Kunstig intelligens ændrer dramatisk arkæologien, opdager nye steder og genstande

Kunstig intelligens anvendes til at hjælpe arkæologer med at finde nye udgravningssteder og gøre nye opdagelser, hvilket dramatisk øger arkæologisk forsknings tempo. Som SingularityHub har rapporteret, anvendes kunstig intelligens og computer vision-algoritmer til at analysere satellitbilleddata og automatisere processen med at opdage mulige arkæologiske steder i dem.

Takket være den omfattende samling af luftbilleddata, som er indsamlet af satellitter, fly og droner, kan arkæologer undersøge områder af Jorden efter mulige arkæologiske steder uden at besøge området selv. Men at manuelt analysere tusindvis af billeder af landskaber kan være en tidskrævende og kedelig opgave. Kunstig intelligens-algoritmer kan automatisere denne proces, hvilket gør den meget hurtigere og mere effektiv.

Som forklaret til SingularityHub af PhD-kandidat ved Penn State University’s afdeling for antropologi, Dylan Davis, har disciplinen arkæologi øget sin brug af AI dramatisk over de seneste par år. Anvendelsen af AI af arkæologer har ført til nogle spændende nye opdagelser i de seneste år. Dette inkluderer opdagelsen af historiske bosættelser på Madagaskar og jordvolde skabt af forhistoriske nordamerikanske befolkninger. Davis selv udviklede de prædiktive algoritmer, der kunne lokalisere disse steder.

AI-systemer anvender en række teknikker til at skelne mellem strukturer og objekter, der muligvis er af interesse for arkæologer. Den AI-algoritme, der er designet af Davis, anvendte LiDAR, der genererer lysimpulser, der fortolkes af AI’en til at generere kort over geografiske regioner. LiDAR-impulserne skabte kort over skovbunden, der indeholdt information om tekstur, størrelse, form og hældning af bunden. AI’en blev trænet på denne data for at kunne genkende potentielle steder af interesse. Ifølge Davis sparede automatiseringen ham og hans kolleger flere års arbejde. Som Davis forklarede, hjalp AI-modellen hans forskningsteam med at finde arkæologiske steder på Madagaskar. Over en periode på et år kunne AI’en identificere mere end 70 bekræftede steder over et område på over 1000 kvadratkilometer.

Arkæologer søger konstant efter nye måder at øge hastigheden, hvormed arkæologiske steder identificeres. Mange potentielle arkæologiske fund er truet af ødelæggelse på grund af havniveau-stigning og andre klimaændringer, skovrydning, byggeaktivitet eller andre menneskelige aktiviteter. De traditionelle metoder, som arkæologer anvender til at finde potentielle steder, kan tage måneder eller år. Dette er en af hovedårsagerne til, at maskinlæring er nyttig for arkæologisk forskning, ifølge Davis.

De AI-modeller, der er udviklet til at forbedre arkæologisk forskning, har anvendelser ud over at lære mere om kulturen og historien om gamle civilisationer. At studere de teknikker, der anvendes af historiske civilisationer, kan hjælpe moderne regeringer med at tackle langvarige udfordringer som vandresursestyring. For eksempel anvendte forskere fra Institut Català d’Arqueologia Clàssica (ICAC) en AI-model til at genskabe træk af tusindvis af miles af paleo-floder i det moderne Indien og Pakistan. Det dataset, som modellen gjorde muligt, kan hjælpe regeringer med at opdage smarte måder at anvende vandressourcer på.

Ud over de ovennævnte anvendelsesområder kan AI forbedre arkæologisk forskning på en række måder. AI-teknikker anvendes til at hjælpe forskere med at bestemme den kemiske struktur af keramik, lerkar og andre genstande. Ved at analysere en genstands kemiske komponenter kan forskere få bedre ideer om, hvor materialet til genstanden kommer fra. Lingvistiske antropologer har nylig anvendt maskinlærings-teknikker til at modelere, hvordan forskellige sprog kan have opstået i forskellige dele af verden, og sidste år blev indskrifter på beskadigede græske genstande genskabt med hjælp af et dybt neuralt netværk udviklet af Google DeepMind. Sidste år blev der publiceret mere end 65 arkæologiske artikler, der anvendte maskinlæring på en eller anden måde, og dette tal vil sandsynligvis kun fortsætte med at vokse i fremtiden.