48体のAI Agent。72時間。NASAのLidarデータ。
最終的に。此前記録されていない玛雅文明のピラミッドが1座、発見された。
このタスクで注目すべきなのは「AIが宝物を発見した」ことではない。複数Agentがどう分業し、結果を検証し,哪些错误が一緒に増幅されるかである。
元記事Pietro Miottiの記事を参照。結果をなぞるのではなく、複数Agentシステムへの負荷試験として捉える。
72時間で1周的考古探索を走り切る
Google SWEが48体のAI Agentを動かし、NASAのLiDARデータを共同で解析した。タスク全体の所要時間は72時間で、前例のない玛雅文明のピラミッドが発見された。
衛星画像を1枚見せて「ここがピラミッドに見えないか」と答えさせる方式ではない。プロセスは、おおまかに4段階に分かれる。
- NASAのLidarデータを読み込み、処理する。
- 地形から見直すべき異常を探す。
- 異なるAgentが、それぞれ形状、周辺環境、候補解釈を確認する。
- 証拠を集約し、植生、地形、データノイズによる誤検出を除く。
「72時間」の方が「ピラミッド発見」ほど工学的意義がある。システムに明確な予算を与えた点だ。モデルは無限にプロンプトを試すのではなく、この時間内に探索を完了しなければならない。
ただし、記事にはAgentごとの呼び出し回数、Token消費、失敗時の再試行回数が示されていない。そのため、現時点で1回の実行コストを厳密に算出することはできない。
48という数字が48台の並列マシンを意味しているとも限らない。Agentはスケジューラによって逐次、または小分けに起動される可能性がある。
だが、1点だけは明確だ。単一モデルとの質疑応答ではない。分業、成果物、期限を持つ探索システムである。
Google SWEは通常のチャットボットではない
ここでいうGoogle SWEは、会話相手になるボットではない。よりソフトウェア開発に近い実行環境だ。Agentはコードを書き、プログラムを実行し、出力を確認し、結果に応じて修正できる。
ここが重要な点である。
LLMに画像だけを見せて推測させると、「もっともらしいが誤った」判断を下しがちだ。規則的な林地、影、排水路を人工建築と説明してしまう。コード実行には別の検証経路がある。
たとえば、あるAgentが標高グリッドを局所的に平滑化し、勾配と曲率を計算する。別のAgentが候補領域を生成し、各領域を同じ投影法と色階でレンダリングする。3番目のAgentは、候補の境界が既知の遺跡、道路、自然地形と衝突しないかを調べる。
擬似コードは次のようになる。
import numpy as np
from scipy.ndimage import uniform_filter
def local_relief(height: np.ndarray, cell_size: float) -> np.ndarray:
"""用邻域高程差提取正的地表起伏。"""
smoothed = uniform_filter(height, size=5, mode="nearest")
return height - smoothed
def candidate_mask(relief: np.ndarray, slope: np.ndarray) -> np.ndarray:
"""保留明显起伏且坡度不过高的候选区域。"""
return (relief > 1.0) & (slope < 0.35)
これは記事中の完全な実装ではなく、実際の考古学的な分析を代替もしない。何を示しているだけだ。Agentの価値は「画像について語ること」ではなく、決定的なデータ処理コードを呼び出し、曖昧な判断を再現可能な計算へ変えることにある。
モデルが次に何を確認するかを提案し、ソフトウェアが検証可能な結果を出す。役割は異なる。
複数Agentの真の壁は分業にある
48体のAgentは.numericに華やかだが、工学的拿下に難しいのはAgentの多さではない。48の仕事を48回重複させないことである。
妥当なタスクグラフには、少なくとも次のような役割が必要だ。
- スケジュールAgent:タスクキュー、依存関係、残りの時間を管理する。
- データAgent:Lidar領域を切り出し、欠損値を補完し、座標系を統一する。
- 検出Agent:異なる異常検出戦略を実行する。
- 再確認Agent:他のAgentが提示した候補を,专门に覆す方向から検証する。
- 集約Agent:独立した複数の証拠で裏づけられた地点だけを残す。
最も問題を起こしやすい設計は、「再確認」を「モデルにもう一度询问する」と書くことだ。48体のAgentが同じコンテキスト、同じツール、同種のプロンプトを使い、似た判断を受け付けるなら、並列の投票に見えて、実態は同じ偏見を48回複製しているだけになる。
より信頼性の高い方法は、再確認を異なる証拠に基づいて設計することだ。
| 候補チェック項目 | 役割 |
|---|---|
| 局所的な標高断面 | 人工的に切り整えられた平頂や段丘の特徴があるか判断する |
