48 ИИ-агентов разобрали лидарные снимки NASA и нашли неизвестный город майя

Обычно «ИИ нашёл» в заголовке означает презентацию с красивыми графиками. Здесь история приземлённее и поэтому интереснее: один исследователь, публичные данные и целая стая агентов вместо одной большой модели.

Что произошло

Исследователь Пьетро Миотти рассказал на своём сайте, что с помощью 48 ИИ-агентов обнаружил в Мексике ранее неизвестный город цивилизации майя. Исходным материалом стали общедоступные данные NASA, полученные лазерным сканированием земной поверхности, то есть лидарные.

На этих данных алгоритмы распознали три признака древнего поселения: выровненную площадь, овальную пирамиду и резервуар для воды. Национальный институт антропологии и истории Мексики подтвердил, что по указанным координатам в базе не числилось ни одного зарегистрированного археологического объекта.

Как это работает на простом примере

Лидар посылает лазерные импульсы, и часть из них проходит сквозь растительность и отражается от земли. В итоге получается карта рельефа, на которой лес как будто убран. Древние платформы, насыпи и водоёмы на ней видны как слишком правильные формы там, где природа геометрию не рисует.

Представьте, что вам надо проверить тысячи квадратных километров таких карт. Человек устанет и пропустит половину. Агенты не устают: каждый смотрит свой участок или свой тип аномалии, а результаты потом сводятся вместе. Как именно Миотти распределил роли между 48 агентами, в источнике не раскрыто, поэтому гадать об архитектуре не будем. Но сама идея знакома любому, кто собирал пайплайн для разметки данных: много дешёвых проходов вместо одного дорогого.

Где подвох

Главная оговорка: пока это кандидат, а не раскопанный город. Подтверждение института говорит лишь о том, что в реестре на этих координатах пусто. Это не значит, что место никому не известно: о нём могли знать местные жители или исследователи, не внёсшие объект в базу. Полевых работ в сообщении нет, и название «город» стоит читать как рабочую гипотезу.

Вторая проблема — ложные срабатывания. Овальная форма на лидарной карте может оказаться естественным рельефом, старой фермерской террасой или артефактом обработки. Если агентов просили «найти поселение», у них есть стимул находить. В источнике нет данных о том, сколько кандидатов агенты отбросили и сколько отметили зря, а именно эта цифра и показала бы, насколько метод надёжен.

Третья оговорка: мы знаем об этом из рассказа самого автора и комментария института о реестре. Независимой публикации с методикой в материале нет.

Что из этого вынести практику

Во-первых, ценность здесь не в магии модели, а в связке «открытые данные + дешёвый параллельный перебор + эксперт на финальной проверке». Эту схему можно переносить на другие задачи: поиск аномалий в спутниковых снимках, аудит инфраструктуры, разметка архивов. Если у вас есть большой массив публичных данных, который никто не просматривал целиком, это кандидат на такую обработку.

Во-вторых, закладывайте внешнюю проверку сразу. В этой истории её роль сыграл национальный институт: он сверил координаты со своей базой. В вашем продукте такой проверяющий может быть реестром, экспертом или полевым тестом. Без него агент будет выдавать убедительные, но непроверенные находки.

В-третьих, считайте и публикуйте долю ложных срабатываний. Для заказчика важнее не «нашли 1 объект», а «из N кандидатов подтвердилось M».

Итог: это не научная сенсация, а удачный пример того, как агентный подход работает на реальных публичных данных. Дождёмся полевой проверки, тогда и станет ясно, нашли ли агенты город или просто красивый холм.