48 agentes de IA analisaram imagens lidar da NASA e encontraram uma cidade maia desconhecida

Normalmente, «a IA encontrou» em uma manchete significa uma apresentação com gráficos bonitos. Aqui a história é mais pé no chão e por isso mais interessante: um pesquisador, dados públicos e um enxame de agentes em vez de um único modelo grande.

O que aconteceu

O pesquisador Pietro Miotti contou em seu site que, com a ajuda de 48 agentes de IA, descobriu no México uma cidade desconhecida da civilização maia. O material de partida foram dados de acesso público da NASA obtidos por escaneamento a laser da superfície terrestre, ou seja, dados lidar.

Nesses dados, os algoritmos reconheceram três sinais de um assentamento antigo: uma praça nivelada, uma pirâmide oval e um reservatório de água. O Instituto Nacional de Antropologia e História do México confirmou que, nas coordenadas indicadas, seu banco de dados não continha nenhum sítio arqueológico registrado.

Como isso funciona, com um exemplo simples

O lidar emite pulsos de laser, e parte deles atravessa a vegetação e é refletida pelo solo. O resultado é um mapa do relevo em que a floresta parece ter sido removida. Plataformas, montículos e corpos d'água antigos aparecem nele como formas regulares demais, onde a natureza não desenha geometria.

Imagine que você precise verificar milhares de quilômetros quadrados desses mapas. Uma pessoa se cansa e perde metade. Os agentes não se cansam: cada um olha para sua área ou seu tipo de anomalia, e depois os resultados são reunidos. A fonte não revela como exatamente Miotti distribuiu os papéis entre os 48 agentes, então não vamos especular sobre a arquitetura. Mas a ideia é familiar a qualquer pessoa que já montou um pipeline de rotulagem de dados: muitas passadas baratas em vez de uma só cara.

Onde está o problema

A principal ressalva: por ora, é um candidato, não uma cidade escavada. A confirmação do instituto diz apenas que o registro está vazio nessas coordenadas. Isso não significa que ninguém conhecesse o local: moradores locais ou pesquisadores que não incluíram o sítio no banco de dados podiam conhecê-lo. A comunicação não menciona trabalhos de campo, e a palavra «cidade» deve ser lida como uma hipótese de trabalho.

O segundo problema são os falsos positivos. Uma forma oval em um mapa lidar pode ser relevo natural, um antigo terraço agrícola ou um artefato de processamento. Se os agentes foram instruídos a «encontrar um assentamento», eles têm um incentivo para encontrar. A fonte não traz dados sobre quantos candidatos os agentes descartaram e quantos marcaram em vão, e é justamente esse número que mostraria quão confiável é o método.

A terceira ressalva: sabemos disso pelo relato do próprio autor e pelo comentário do instituto sobre o registro. O material não traz uma publicação independente com a metodologia.

O que o profissional pode tirar disso

Primeiro, o valor aqui não está na mágica do modelo, mas na combinação de «dados abertos + busca paralela barata + um especialista na verificação final». Esse esquema pode ser transferido para outras tarefas: busca de anomalias em imagens de satélite, auditoria de infraestrutura, rotulagem de arquivos. Se você tem um grande volume de dados públicos que ninguém revisou por inteiro, ele é candidato a esse tipo de processamento.

Segundo, incorpore a verificação externa desde o início. Nesta história, esse papel coube ao instituto nacional, que conferiu as coordenadas com seu banco de dados. No seu produto, esse verificador pode ser um registro, um especialista ou um teste de campo. Sem ele, o agente produzirá descobertas convincentes, mas não verificadas.

Terceiro, calcule e publique a taxa de falsos positivos. Para o cliente, importa menos «encontramos 1 objeto» e mais «de N candidatos, M foram confirmados».

Conclusão: não é uma sensação científica, mas um bom exemplo de como a abordagem de agentes funciona com dados públicos reais. Vamos esperar a verificação em campo; então ficará claro se os agentes encontraram uma cidade ou apenas uma bela colina.