Georeferencing Non-Gazetteered Place Names using Biological Specimen Records

想象一下你是一名正在试图破解谜团的侦探，但你寻找的不是失踪的人，而是一个在任何地图上都不存在的地方。这就是地理参考（georeferencing）的世界，它是将描述位置的文字转化为计算机可以使用的实际坐标（如经度和纬度）的一门科学分支。通常情况下，这很容易：如果文本提到“巴黎”，计算机会在一个名为地名目录（gazetteer）的数字词典中查找该地点并找到其精确位置。但如果文本提到的地方不在词典里，该怎么办呢？也许是一个百年前的旧称，也许是只有邻居才知道的当地绰号，又或者是像“小溪边那棵大橡树”这样从未获得正式名称的具体地点。这些被称为非地名目录地点（non-gazetteered place names）。它们就像机器中的幽灵——因为缺失了参考书，这些真实存在的地方在计算机眼中是不可见的。这至关重要，因为数以百万计的历史记录（从旧信件到科学日志）都充满了这些隐形的名称，锁住了我们无法获取或使用的宝贵地理知识。

这篇论文深入探讨了这样一个隐藏位置的宝库：生物标本记录。把这些想象成一个多世纪以来收集植物、昆虫和真菌的科学家们的野外笔记。当他们发现新物种时，会写下发现它的确切位置，通常使用当地非正式的地标名称。研究人员在研究中提出了一个大问题：我们能否利用散落在成千上千份旧笔记中的线索，来推断出这些“幽灵”地点究竟在哪里？他们将这些标本记录视为一个巨大的拼图。如果一份笔记说某种植物发现于“卡布斯坦（Cabstand）以北”，而另一份笔记说它发现于“卡布斯坦以南”，且我们知道采集这些植物的精确坐标，我们就可以通过逆向推导来确定“卡布斯坦”一定在哪里。通过结合这些线索，该团队尝试使用三种不同的侦探策略来锁定这些缺失地点的方位：一种是严格遵循规则的方法，一种是基于数学概率的方法，以及一种现代人工智能（AI）方法。

消失之地的谜团

故事始于来自新西兰 Allan Herbarium 的海量数据。研究人员查看了超过 13,000 条植物标本的数字化记录。他们扫描文本中的地名，并将其与官方政府地图数据库进行比对。正如他们所怀疑的那样，他们发现了数百个在任何官方地名目录中都不存在的名称。这些是非地名目录地点（NGPs）。有些是历史悠久的农场站，有些是旧的三角点（测量标记），还有些只是像特定学校或茶室之类的当地社区场所。

问题在于这些名称没有坐标。为了解决这个问题，团队意识到他们有一个秘密武器：冗余性（redundancy）。在野外生物学领域，科学家们经常在同一区域附近采集许多样本。这意味着同一个隐藏的地名可能会出现在许多不同的笔记中，每次都有不同的描述。一份笔记可能说“发现于卡布斯坦附近”，而另一份则说“发现于卡布斯坦以北 1 英里处”。尽管“卡布斯坦”不在地图上，但周围的标本却是在地图上的。通过了解标本被发现的确切位置，研究人员可以逆向工程出这个缺失地名的位置。

解开谜题的三种方法

为了破解密码，团队测试了三种不同的方法，每种方法都有自己的“个性”。

1. 严格的规则遵循者（确定性方法/Deterministic Method）
想象一个机器人，它完美地执行指令，但如果指令稍显模糊，它就会感到困惑。这种方法试图在缺失地点的可能位置周围画出一个严格的“框”。如果笔记说“在……以北”，机器人就会画一条线并说：“该地点必须在这条线之上。”如果另一份笔记说“在……以南”，它就会画另一条线。答案必须是所有线条交汇的地方。

• 结果： 这种方法非常挑剔。如果线索无法完美对齐（由于旧笔记往往很模糊，这种情况经常发生），机器人就会放弃并说：“我无法解决这个问题。”在尝试解决的 365 个地点中，它有 108 个未能找到位置。即使它起作用了，准确度也不高。

2. 数学奇才（概率方法/Probabilistic Method）
这种方法更像是天气预报员。它不画硬性的线条，而是利用数学来计算一个地点位于某个位置的可能性。它将每一条线索视为一张“选票”。一份写着“向东 1 公里”的笔记为该位置向东 1 公里投了一张强力的票；而一份写着“附近”的笔记则投了一张较弱、范围较广的票。计算机汇总所有的选票，以找到总分最高的地点。

• 结果： 这是冠军。它成功找到了每一个地点的位置。它是最精确的，中位误差为 1.43 公里。这意味着有一半的时间，预测的位置与真实地点之间的距离在 1.43 公里以内。它也有 36% 的时间能将位置锁定在真实情况 1 公里之内。

3. AI 侦探（大语言模型方法/LLM Method）
这种方法使用了大型语言模型（一种高级 AI），并将笔记的原始文本和坐标交给它，要求它“搞清楚”。AI 必须阅读线索，理解其中的关系（如“在……以北”或“靠近”），并进行脑内数学运算来猜测位置。研究人员甚至要求 AI 解释其推理过程，这出人意料地帮助它做得更好。

• 结果： AI 是一个强有力的竞争者。它找到了所有地点的位置，并且具有极低的平均误差，这表明它很少犯巨大的、离谱的错误。然而，它的精度不如数学奇才。它的中位误差为 1.80 公里，且只有 31% 的时间能将位置锁定在 1 公里之内。

线索告诉了我们什么

研究发现了一些关于这些方法如何处理不同类型线索的有趣模式。

• 距离很重要： 当笔记说“向北 1 公里”时，所有方法表现都更好。距离提供了一个坚实的锚点。
• 仅有方向很棘手： 如果笔记只说“向北”而没有距离，数学奇才会感到有些吃力，因为“向北”可能意味着从几米到数百公里不等。然而，AI 在没有数字的情况下也能很好地猜测出正确的距离，这可能是因为它在训练过程中学习了人们通常如何描述事物。
• “附近”问题： 最常见的线索仅仅是“附近”。这是模糊的。数学奇才通过将“附近”处理为标本周围的一个模糊圆圈来应对这种情况。AI 也表现得不错，但它有时会依赖其内部关于世界运作方式的知识，这是一把双刃剑（它可能靠运气猜对，也可能基于错误的假设猜错）。

结论

论文得出结论，虽然人工智能非常聪明且灵活，但在需要寻找地面上特定位置时，传统的数学建模（概率方法）仍然是精准度的王者。AI 擅长做出合理的猜测并解释其思考过程，但如果你需要尽可能准确的位置，数学驱动的方法才是赢家。

研究人员谨慎地指出，这并不是一个能解决一切问题的万能方案。这些方法在拥有多个线索（至少有三份笔记提到同一个地方）且标本坐标准确时效果最好。他们还指出，他们的测试是在一个我们预先知道答案以进行校验的“伪”数据集上进行的，因此现实世界的应用可能会面临不同的挑战。

最终，这项研究证明了我们不必仅仅因为某些地方不在现代地图上就丢弃那些陈旧、凌乱的野外笔记。通过将这些记录视为一个线索网络，我们可以让这些“幽尸”地点重现生机，填补我们数字地图中的空白，并保存我们世界的地理历史。下次当你看到一份写着“发现于旧磨坊附近”的笔记时，你会知道，只要有足够的其他笔记，我们很可能就能找到那个磨坊曾经存在的精确位置。