近日，美国西南研究所科研团队发布最新研究，指出当前多款人工智能生成的月球撞击坑目录在严格科学评估下存在显著性能偏差。该研究由研究员斯图尔特·罗宾斯与瑞秋·胡弗领衔，团队选取八项覆盖广泛的AI撞击坑数据库，以人工编制的权威目录为基准，采用统一的地学分析标准进行交叉比对。结果显示，多数数据库的公开性能指标在严苛匹配条件下大幅下滑，部分数值降幅逾十倍。 撞击坑目录是推算行星表面地质年代与演化历史的核心依据，其位置、尺寸与空间密度的准确性直接决定科学结论的可靠性。研究指出，AI模型常因依赖计算机视觉常规指标，掩盖了坑体定位偏移、尺寸失真或重复计数等缺陷。若将此类数据直接用于表面定年计算，可能导致地质年龄模型出现数倍偏差。同时，单一综合指标易掩盖模型在不同尺寸撞击坑识别上的性能不均，进一步限制其科学适用性。 团队强调，该研究并非否定人工智能在行星科学中的应用潜力，而是呼吁学界在广泛推广前建立标准化的验证基准。研究者建议强制公开匹配判定准则，并引入独立团队进行交叉复核。在技术完全成熟前，科研人员应避免将AI生成的目录直接作为分析依据，而需充分评估其数据质量与局限，确保人工智能真正服务于严谨的太空探索任务。