48个AI找出一处玛雅遗址,这次AI干的是下地干活的活(有格调找出40个字全部答案) szthrk.cn

最近有个事挺有意思。

一个自称不是考古学家的技术人员,把48个AI智能体调到NASA公开的激光雷达数据前,让它们一张一张地筛墨西哥丛林的地形影像。筛了大约1200平方公里,在一处山顶标出了一片疑似建筑群:平整的广场、一座8到12米高的椭圆形金字塔、相连的抬高庭院,还有一处可能是蓄水池的凹坑。

这还没完。智能体接着去检索文献档案做比对,起草了报告,还帮着译成西班牙语,发给了墨西哥国家人类学与历史研究所。对方回复说,这个坐标在登记记录里查不到已登记的考古遗址。

先说清楚,这还是一条待核实的线索。地形是什么年代的、是不是人工建造的、具体什么功能,都得等专业考古人员实地核验。发现不等于定论,这一点得摆在前面。

但这件事真正有意思的地方,不在于“AI找到了玛雅遗址”,而在于它是怎么干的。

过去我们聊AI,聊的都是它能写文案、能画图、能陪聊。这次不一样。48个智能体分工合作,有的负责看图,有的负责剔除自然山丘和天坑,有的负责回原始点云区分植被和地面,有的负责查文献。它们不是被专门训练来做考古的模型,而是按一份书面指南,把一个复杂任务拆成若干步骤,一步一步跑完。

这更像是一种新的工作方式:人给出目标和方法,智能体负责执行和筛查,人再回来做判断和定稿。苦活累活交给机器,判断和背书留给人。

这种工作方式能不能成立,有一个前提经常被忽略:它得跑得起来。48个智能体同时处理海量激光雷达数据,检索文献、生成报告、协作交互,背后是算力和连接在撑着。数据在云端和终端之间来回跑,任务在多个智能体之间分发协调,哪一环慢了,整个流程就卡住。中国移动这些年铺的算力网络,服务的就是这类场景。不过技术细节说多了没意思,真正值得想的是另一件事。

AI能筛线索,但筛不出结论。它可以把1200平方公里的丛林翻一遍,把可能是人工建筑的坐标圈出来,但它没法告诉你这座金字塔是哪个年代的、干什么用的、值不值得挖。这些事还得人下地去看,去挖,去判断。

这其实是技术最舒服的位置。不是替代人,是把人从地毯式排查的苦活里解放出来,让人把精力留给真正需要人的地方。AI不知道自己在找什么,它只是按照指令把可疑的东西标出来。知道“这东西意味着什么”的,还是人。

工具变了,做研究的方式也在变。但变的是谁干活,不是谁说了算。