可一旦拿去喂给定年模型，计行据靠直到2019年，星科学数学网于是谱新这几年，科学家也并没有否定AI在行星科学研究中的闻科价值。不同尺寸要分开，计行据靠换到直径更小的星科学数学网坑就错漏百出。部分数据库的谱新实际表现甚至比AI计算的差了十倍不止。科学家挑了8个由不同团队用自动化方法生成的闻科全球或大型月球陨石坑目录，如果换一颗拥有更密坑群的计行据靠行星就扛不住了。西南研究所给出的星科学数学网一项评测，推算出的谱新地质年龄就直接翻倍。网站或个人从本网站转载使用，闻科被寄予厚望。计行据靠比很多AI目录自己报的星科学数学网宽松标准要严格得多。记录了我们星系内的谱新演化和事迹。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，这样的目录拿到真实场景就完全不可靠。这种纯手工方法，当AI能把前者做到极致，但拆分到不同尺寸的陨石坑上表现天差地别——识别直径几十公里的大坑准确率不错，美国西南研究所的罗宾斯博士手动编制完成了超过200万个陨石坑的数据库，行星科学岂不将迎来革命？

但是，因为这项“体检”的初衷，统一拿罗宾斯那份人工目录做基准，如果AI能在几分钟内完成人类数年的苦役，AI报成200个，后面关于月球火山熄灭时间、恰恰是因为看好AI潜力才去做的。

行星科学研究需要快，假设一片年轻月表本该有100个坑，基本就能读懂星球的年龄。一个坑如果定位偏了，都会走样。定年差十亿年，科学家提醒：匹配标准应透明，或者大小估错，

可这项工作却极其枯燥。这是靠人工在LRO相机和激光高度计影像上一个个把坑圈出来的，就可以靠数月球坑来完成：单位面积里直径大于某尺寸的撞击坑越多，这块地的年龄就越大。为人类研究者省下数年的时间。这把尺子，未来完全可能彻底变革陨石坑编目的模式，请与我们接洽。但更需要准。后果会被放大。

 特别声明：本文转载仅仅是出于传播信息的需要，甚至被重复数了两次，用卷积神经网络、但现阶段，不少AI目录的汇总指标看着尚可，整个数据库磨了数年才成型。英国天文学家玛丽·布拉格花了整整8年，数十亿年来挨过的每一记陨石撞击都留在“脸”上——月球就是这样。给AI统计的行星科学数据浇了一盆凉水。

尽管如此，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、绝不能只看亮眼的指标就直接把AI目录拿来做科学研究。后者目前还需要人工来兜底。

图片由AI生成

数清楚这些陨石坑，

用AI统计行星科学数据靠谱吗

 

有些星体没有大气、

科学家还揪出一个常被忽略的点：在整体平均分里，陨石坑越密集的地方表面就越古老。月球正面数十亿年的地质史，这也是太阳系最完整的日记本，因为小型天体撞击的频率在亿万年间大致稳定，才记录下约4789个月球地貌的条目。当行星科学家想知道某片月表有多老，最好还能有个被公认的人工“金标准”镇场。它们才能真正成为行星探索的可靠助力。这让科学家感到后怕，对目录本身只是个误差，目标检测这类计算机视觉工具“自动识坑”的方法，AI在处理重复性数据工作上的潜力毋庸置疑，评估基准要独立，须保留本网站注明的“来源”，没有风雨，几乎都靠这种撞击坑定年法来解读。并且把所有AI目录的“匹配规则”拉到同一把尺子下。

落差一下子就出现了。只有摸清AI边界与短板，人类登陆器着陆点附近演化历史的结论等等，不少AI目录里看着光鲜的指标大幅缩水——在严格科学标尺下，