Hermoverkko tekee helpommaksi eri historian aikojen tunnistamisen

Yksi alue, jota ei ole käsitelty paljon tekoälynpotentiaalin suhteen, on se, miten sitä voidaan käyttää historiassa, antropologiassa, arkeologiassa ja muilla vastaavilla aloilla. Uudet tutkimukset osoittavat, miten koneoppiminen voidaan käyttää arkeologien työkaluna erottamaan kaksi suurta aikakautta: Middle Stone Age (MSA) ja Later Stone Age (LSA).

Tämä erottelu saattaa vaikuttaa siltä, että akateemikot ja arkeologit ovat jo vakiinnuttaneet sen, mutta se on kaukana totuudesta. Monissa tapauksissa ei ole helppoa erottaa näitä kahta.

MSA ja LSA

Noin 300 000 vuotta sitten ilmestyivät ensimmäiset MSA-työkalupakit samaan aikaan kuin varhaisimmat Homo Sapiens -fossiilit. Nämä samat työkalupakit käytettiin aina noin 30 000 vuotta sitten asti. Merkittävä käyttäytymisen muutos tapahtui noin 67 000 vuotta sitten, kun kiventyökalujen tuotannossa tapahtui muutoksia, ja tuloksena oli LSA-työkalupakit.

LSA-työkalupakkeja käytettiin vielä äskettäin, ja nyt on selvää, että siirtymä MSA: sta LSA: aan ei ollut mitään lineaarista prosessia. Muutokset tapahtuivat eri aikoina ja eri paikoissa, miksi tutkijat ovat niin keskittyneitä tähän prosessiin, joka voi selittää kulttuurisen innovaation ja luovuuden.

Tämän ymmärryksen perusta on MSA:n ja LSA:n erottelu.

Tohtori Jimbob Blinkhorn on arkeologi Pan African Evolution Research Groupista, Max Planck Institute for the Science of Human History ja Centre for Quaternary Research, Department of Geography, Royal Holloway.

“Itä-Afrikka on avainalue tätä suurta kulttuurimuutosta tutkia, ei ainoastaan siksi, että se isännöi nuoria MSA-kohteita ja vanhoja LSA-kohteita, vaan myös siksi, että suuri määrä hyvin kaivettuja ja ajoitettuja kohteita tekee siitä ihanteellisen paikan tutkimukselle, jossa käytetään määrällisiä menetelmiä”, sanoo Blinkhorn. “Tämä mahdollisti meidän koota yhteen merkittävän tietokannan kiventyökalujen tuotannon ja käytön muuttuvista kuvioista, jotka ulottuvat 130 000 – 12 000 vuoden taakse, tutkimaan MSA-LSA-siirtymää.”

Tekoälyverkkot

Tutkimus perustuu 16 vaihtoehtoiseen työkalutyyppiin 92 kiventyökalujen joukossa, ja se keskittyy niiden läsnäoloon tai poissaoloon. Tutkimus korostaa työkalumuotojen joukkoa, jotka usein ilmestyvät yhdessä, eikä yksittäisiä työkaluja.

Tohtori Matt Grove on arkeologi Liverpoolin yliopistosta.

“Olemme käyttäneet tekoälyverkko -lähestymistapaa kouluttaaksemme ja testataksemme malleja, jotka erottavat LSA-kokoelmat MSA-kokoelmista, sekä tarkastelemalla aikamuutoksia vanhempien (130-71 tuhannen vuoden) ja nuorempien (71-28 tuhannen vuoden) MSA-kokoelmien välillä 94 prosentin onnistumisprosentilla”, sanoo Grove.

Tehtäväverkkot jäljittelevät tietynlaista tietojen prosessointia ihmisaivojen tapaan, ja prosessointikapasiteetti perustuu voimakkaasti monien yksinkertaisten yksiköiden toiminnan yhteistoimintaan.

“Tehtäväverkkoja on joskus kuvattu ‘mustaksi laatikoksi’, koska vaikka ne ovat erittäin onnistuneita, ei aina ole selvää, miksi”, sanoo Grove. “Käytimme simulaatiolähestymistapaa, joka avaa tämän mustan laatikon ymmärtääksemme, mitkä sisääntulot vaikuttavat tuloksiin merkittävästi. Tämä mahdollisti meidän tunnistaa, miten kiventyökalujen joukon koostumus vaihtelee MSA:n ja LSA:n välillä, ja toivomme, että tämä osoittaa, miten tällaisia menetelmiä voidaan käyttää laajemmin arkeologisessa tutkimuksessa tulevaisuudessa.”

“Tutkimuksemme osoittaa, että MSA- ja LSA-kokoelmat voidaan erottaa niiden sisältämien esineiden tyyppien joukon perusteella”, sanoo Blinkhorn. “Yhdessä ilmestyvien tukkeiden, terien ja bipolaariteknologian yhdistelmä yhdessä ydinTYÖkalujen, Levallois- sirpaleiden, pisteteknologian ja raapaisimien yhdistelmän poissaolon kanssa tunnistaa luotettavasti LSA-kokoelmat, ja vastaava käänteinen malli tunnistaa MSA-kokoelmat. Merkittävästi, tämä tarjoaa määrällisen tuen aiemmin tutkijoiden huomaamille laadullisille eroille, jotka osoittavat, että tärkeät tyypologiset muutokset tapahtuvat tässä kulttuurisessa siirtymässä.”

Tutkijaryhmä käyttää nyt kehittämäänsä menetelmää tutkimaan kulttuurimuutosta Afrikan kivikaudella.

“Lähestymistapa, jonka olemme käyttäneet, tarjoaa voimakkaan työkalupakin tutkia luokkia, joita käytetään arkeologisen rekisterin kuvaamiseen, ja auttaa meitä tutkimaan ja selittämään kulttuurimuutosta esivanhempiemme keskuudessa”, sanoo Blinkhorn.