Neuralt Netværk Gør Det Lettere at Identificere Forskellige Punkter i Historien

Et område, der ikke dækkes så meget i forhold til kunstig intelligens (AI)’s potentiale, er, hvordan det kan bruges i historie, antropologi, arkæologi og lignende fag. Dette demonstreres af ny forskning, der viser, hvordan maskinlæring kan fungere som et værktøj for arkæologer til at differentiere mellem to store perioder: Mellemstenalderen (MSA) og Senstenalderen (LSA).

Denne differentiering kan synes som noget, som akademikere og arkæologer allerede har etableret, men det er langt fra tilfældet. I mange tilfælde er det ikke let at skelne mellem de to.

MSA og LSA

For omkring 300.000 år siden opstod de første MSA-værktøjsæt under samme tid som de tidligste fossiler af Homo Sapiens. Disse værktøjsæt blev brugt helt op til omkring 30.000 år siden. En større ændring i adfærd fandt sted for omkring 67.000 år siden, da der skete ændringer i stenredskabsproduktion, og de resulterende værktøjsæt var LSA.

LSA-værktøjsæt blev stadig brugt i den nære fortid, og det er nu blevet klart, at overgangen fra MSA til LSA ikke var en lineær proces. Ændringerne fandt sted på forskellige tidspunkter og på forskellige steder, hvilket er årsagen til, at forskerne er så fokuserede på denne proces, der kan hjælpe med at forklare kulturel innovation og kreativitet.

Grundlaget for denne forståelse er differentieringen mellem MSA og LSA.

Dr. Jimbob Blinkhorn er en arkæolog fra Pan African Evolution Research Group, Max Planck Institute for the Science of Human History og Centre for Quaternary Research, Department of Geography, Royal Holloway.

“Østafrika er en nøgleregion til at undersøge denne store kulturelle ændring, ikke kun fordi det har nogle af de yngste MSA-steder og nogle af de ældste LSA-steder, men også fordi et stort antal godt udgravede og daterede steder gør det ideelt for forskning med kvantitative metoder,” siger Dr. Blinkhorn. “Dette har ermögnet os at samle en betydelig database over ændringer i stenredskabsproduktion og brug, der spænder over 130 til 12.000 år siden, for at undersøge overgangen fra MSA til LSA.”

Kunstige Neurale Netværk (ANN)

Studiet er baseret på 16 alternative værktøjsformer over 92 stenredskabsassembleringer, med fokus på deres tilstedeværelse eller fravær. Studiet betoner konstellationerne af værktøjsformer, der ofte optræder sammen, snarere end hver enkelt værktøj.

Dr. Matt Grove er en arkæolog ved University of Liverpool.

“Vi har anvendt en Kunstig Neuralt Netværk (ANN)-tilgang til at træne og teste modeller, der differentierer LSA-assembleringer fra MSA-assembleringer, samt undersøger kronologiske forskelle mellem ældre (130-71.000 år siden) og yngre (71-28.000 år siden) MSA-assembleringer med en succesrate på 94%,” siger Dr. Grove.

Kunstige Neurale Netværk (ANN) efterligner visse informationsbehandlingsfunktioner i den menneskelige hjerne, og behandlingskraften er stærkt afhængig af handlingen af mange simple enheder, der arbejder sammen.

“ANN’er er nogle gange blevet beskrevet som en ‘sort boks’-tilgang, for selv når de er meget succesfulde, kan det ikke altid være klart, hvorfor,” siger Grove. “Vi har anvendt en simulationsapproach, der åbner denne sorte boks for at forstå, hvilke indgange har en betydelig indvirkning på resultaterne. Dette har ermögnet os at identificere, hvordan mønstre af stenredskabsassembleringssammensætning varierer mellem MSA og LSA, og vi håber, at dette demonstrerer, hvordan sådanne metoder kan bruges mere bredt i arkæologisk forskning i fremtiden.”

“Resultaterne af vores studie viser, at MSA- og LSA-assembleringer kan differentieres baseret på konstellationen af genstandsformer, der findes i en assemblage alene,” siger Blinkhorn. “Den kombinerede forekomst af backed pieces, blade og bipolar-teknologier sammen med den kombinerede fravær af kerneværktøjer, Levallois-flaketeknologi, punktteknologi og skrabere identificerer robust LSA-assembleringer, med den modsatte mønster, der identificerer MSA-assembleringer. Det er betydeligt, at dette giver kvantificeret støtte til kvalitative forskelle, der er noteret af tidligere forskere, som viser, at nøgle-typologiske ændringer finder sted med denne kulturelle overgang.”

Holdet vil nu bruge den nyligt udviklede metode til at undersøge kulturel ændring i den afrikanske stenalder yderligere.

“Tilgangen, vi har anvendt, tilbyder et kraftfuldt værktøj til at undersøge kategorierne, vi bruger til at beskrive den arkæologiske optegnelse, og til at hjælpe os med at undersøge og forklare kulturel ændring blandt vores forfædre,” siger Blinkhorn.