在探索宇宙的征程中，月球宛如一本记录着太阳系演化的珍贵日记，其表面密密麻麻的陨石坑，正是解读这本日记的关键线索。由于月球缺乏大气和风雨的侵蚀，数十亿年来遭受的陨石撞击痕迹得以完整保留，科学家们通过研究这些陨石坑，能够揭开月球乃至整个太阳系的历史奥秘。
数陨石坑数量是判断星球年龄的重要方法。小型天体撞击的频率在漫长的岁月里大致保持稳定，陨石坑越密集的区域，其表面就越古老。月球正面的地质历史，在很大程度上就是依靠这种撞击坑定年法来解读的。行星科学家若想了解某片月表的年龄，只需统计单位面积内直径大于特定尺寸的撞击坑数量，数量越多，这片区域的年龄就越大。
然而，这项看似简单的工作却异常枯燥乏味。英国天文学家玛丽·布拉格曾耗费整整8年时间，才记录下约4789个月球地貌的相关信息。直到2019年，美国西南研究所的罗宾斯博士通过手动方式，依据LRO相机和激光高度计影像，逐个圈出陨石坑，最终完成了包含超过200万个陨石坑的数据库，这一过程耗时数年。这种纯手工的方法，在面对坑群更为密集的其他行星时，显然难以应对。
近年来，随着人工智能技术的飞速发展，用卷积神经网络、目标检测等计算机视觉工具实现“自动识坑”的方法备受期待。人们设想，若AI能在几分钟内完成人类数年的繁重工作，行星科学领域或将迎来一场重大变革。
但现实却给这份期待泼了一盆冷水。西南研究所开展的一项评测，对AI统计的行星科学数据提出了质疑。研究人员选取了8个由不同团队采用自动化方法生成的全球或大型月球陨石坑目录，以罗宾斯的人工目录为基准，统一了所有AI目录的“匹配规则”，且这一规则比许多AI目录自身设定的标准更为严格。
评测结果令人震惊。不少在AI目录中看似出色的指标大幅下降，在严格的科学标准下，部分数据库的实际表现甚至比AI计算结果差了十倍以上。这让科学家们忧心忡忡，因为一个陨石坑的定位偏差、大小估算错误，甚至被重复统计，对于目录本身或许只是微小误差，但一旦用于定年模型，后果将被严重放大。例如，一片本应有100个陨石坑的年轻月表，若AI错误统计为200个，那么推算出的地质年龄将直接翻倍。这将导致关于月球火山熄灭时间、人类登陆器着陆点附近演化历史等一系列结论出现偏差。
科学家还发现了一个常被忽视的问题。在整体平均分中，不少AI目录的汇总指标表现尚可，但当按照不同尺寸的陨石坑进行细分时，差异巨大。AI在识别直径几十公里的大坑时准确率较高，但对于直径更小的陨石坑，则错误频出。这样的目录在实际应用中显然缺乏可靠性。
尽管如此，科学家并未否定AI在行星科学研究中的潜在价值。此次评测的初衷，正是基于对AI潜力的看好。AI在处理重复性数据工作方面的能力毋庸置疑，未来极有可能彻底改变陨石坑编目的模式，为人类研究者节省大量时间。不过，在现阶段，不能仅凭亮眼的指标就直接将AI目录应用于科学研究。科学家提醒，匹配标准应公开透明，评估基准需保持独立，不同尺寸的陨石坑应分开评估，最好还能有一个被广泛认可的人工“金标准”作为参照。只有充分了解AI的局限性和短板，才能让它真正成为行星探索的有力助手。
行星科学研究既追求速度，更注重准确性。在AI能够充分发挥其速度优势的同时，目前仍需人工来确保结果的精准无误。
