一群科学家重新引发了关于调查不明飞行物的最佳方法的争论。虽然研究人员建议使用人工智能和机器学习来分析目击者的口头叙述，但批评者认为，如果没有直接和准确的观测仪器，这种方法注定会失败。
争论的核心在于一个基本问题：自然语言处理技术能否从人类对无法解释的空中现象的证词中提取可靠的知识？一组研究人员给出了肯定的回应，称他们正在开发一种系统，可以根据叙述特征对国家 UFO 报告中心的报告进行分类。该提案结合了自由文本分析、梯度模型和具有内置可解释性的大型语言模型。
目击者不是可靠的科学探测器
误判的历史为人类的局限性提供了清晰的视角。对51起死囚无罪案件进行分析，其中45.9%涉及伪造举报人，25.2%涉及目击证人认错。即使在极端危险的情况下——死刑——人类的叙述也被证明是非常不可靠的。
交通事故报告也显示出类似的模式。不同的目击者用相互矛盾的细节描述同一事件。故事相互交织，在集体记忆中相互污染。当只有一种物理现实时，不同的叙述必然表明人类感知和记忆的错误性。
- 证人遭受确认偏差
- 人类记忆是重建性的，而不是复制性的
- 叙事相互影响
- 感官噪音使观察者感到困惑
足球通过摄像机解决了问题，而不是通过言论分析
国际足联多年来已经证明了仪器比证人的优越性。门线技术采用14个高速摄像头，在一秒内确认球是否越界。视频助理裁判会审查录像，以确保进球、越位和犯规的准确性。
没有人建议国际足联采访守门员、球迷，并将机器学习应用到他们的证词中。采用的解决方案是能够物理测量事件的专用设备。这反映了对科学认识论的基本理解：为了理解物理世界，我们需要对物理世界的测量。
将这一教训应用到对空中现象的调查中似乎是显而易见的。如果目标是确定一个物体相对于已知的人类技术是否表现异常，则需要测量其距离、速度和加速度。如果没有这些物理维度，任何叙事分析都只能是推测性的。
伽利略项目追求仪器化，而不是虚构
由研究机构的研究人员领导的伽利略项目正是专注于这种替代方法。该项目不是积累口头报告——无论处理这些报告的算法多么复杂——而是投资于能够生成高质量数据的多向观测设备。
这种观点的支持者表示：“无论分析信息的人工智能系统有多先进，拥有大量不确定的信息并不重要。”区别很重要：数据量并不能弥补质量的不足。一兆字节的模糊叙述并不能解决需要度量精度的问题。
重点不是要忽视适当语境中的语言分析。它认识到该方法在应用于需要物理量化的现象的研究时的局限性。
不久的将来：特朗普宣布公布文件
2026年4月17日，特朗普总统宣布即将公布有关不明飞行物的机密文件。问题仍然是：所揭露的视频会是最重要的还是只是模糊图像的另一个积累，缺乏有关距离的信息？
研究人员用低质量的视频淹没了研究人员，而没有上下文数据——距离、雷达验证的速度、来自多个传感器的坐标——使批评指出的同样的问题长期存在。即使人工智能分析视觉内容，缺乏结构化数据仍将是一个根本限制。
根本问题超越了不明飞行物或不明异常现象。它反映了科学研究中积累大量不准确数据和收集少量经过严格测量的信息之间更广泛的紧张关系。
当信息有限时，情报的力量也有限
人工智能的进步令人印象深刻。伟大的语言模型可以完成以前认为不可能的任务。但处理技术并不能重建缺失的信息。如果没有距离数据，算法无法推断物体的距离。
俗话说，一图胜千言。同样的道理，高质量的数据胜过一千个优秀的语言模型。这一基本前提支持拒绝将口头报告分析作为调查空中现象的主要途径。
未来对不明飞行物的研究可能会更少地依赖于算法的复杂性，而更多地依赖于对适当仪器的投资。红外摄像机、高分辨率雷达、地理分布的传感器网络——这些工具可以生成有关观察到的现象的性质的可验证数据。
如果没有这个工具基础，对人类报告的每一次人工智能分析都将仍然是噪音处理的一种练习——也许很复杂，但从根本上受到底层来源质量差的限制。