48体のAIエージェントが72時間でマヤ遺跡を標定、しかし重要論文を見落とす

2026年10月18日、Googleの研究者Pietro Miottiはペルー旅行中にふとある考えを思いついた。かつてマチュピチュを探し求めた探検家Hiram Binghamが今日のAIツールを手にしていたら、どうしていただろうか？　3日後、48体のAIエージェントが約1,200平方キロメートルにおよぶNASAのLiDARデータを走査し、メキシコ国立人類学歴史研究所（INAH）にスペイン語の報告書を提出した。そこには、公式には未登録とみられるマヤ遺跡の候補地が記されていた。着想からメキシコ政府機関への返答を受けるまで、全過程は72時間を超えなかった。

この件はその後テクノロジー系メディアで広く報じられた。Miottiは自身のブログで追記し、当該遺跡はEstrada-Belliらが2025年に発表した考古学論文にすでに記録されていたが、48体のエージェントが学術文献を精査する際にこれを見落とし、Miottiが一時「全くの新発見」と判断してしまったと説明した。INAHの公式台帳には登録がなかったものの、考古学界ではすでにその存在が知られていたのだ。

方法論こそが真のニュース

この件の技術的な意義は「発見」という二文字にあるのではなく、再現可能な作業手法を示した点にある。Miottiは考古学専用に訓練されたモデルやカスタム分類器を一切使用しなかった。彼が行ったのは、NASAのLiDARの生点群データを画像に変換し、48体のAIエージェントに「極めて忍耐強い考古学者の集団」として1枚ずつ閲覧させ、詳細なガイドラインに基づいてピラミッド・プラットフォーム・広場を抽出しながら、自然の丘・洞窟・道路を除外させるというものだった。

Miottiは構想段階でGemini、ChatGPT、Claude、Grokの4システムに同時に相談し、いずれも同じ方向性を示した。それがLiDARだった。LiDAR（ライダー）はレーザーパルスを地面に照射することで、密な樹冠を貫通して地表形状を直接測量できる。植生の下に埋もれた遺跡の輪郭を高度差として可視化できるこの技術は、衛星光学画像では到底実現できないものだ。

最終的に候補地として標定された特徴には、高さ8〜12メートル以上と推定される楕円形のピラミッド、整地された広場、高台に設けられた中庭、そして貯水池と思われる構造物が含まれていた。Miottiはブログで、これらの判断はエージェントとの「長時間の対話」から導き出された推論であり、現地確認ではないと明記し、座標も機密扱いの添付資料として別途INAHに提出したと説明している。

AIが見落としたもの

エージェントは画像認識においては優れた結果を示したが、文献調査では見落としが生じた。Estrada-Belliらの2025年論文にはすでに当該遺跡の記録が含まれていたにもかかわらず、48体のエージェントは学術文献のフィルタリング時にこれを見落とし、Miottiを一時「全くの新発見」と信じさせることになった。

空間パターンの認識と文献の統合は、全く異なる認知タスクだ。前者は構造化された視覚データの中から特定の幾何学的特徴を探索するものであり、S/N比が高く、エージェントは並列分業が可能で、誤りは相互検証によって発見しやすい。後者は非構造化テキストの中で関連性を判断し、異なる命名慣行を処理し、遺跡の地理的帰属を理解することを要求する。このタスクは言語モデルにとってはるかに難しく、誤りも発見しにくい。

INAH台帳にこの遺跡が登録されていなかったことは、学術的発見と公式登録の間にタイムラグが存在することを示している。考古学的知識の流通は常に完全かつ迅速であるとは限らない。その意味において、AIシステムが露わにしたのはAI自身の限界だけではなく、既存の知識管理体系の欠陥でもある。

歴史的背景：LiDAR自体がすでに革命だった

過去数年、LiDARはすでに考古学の認識の地平を幾度も塗り替えてきた。2018年、グアテマラ北部の特定地域に対する航空機搭載LiDARのスキャンにより、6万棟を超えるこれまで未知のマヤ建築構造物が一挙に明らかになり、マヤ文明の規模に関する従来の推定は根底から覆された。このスキャンは約2,100平方キロメートルをカバーし、数十年かかる人力測量を数回の飛行に圧縮した。2025年5月には、グアテマラのペテン地域でドローン搭載LiDARにより、面積約16平方キロメートルにおよぶLos Abuelos儀礼センターが発見され、最高33メートルのピラミッドが確認されている。

しかし上記の発見はいずれも専門考古チームによる組織的な展開を必要とし、許可・資金・時間が不可欠だった。今回のMiottiの実験が異なる点は、一個人がいくつかのAPI呼び出しを用いて72時間以内に完結させた個人プロジェクトであり、総コストはほぼ無視できる水準だということだ。スケール展開の閾値が急激に低下したことは、この種の作業がもはや機関の承認を待つ必要がないことを意味する。

「72時間」が示すシグナル

Miottiはブログの末尾にこう記している。「私たちは今、プログラミング・物理・数学だけでなく、あらゆる科学分野における革命の入り口に立っていると思う。今すぐ地球全体をLiDARスキャンし、エージェントに残りのすべてを見つけてもらうべきだ。」

NASAおよび複数の国家宇宙機関はすでに数百万平方キロメートルをカバーするLiDARデータセットを蓄積しており、その大部分は一度も系統的に解析されていない。従来の手法でこれらのデータを処理するために必要な人員と時間は、ほぼ調達不可能な水準だ。しかしMiottiの実験は、並列エージェントによる画像レベルの解析が完全に実現可能であることを示した。1,200平方キロメートル、48体のエージェント、3日未満という実績がそれを証明している。

実現可能であることは、信頼可能であることとイコールではない。今回の実験における「発見」は最終的に「再発見」へと格下げされた。その核心的な教訓は、AIエージェントが視覚空間データを処理する際の効率性は、同等の質を持つ文献相互検証にはまだ及んでいないということだ。現地での考古学的検証が完了していない段階では、いかなる標定結果も候補に過ぎず、結論ではない。

AIエージェントの能力の限界

今回の実験の真の価値は、「AIがマヤのピラミッドを発見した」という拡散しやすい見出しにあるのではなく、現在のAIエージェントの能力の境界線を精確に描き出した点にある。構造が明確な知覚タスクにおいては、エージェントは大量の専門人材を必要としていた作業を極めて低コストでこなせる。一方、分野横断的な推論・文献関連付け・知識の重複排除を要するタスクでは、エージェントはなお少なくないコストを伴う誤りを犯す。

2025年の論文を1本見落としたことは、ただの小さなエピソードに過ぎない。真に問われるべきは、エージェントがカバーする面積が1,200平方キロメートルから100万平方キロメートルへと拡大したとき、エラー率はどう変化するのか、見落としと誤検知はどのように発見されるのか、そして誰がその管理責任を担うのかという問いだ。Miottiの実験は示唆に富んだプロトタイプだ。それはAIに何ができるかを示すと同時に、次のステップで真剣に解決すべき課題が何であるかを教えてくれる。