一群科學家重新引發了關於調查不明飛行物的最佳方法的爭論。雖然研究人員建議使用人工智慧和機器學習來分析目擊者的口頭敘述，但批評者認為，如果沒有直接和準確的觀測儀器，這種方法注定會失敗。
爭論的核心在於一個基本問題：自然語言處理技術能否從人類對無法解釋的空中現象的證詞中提取可靠的知識？一組研究人員給出了肯定的回應，稱他們正在開發一種系統，可以根據敘述特徵對國家 UFO 報告中心的報告進行分類。該提案結合了自由文本分析、梯度模型和具有內建可解釋性的大型語言模型。
目擊者不是可靠的科學探測器
誤判的歷史為人類的局限性提供了清晰的視角。針對51件死囚無罪案件進行分析，其中45.9%涉及偽造檢舉人，25.2%涉及目擊證人認罪。即使在極端危險的情況下——死刑——人類的敘述也被證明是非常不可靠的。
交通事故報告也顯示出類似的模式。不同的目擊者用相互矛盾的細節描述同一事件。故事相互交織，在集體記憶中相互污染。當只有一種物理現實時，不同的敘述必然顯示人類感知和記憶的錯誤性。
- 證人遭受確認偏誤
- 人類記憶是重建性的，而不是複製性的
- 敘事相互影響
- 感官噪音使觀察者感到困惑
足球透過攝影機解決了問題，而不是透過言論分析
國際足總多年來已經證明了儀器比證人的優越性。門線技術採用14個高速攝影機，在一秒鐘內確認球是否越界。視頻助理裁判會審查錄像，以確保進球、越位和犯規的準確性。
沒有人建議國際足總採訪守門員、球迷，並將機器學習應用到他們的證詞中。採用的解決方案是能夠實際測量事件的專用設備。這反映了對科學知識論的基本理解：為了理解物理世界，我們需要對物理世界的測量。
將這一教訓應用到對空中現象的調查中似乎是顯而易見的。如果目標是確定物體相對於已知的人類技術是否表現異常，則需要測量其距離、速度和加速度。如果沒有這些物理維度，任何敘事分析都只能是推測性的。
伽利略計畫追求儀器化，而不是虛構
由研究機構的研究人員領導的伽利略計畫正是專注於這種替代方法。該專案不是累積口頭報告——無論處理這些報告的演算法多麼複雜——而是投資於能夠產生高品質數據的多向觀測設備。
這種觀點的支持者表示：「無論分析資訊的人工智慧系統有多先進，擁有大量不確定的資訊並不重要。」差異很重要：資料量並不能彌補品質的不足。一兆位元組的模糊敘述並不能解決需要度量精確度的問題。
重點不是忽略適當語境中的語言分析。它認識到該方法在應用於需要物理量化的現象的研究時的局限性。
不久的將來：川普宣佈公佈文件
2026年4月17日，川普總統宣布即將公佈有關不明飛行物的機密文件。問題仍然是：所揭露的影片會是最重要的還是只是模糊圖像的另一個積累，缺乏有關距離的資訊？
研究人員用低品質的影片淹沒了研究人員，而沒有上下文數據——距離、雷達驗證的速度、來自多個感測器的座標——使批評指出的同樣的問題長期存在。即使人工智慧分析視覺內容，缺乏結構化資料仍將是根本限制。
根本問題超越了不明飛行物或不明異常現象。它反映了科學研究中累積大量不準確數據和收集少量經過嚴格測量的資訊之間更廣泛的緊張關係。
當資訊有限時，情報的力量也有限
人工智慧的進步令人印象深刻。偉大的語言模型可以完成以前認為不可能的任務。但處理技術並不能重建缺失的資訊。如果沒有距離數據，演算法無法推斷物體的距離。
俗話說，一圖勝千言。同樣的道理，高品質的數據勝過一千個優秀的語言模型。這項基本前提支持拒絕口頭報告分析作為調查空中現象的主要途徑。
未來對不明飛行物的研究可能會更少地依賴演算法的複雜性，而更依賴對適當儀器的投資。紅外線攝影機、高解析度雷達、地理分佈的感測器網路——這些工具可以產生有關觀察到的現象的性質的可驗證資料。
如果沒有這個工具基礎，人類報告的每一次人工智慧分析都將仍然是噪音處理的一種練習——也許很複雜，但從根本上受到底層來源品質差的限制。