L’IA change dramatiquement l’archéologie, découvrant de nouveaux sites et artefacts

L’intelligence artificielle est utilisée pour aider les archéologues à trouver de nouveaux sites de fouilles et à faire de nouvelles découvertes, augmentant considérablement le rythme de la recherche archéologique. Comme SingularityHub l’a rapporté, l’intelligence artificielle et les algorithmes de vision par ordinateur sont utilisés pour analyser les données d’images satellites et automatiser le processus de détection de sites archéologiques possibles.

Grâce à la prolifération des données d’images aériennes collectées par les satellites, les avions et les drones, les archéologues peuvent vérifier les zones de la Terre pour les sites archéologiques possibles sans visiter la zone eux-mêmes. Cependant, l’analyse manuelle de milliers d’images de paysages peut être une tâche fastidieuse et chronophage. Les algorithmes d’intelligence artificielle peuvent automatiser ce processus, le rendant beaucoup plus rapide et plus efficace.

Comme expliqué à SingularityHub par le candidat au doctorat à la département d’anthropologie de l’Université de Pennsylvanie, Dylan Davis, la discipline de l’archéologie a augmenté considérablement son utilisation de l’IA au cours des dernières années. L’utilisation de l’IA par les archéologues a conduit à des découvertes passionnantes ces dernières années. Cela inclut la découverte de colonies historiques à Madagascar et de tertres de terre créés par les populations préhistoriques d’Amérique du Nord. Davis lui-même a développé les algorithmes prédictifs qui ont pu localiser ces sites.

Les systèmes d’IA utilisent diverses techniques pour distinguer les structures et les objets qui pourraient être d’intérêt pour les archéologues. L’algorithme d’IA conçu par Davis a utilisé le LiDAR, en générant des impulsions de lumière qui sont interprétées par l’IA pour générer des cartes de régions géographiques. Les impulsions LiDAR ont créé des cartes du sol de la forêt contenant des informations sur la texture, la taille, la forme et la pente du sol. L’IA a été formée sur ces données pour lui permettre de reconnaître les sites potentiels d’intérêt. Selon Davis, l’automatisation a économisé à lui et à ses collègues plusieurs années de travail. Comme Davis l’a expliqué, le modèle d’IA a aidé son équipe de recherche à trouver des sites archéologiques à Madagascar. Au cours d’une année, l’IA a pu identifier plus de 70 sites confirmés sur une superficie de plus de 1 000 kilomètres carrés.

Les archéologues recherchent constamment de nouvelles façons d’accélérer la vitesse à laquelle les sites archéologiques sont identifiés. De nombreux artefacts archéologiques potentiels sont menacés de destruction en raison de la montée du niveau de la mer et d’autres impacts du changement climatique, de la déforestation, de la construction ou d’autres activités humaines. Les méthodes traditionnelles que les archéologues utilisent pour trouver des sites potentiels peuvent prendre des mois ou des années. C’est l’une des principales raisons pour lesquelles l’apprentissage automatique est utile pour la recherche archéologique, selon Davis.

Les modèles d’IA développés pour améliorer la recherche archéologique ont des applications au-delà de l’apprentissage sur la culture et l’histoire des civilisations anciennes. L’étude des techniques utilisées par les civilisations historiques peut aider les gouvernements modernes à faire face à des défis de longue date tels que la gestion des ressources en eau. Par exemple, des chercheurs de l’Institut catalan d’archéologie classique (ICAC) ont utilisé un modèle d’IA pour reconstruire les caractéristiques de milliers de kilomètres de paleofleuves à travers l’Inde et le Pakistan modernes. Le jeu de données que le modèle a rendu possible peut aider les gouvernements à découvrir des moyens intelligents d’utiliser les ressources en eau.

Au-delà des cas d’utilisation mentionnés précédemment, l’IA peut améliorer la recherche des archéologues de diverses manières. Les techniques d’IA sont utilisées pour aider les chercheurs à déterminer la structure chimique de la céramique, de la poterie et d’autres artefacts. En analysant les composants chimiques d’un artefact, les chercheurs peuvent obtenir de meilleures idées sur l’origine des matériaux utilisés pour fabriquer les artefacts. Les anthropologues linguistiques ont récemment utilisé des techniques d’apprentissage automatique pour modéliser la façon dont diverses langues ont pu émerger dans différentes parties du monde, et l’année dernière, les inscriptions sur des artefacts grecs endommagés ont été recréées avec l’aide d’un réseau neuronal profond développé par Google DeepMind. L’année dernière, plus de 65 articles archéologiques ont été publiés qui ont utilisé l’apprentissage automatique d’une manière ou d’une autre, et ce nombre ne fera que continuer à augmenter à l’avenir.