En gruppe forskere gjenoppliver debatten om den beste måten å undersøke uidentifiserte flygende objekter på. Enquanto-forskere foreslår å bruke kunstig intelligens og maskinlæring for å analysere verbale beretninger fra vitner, kritikere hevder at tilnærmingen er dømt til å mislykkes uten direkte og nøyaktige observasjonsinstrumenter.
Kjernen i kontroversen ligger i et grunnleggende spørsmål: kan naturlig språkbehandlingsteknologi trekke ut pålitelig kunnskap fra menneskelig vitnesbyrd om uforklarlige luftfenomener? En gruppe forskere svarte bekreftende og rapporterte at de utviklet et system som klassifiserer Centro Nacional og Relatórios UFO-rapporter etter narrative egenskaper. Forslaget kombinerer fritekstanalyse, gradientmodeller og store språkmodeller med innebygd forklaringsevne.
Testemunhas okularer er ikke pålitelige vitenskapelige detektorer
Historien om justisaborter gir et klart perspektiv på menneskelige begrensninger. I en analyse av 51 tilfeller av fritakelse av dødsdømte, involverte 45,9 % forfalskning av informanter og 25,2 % var et resultat av feilaktig identifikasjon av øyenvitner. Mesmo I situasjoner med ekstrem risiko – dødsstraff – har menneskelige fortellinger vist seg dypt upålitelige.
Relatos av trafikkulykker viser et lignende mønster. Diferentes-vitner beskriver den samme hendelsen med motstridende detaljer. Histórias flettes sammen, forurenser hverandre i det kollektive minnet. Quando det er bare én fysisk virkelighet, divergerende narrativer peker nødvendigvis på feilbarligheten til menneskelige oppfatninger og minner.
- Testemunhas lider av bekreftelsesskjevhet
- Human Memória er rekonstruktiv, ikke reproduktiv
- Narrativas påvirker hverandre
- Sensorisk Ruído forvirrer observatører
Futebol løste problemet med kameraer, ikke med attestanalyse
Federação Internacional av Futebol har i årevis demonstrert instrumentenes overlegenhet over vitner. Tecnologia av Linha av Gol bruker 14 høyhastighetskameraer og bekrefter om ballen har krysset grensen innen ett sekund. Árbitro Assistente fra Vídeo vurderer opptak for å sikre nøyaktighet på mål, offside og feil.
Ninguém foreslår at FIFA intervjuer målvakten, fansen og bruker maskinlæring på deres vitnesbyrd. Løsningen som ble tatt i bruk var spesialisert utstyr som var i stand til fysisk å måle hendelser. Isso reflekterer grunnleggende forståelse av vitenskapelig epistemologi: For å forstå den fysiske verden trenger vi målinger av den fysiske verden.
Transferir Denne leksjonen for å undersøke luftfenomener virker åpenbar. Hvis målet er å finne ut om et objekt oppfører seg unormalt i forhold til kjent menneskelig teknologi, må man måle avstanden, hastigheten og akselerasjonen. Sem disse fysiske dimensjonene, forblir enhver narrativ analyse spekulativ.
Projeto Galileo forfølger instrumentering, ikke fiksjon
Projeto Galileo, ledet av forskere fra forskningsinstitusjoner, fokuserer nettopp på denne alternative tilnærmingen. I stedet for å akkumulere verbale rapporter – uansett hvor sofistikerte algoritmene som behandler dem er – investerer prosjektet i flerveis observasjonsutstyr som er i stand til å generere data av høy kvalitet.
“Å ha mye usikker informasjon spiller ingen rolle, uavhengig av hvor avansert det kunstige intelligenssystemet som analyserer det er,” sier talsmenn for dette perspektivet. Skillet er viktig: datamengden kompenserer ikke for mangel på kvalitet. En terabyte med tvetydige fortellinger løser ikke et problem som krever metrisk presisjon.
Poenget er ikke å avfeie språkanalyse i passende sammenhenger. Den erkjenner grensene for metoden når den brukes på undersøkelser av fenomener som krever fysisk kvantifisering.
Futuro neste: Trump kunngjør filutgivelse
Den 17. april 2026 kunngjorde president Trump at konfidensielle filer på uidentifiserte flygende objekter snart ville bli frigitt. Spørsmålet gjenstår: vil videoene som blir avslørt være de mest betydningsfulle eller bare enda en opphopning av uskarpe bilder, blottet for informasjon om avstand?
Inundar-forskere med lavkvalitetsvideoer uten kontekstuelle data – avstand, radarverifisert hastighet, koordinater fra flere sensorer – opprettholder det samme problemet som kritikken identifiserer. Mesmo med kunstig intelligens som analyserer visuelt innhold, mangelen på strukturerte data vil fortsatt være en grunnleggende begrensning.
Det underliggende problemet overskrider UFOer eller uidentifiserte anomale fenomener. Reflete bredere spenning i vitenskapelig forskning mellom akkumulering av store mengder unøyaktige data og innsamling av mindre mengder strengt målt informasjon.
Quando informasjon er begrenset, intelligens har begrensede krefter
Fremskritt innen kunstig intelligens er imponerende. Store språkmodeller utfører bragder som tidligere ble ansett som umulige. Men prosesseringsteknologi rekonstruerer ikke manglende informasjon. Algoritmo kan ikke utlede avstand til et objekt uten avstandsdata.
Et bilde sier mer enn tusen ord, heter det. Pelo samme resonnement, data av høy kvalitet er verdt tusen flotte språkmodeller. Essa grunnleggende premiss støtter avvisningen av analysen av verbale rapporter som hovedveien for å undersøke luftfenomener.
Fremtiden for forskning på uidentifiserte flygende objekter vil sannsynligvis avhenge mindre av algoritmisk sofistikering og mer av investeringer i passende instrumentering. Câmeras infrarød, høyoppløselig radar, geografisk distribuerte sensornettverk — verktøy som genererer verifiserbare data om naturen til observerte fenomener.
Sem dette instrumentelle grunnlaget vil enhver kunstig intelligensanalyse av menneskelige rapporter forbli en øvelse i støybehandling – sofistikert, kanskje, men fundamentalt begrenset av den dårlige kvaliteten på de underliggende kildene.