Группа учёных возобновляет дискуссию о том, как лучше всего исследовать неопознанные летающие объекты. Хотя исследователи предлагают использовать искусственный интеллект и машинное обучение для анализа устных рассказов свидетелей, критики утверждают, что этот подход обречен на провал без прямых и точных инструментов наблюдения.
Суть разногласий лежит в фундаментальном вопросе: могут ли технологии обработки естественного языка извлекать достоверные знания из человеческих свидетельств о необъяснимых воздушных явлениях? Группа исследователей ответила утвердительно, заявив, что они разрабатывают систему, которая классифицирует сообщения Национального центра сообщений об НЛО по повествовательным характеристикам. Предложение сочетает в себе анализ свободного текста, градиентные модели и большие языковые модели со встроенной объяснительной способностью.
Очевидцы не являются надежными научными детекторами
История судебных ошибок предлагает четкий взгляд на человеческие ограничения. При анализе 51 случая оправдания приговоренных к смертной казни 45,9% были связаны с фальсификацией информаторов, а 25,2% были результатом ошибочного опознания очевидцами. Даже в ситуациях крайнего риска — например, смертной казни — человеческие рассказы оказались крайне ненадежными.
Сообщения о дорожно-транспортных происшествиях демонстрируют аналогичную картину. Разные свидетели описывают одно и то же событие с противоречивыми подробностями. Истории переплетаются, загрязняя друг друга в коллективной памяти. Когда существует только одна физическая реальность, расходящиеся повествования обязательно указывают на ошибочность человеческого восприятия и воспоминаний.
- Свидетели страдают от предвзятости подтверждения
- Человеческая память реконструктивна, а не репродуктивна.
- Повествования влияют друг на друга
- Сенсорный шум сбивает наблюдателей с толку
Футбол решил проблему камерами, а не анализом заявлений
Международная федерация футбола уже много лет демонстрирует превосходство инструментов над свидетелями. Технология Goal Line использует 14 высокоскоростных камер и подтверждает, пересек ли мяч границу в течение одной секунды. Видеопомощник судьи просматривает отснятый материал, чтобы обеспечить точность определения голов, офсайдов и нарушений.
Никто не предлагает, чтобы ФИФА опросила вратаря и болельщиков и применила машинное обучение к их показаниям. В качестве решения было принято специализированное оборудование, способное физически измерять события. Это отражает базовое понимание научной эпистемологии: чтобы понять физический мир, нам нужны измерения физического мира.
Перенесение этого урока на исследование воздушных явлений кажется очевидным. Если цель состоит в том, чтобы определить, ведет ли объект аномальное поведение по сравнению с известными человеческими технологиями, необходимо измерить его расстояние, скорость и ускорение. Без этих физических измерений любой нарративный анализ остается спекулятивным.
Проект Галилео преследует цель приборостроения, а не фантастики
Проект Галилео, возглавляемый исследователями из исследовательских институтов, фокусируется именно на этом альтернативном подходе. Вместо накопления устных отчетов — какими бы сложными ни были алгоритмы их обработки — проект инвестирует в оборудование для разнонаправленного наблюдения, способное генерировать высококачественные данные.
«Наличие большого количества неопределенной информации не имеет значения, независимо от того, насколько развита система искусственного интеллекта, которая ее анализирует», — говорят сторонники этой точки зрения. Это различие существенно: объем данных не компенсирует недостаток качества. Терабайт неоднозначных повествований не решает проблему, требующую метрической точности.
Дело не в том, чтобы игнорировать языковой анализ в соответствующих контекстах. Это признание ограничений метода при его применении к исследованию явлений, требующих физической количественной оценки.
Ближайшее будущее: Трамп объявляет об обнародовании файлов
17 апреля 2026 года президент Трамп объявил, что вскоре будут обнародованы секретные файлы о неопознанных летающих объектах. Остается вопрос: будут ли обнаруженные видеоролики наиболее значимыми или просто очередным скоплением размытых изображений, лишенных информации о расстоянии?
Наводнение исследователей некачественными видео без контекстных данных — расстояния, скорости, подтвержденной радаром, координат от нескольких датчиков — увековечивает ту же проблему, которую выявляет критика. Даже несмотря на то, что искусственный интеллект анализирует визуальный контент, отсутствие структурированных данных останется фундаментальным ограничением.
Основная проблема выходит за рамки НЛО или неопознанных аномальных явлений. Это отражает более широкое противоречие в научных исследованиях между накоплением больших объемов неточных данных и сбором меньших объемов строго измеренной информации.
Когда информация ограничена, возможности разведки ограничены.
Достижения в области искусственного интеллекта впечатляют. Великие языковые модели совершают подвиги, которые раньше считались невозможными. Но технология обработки не восстанавливает недостающую информацию. Алгоритм не может определить расстояние до объекта без данных о расстоянии.
Одна картинка стоит тысячи слов, гласит пословица. По той же причине высококачественные данные стоят больше, чем тысяча великолепных языковых моделей. Эта основная посылка поддерживает отказ от анализа устных сообщений как основного пути исследования воздушных явлений.
Будущее исследований неопознанных летающих объектов, скорее всего, будет зависеть не столько от сложности алгоритмов, сколько от инвестиций в соответствующее оборудование. Инфракрасные камеры, радары высокого разрешения, сети географически распределенных датчиков — инструменты, генерирующие проверяемые данные о природе наблюдаемых явлений.
Без этой инструментальной основы каждый анализ человеческих сообщений с помощью искусственного интеллекта останется упражнением в обработке шума — возможно, сложным, но фундаментально ограниченным низким качеством основных источников.