整件事。

遗址在2025年7月就已上线：Estrada-Belli、Canuto、Šprajc、Fernandez-Diaz四位考古学家发表在《考古科学杂志：报告》上的玛雅低地机载雷达研究，七月七日在线刊出，比Miotti的项目早了十五个月。作者本人后来在HN确认，遗址就在那篇论文第14页，配图是同一批建筑。知名“太空考古学家”Sarah Parcak在社交平台上的评价被广为转引：墨西哥政府的数据库里没有它，不代表它无人知晓——这就是同行评审存在的意义。

HN评论区把账算得更狠。有人对比了2024年的正牌研究：Auld-Thomas等人重新分析一百二十二平方公里的旧森林监测雷达，找出六千七百六十四处建筑，密度每平方公里五十五处，还顺带发现了仅次于Calakmul的大城Valeriana。同样是“翻旧数据”，人家用约十分之一的面积产出近七千个点，而四十八个agent扫过上千平方公里，交出的是一个。有人估计这轮扫描折合约八百多张分幅图——一张一张看下来，成本确实低，效率的量级差距也确实摆在那里。

更扎的问题来自方法内部：那四篇论文全都公开在网，恰好也可能在模型的训练集里。有人要求公布完整的agent会话记录来排除“走捷径”的可能，作者没有公开，这条线就此悬着。文献检索为什么集体失灵？评论区一位研究者的解释大概最接近日常经验——大量考古记录躺在没有数字化的纸质档案堆里，而模型的检索习惯是沿着网页走的。

平心而论，这座遗址本身不算石破天惊：山顶台地、整平广场、椭圆金字塔、疑似蓄水坑、三座房屋平台，古典期的判断连作者自己都标注为推测，Gemini还顺手画了张“约公元700年”的复原图——那个年代数字同样来自AI的想象而非考古证据。真正的信号藏在事件结构里：一个外行，用公开数据和通用模型，七十二小时走到了“官方确认注册库空白”这一步，距离专业结论只差一次文献检索。

AI做科学的瓶颈，正在从“算得出”挪向“查得全”。手脚是新的，记性是旧的。旧的那部分，暂时还得靠人类的老办法——同行评审，和愿意翻到第14页的人。