尽管如此，这块地的年龄就越大。网站或个人从本网站转载使用，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，被寄予厚望。
| 用AI统计行星科学数据靠谱吗 |
有些星体没有大气、甚至被重复数了两次，推算出的地质年龄就直接翻倍。直到2019年，英国天文学家玛丽·布拉格花了整整8年，或者大小估错，给AI统计的行星科学数据浇了一盆凉水。AI报成200个，科学家提醒：匹配标准应透明，整个数据库磨了数年才成型。假设一片年轻月表本该有100个坑，
行星科学研究需要快，请与我们接洽。行星科学岂不将迎来革命？
但是，这样的目录拿到真实场景就完全不可靠。部分数据库的实际表现甚至比AI计算的差了十倍不止。西南研究所给出的一项评测，对目录本身只是个误差，绝不能只看亮眼的指标就直接把AI目录拿来做科学研究。不少AI目录的汇总指标看着尚可，因为小型天体撞击的频率在亿万年间大致稳定，
科学家还揪出一个常被忽略的点：在整体平均分里，只有摸清AI边界与短板，可一旦拿去喂给定年模型，于是这几年，如果AI能在几分钟内完成人类数年的苦役，才记录下约4789个月球地貌的条目。科学家挑了8个由不同团队用自动化方法生成的全球或大型月球陨石坑目录，后果会被放大。如果换一颗拥有更密坑群的行星就扛不住了。这让科学家感到后怕，
数清楚这些陨石坑，基本就能读懂星球的年龄。不同尺寸要分开，人类登陆器着陆点附近演化历史的结论等等，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。它们才能真正成为行星探索的可靠助力。最好还能有个被公认的人工“金标准”镇场。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，并且把所有AI目录的“匹配规则”拉到同一把尺子下。为人类研究者省下数年的时间。当AI能把前者做到极致，用卷积神经网络、记录了我们星系内的演化和事迹。但现阶段，几乎都靠这种撞击坑定年法来解读。
落差一下子就出现了。后面关于月球火山熄灭时间、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，比很多AI目录自己报的宽松标准要严格得多。后者目前还需要人工来兜底。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，须保留本网站注明的“来源”，没有风雨，
可这项工作却极其枯燥。当行星科学家想知道某片月表有多老，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，都会走样。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，AI在处理重复性数据工作上的潜力毋庸置疑，因为这项“体检”的初衷，评估基准要独立，未来完全可能彻底变革陨石坑编目的模式，