| 勾配と曲率 | 通常の斜面、谷、自然の隆起を除く |
| テクスチャと方向性 | 縁が規則的な幾何構造をもつか調べる |
| 周辺遺跡との関係 | 候補が既存の集落や道路の近傍にあるか判断する |
| 複数時点の観測データ | 取得誤差、影、植生被覆の違いを除く |
ここでいう「複数」は、すべてのAgentが独立に同じ答えへ到達することを意味しない。更好的設計は、1つのAgentが仮説を提示し、別のAgentが反例を探す形だ。
失敗モードの方が気になる。Agentが増えるほど、誤りが伝播する速度も速くなり得る。1つのAgentが座標変換を誤れば、後続の10体がすべて誤った領域を解析する。集約ロジックがさらに「多数一致」を証拠として扱うなら、まったく信用できない結果を自信を持って提出する。
したがって、複数Agentの壁はスケジューリングフレームワークそのものではなく、証拠の隔離と失敗の隔離にある。
NASAのLiDARデータから何が引き出せるか
今回のタスクでは、NASAのLidarデータが解析の入力として使われた。その価値は、LiDARが地表面の色だけでなく、林の下に潜む微弱な地形起伏も記録できる点にある。
雨林の樹冠が建築を覆っていても、地表がまったくレーザーを返さないわけではない。植生の隙間、枝葉の縁、複数回の反射可以利用すれば、LiDARは数値標高モデルを生成できる。考古学的遺跡は、次のように現れる可能性がある。
- 平頂
- 規則的な直線境界
- 急変する勾配
- 周囲の自然地形とは異なる道路やプラットフォーム
アルゴリズムは通常、元の点群をラスタ標高へ変換し、局所的な基準面推定を行う。「局所標高差」は、ある点と近傍領域を比較する処理と理解できる。ある場所が周囲より数メートル高い、または規則的な段差をつくっていれば、候補キューに入れる価値がある。
だが、これはまだ候補生成にすぎない。LiDARも人を欺く。樹冠の輪郭、レーダーの走査角、川の堆積、地形の影は、建物に似た標高異常を作り出しうる。機械の仕事は人間が調べる面積を減らすことであり、専門家の判断をなくすことではない。
ここがマルチモーダルAgent usefulnessのある領域だ。ラスタデータが精密な測定を担い、レンダリング画像と地形断面がモデルによる空間関係の確認を補助する。モデルは特定の座標を指摘し、人間が元の点群と過去の資料を確認する。
発見後も、学術と考古学的検証が要る
「アルゴリズムのヒット」は「考古学的発見」と同じではない。
候補となったピラミッドには、依然として現地調査、年代測定、専門家の確認が必要である。標高異常は「ここに行く価値がある」ことを示すが、建築の年代や文化的帰属を単独で証明するものではなく、人工建築であることを完全に立証するものでもない。
少なくとも4つの関門が残る。
- データ再確認:候補が点群の整列、フィルタリング、座標投影によるアーティファクトでないか確認する。
- 文献再確認:古い地図、考古調査、歴史記録を照合し、単に記録の欠落ではないかを判断する。
- 現地検証:考古学チームが踏査、ボーリング探査、地表地球物理機器による調査を実施する。
- 学術検証:建築の機能、素材、年代、および周辺遺跡との関係を確定する。
该项目はHacker Newsのトップページに載り、516 pointsと202件のコメントを集めた。読者による議論はHacker Newsの50452455番にある。
516 pointsは、エンジニアリングと考古学の交差領域が注目されることを示す。202件のコメントは,这类のプロジェクトでは証迹の境界が問われやすいことを remindingしている。
何が見つかったのか。現地確認は済んだのか。48体のAgentはconsensus hallucinationをどう避けたのか。72時間の作業に人間の手は 얼마나関与したのか。
这些问题被、メディアの見出しに答えさせるべきではない。
編集者の視点
このケースの価値は、48体のAgentが考古学者を置き換えたことではない。広大な地域探索という人的には扱いにくい作業を、拡張可能な候補絞り込みへ圧縮した点にある。Lidarが空間的な手がかりを与え、モデルがスケジュール管理と確認方向の提示を担い、決定的なコードが測定を行い、考古学専門家が結論とみなせるものを決める。単一モデルによる画像分類とは別物だ。課題は「1つの物体を識別する」ことから、長 retardsomethingな証拠生産チェーンを管理することへ変わる。
次の勝負勘定はAgentの数ではなく、再現可能性だ。只有公开データバージョン、コード、プロンプト、ランダムシード、各Agentのログ、失敗記録をすべて公開して初めて、48という数字が有効な並列化なのか、単にコストを積み上げただけなのかを判断できる。誤検出率も発見数とあわせて示すべきだ。そうでなければ、systems merely が人間に見させるノイズを増やしただけになる。現在公開されている情報だけでは、「未記録のピラミッド」が現地確認済みか十分に明確ではなく、アルゴリズムのヒットと考古学的結論を同一視してはいけない。