Tekoäly muuttaa arkeologiaa dramaattisesti, löytää uusia kohteita ja esineitä

Teckoälyä käytetään arkeologien avuksi uusien kaivauskohteiden löytämiseksi ja uusien löytöjen tekemiseksi, mikä nopeuttaa arkeologisten tutkimusten tahtia dramaattisesti. Kuten SingularityHub raportoi, tekoälyä ja tietokoneen näköalgoritmeja käytetään satelliittikuvien analysointiin ja mahdollisten arkeologisten kohteiden automaattiseen havaitsemiseen.

Ilmasiltojen ja lentokoneiden sekä dronien avulla kerätyn ilmakuvamateriaalin runsauden ansiosta arkeologit voivat tarkastella alueita maapallon pinnalla mahdollisten arkeologisten kohteiden etsimiseksi ilman, että heidän tarvitsee itse vierailla alueella. Kuitenkin tuhansien kuvien manuaalinen analysointi voi olla aikaa vievää ja tylsää työtä. Tekoälyalgoritmit voivat automatisoida tämän prosessin, mikä tekee siitä paljon nopeamman ja tehokkaamman.

Kuten kerrottiin SingularityHubille Pennsylvanian osavaltion yliopiston antropologian laitoksen PhD-opiskelijalle Dylan Davisille, arkeologian tieteenala on laajentanut tekoälyn käyttöä dramaattisesti viime vuosina. Arkeologien tekoälyn käyttö on johtanut joihinkin mielenkiintoisiin uusiin löytöihin viime vuosina. Tähän lukeutuvat historiallisten asutusten löytäminen Madagaskarissa ja maakumpujen luominen esihistoriallisilla Pohjois-Amerikan väestöillä. Davis kehitti itse ennustevalgoritmit, jotka pystyivät sijaintimaan nämä kohteet.

Teckoälyjärjestelmät käyttävät erilaisia tekniikoita erottamaan rakenteita ja esineitä, jotka voivat olla arkeologeille mielenkiintoisia. Davisin suunnittelemat tekoälyalgoritmit käyttivät LiDAR-tekniikkaa, joka lähettää valon pulsaation, jota tekoäly tulkkaa maantieteellisten alueiden karttojen luomiseksi. LiDAR-pulsaatiot loivat metsän lattian kartoista, jotka sisälsivät tietoa lattian koostumuksesta, koosta, muodosta ja kaltevuudesta. Tekoälyä koulutettiin tällä datalla, jotta se voisi tunnistaa potentiaaliset mielenkiintoiset kohteet. Davisin mukaan automaatio säästi hänelle ja hänen kollegoilleen useita vuosia työtä. Kuten Davis selitti, tekoälymalli auttoi hänen tutkimusryhmäänsä löytämään arkeologisia kohteita Madagaskarissa. Vuoden aikana tekoäly pystyi tunnistamaan yli 70 vahvistettua kohtetta yli 1000 neliökilometrin laajuisella alueella.

Arkeologit etsivät jatkuvasti keinoja nopeuttaa arkeologisten kohteiden tunnistamista. Monet potentiaaliset arkeologiset löydöt ovat uhattuna tuhoutumisella merenpinnan nousun ja muiden ilmastonmuutoksen vaikutusten, metsänhakkuun, rakentamisen tai muiden ihmistoiminnan seurauksena. Perinteiset menetelmät, joita arkeologit käyttävät mahdollisten kohteiden löytämiseksi, voivat kestää kuukausia tai jopa vuosia. Tämä on yksi tärkeimmistä syistä, miksi koneoppiminen on hyödyllistä arkeologisessa tutkimuksessa, Davisin mukaan.

Arkeologisen tutkimuksen parantamiseen kehitetyt tekoälymallit ovat sovellettavissa myös muihin tarkoituksiin kuin vain vanhojen sivilisaatioiden kulttuurin ja historian opiskeluun. Vanhojen sivilisaatioiden tekniikoiden tutkiminen voi auttaa nykyisiä hallituksia ratkaisemaan pitkäaikaisia haasteita, kuten vesivarojen hallintaa. Esimerkiksi Institut Català d’Arqueologia Clàssican tutkijat käyttivät tekoälymallia jälleenrakentamaan tuhansien mailien paleojokien piirteitä nykyisen Intian ja Pakistanin alueella. Tekoälymallin mahdollistama tietokanta voi auttaa hallituksia löytämään älykkäitä keinoja vesivarojen käyttöön.

Edellä mainittujen soveltamisten lisäksi tekoäly voi parantaa arkeologien tutkimusta monin eri tavooin. Tekoälytekniikoita käytetään esimerkiksi auttamaan tutkijoita määrittämään keramiikka-, astia- ja muiden esineiden kemiallinen rakenne. Analysoimalla esineen kemiallista koostumusta tutkijat voivat saada paremman ymmärryksen siitä, mistä materiaaleja esineisiin on käytetty. Kieliantropologit ovat viime aikoina käyttäneet koneoppimistekniikoita mallintamaan, miten eri kielet ovat kehittyneet eri puolilla maailmaa, ja viime vuonna kielitieteellinen tutkimus löysi uusia keinoja vanhojen käsikirjoitusten tulkitsemiseen, ja viime vuonna inscriptions vahingoittuneista kreikkalaisista esineistä jälleenrakennettiin Google (GOOGL ) DeepMindin kehittämän syvän neuroniverkon avulla. Viime vuonna yli 65 arkeologista tutkimusta, jotka käyttivät koneoppimista jollain tavoin, julkaistiin, ja tämä määrä kasvaa todennäköisesti tulevaisuudessa.