Искусственный интеллект кардинально меняет археологию, открывая новые объекты и артефакты

Искусственный интеллект используется для помощи археологам в поиске новых объектов раскопок и открытии новых артефактов, что существенно увеличивает темп археологических исследований. Как SingularityHub сообщил, искусственный интеллект и алгоритмы компьютерного зрения используются для анализа спутниковых изображений и автоматизации процесса обнаружения возможных археологических объектов.

Благодаря распространению аэрофотоснимков, собранных спутниками, самолетами и беспилотниками, археологи могут проверять районы Земли на наличие возможных археологических объектов без посещения этих мест. Однако ручной анализ тысяч изображений ландшафтов может быть трудоемкой и скучной задачей. Алгоритмы искусственного интеллекта могут автоматизировать этот процесс, делая его намного быстрее и более эффективным.

Как объяснил кандидат наук в области антропологии Университета штата Пенсильвания Дилан Дэвис, дисциплина археологии значительно расширила использование ИИ за последние несколько лет. Использование ИИ археологами привело к некоторым интересным новым открытиям в последние годы. Это включает в себя открытие исторических поселений на Мадагаскаре и земляных насыпей, созданных доисторическими популяциями Северной Америки. Дэвис сам разработал предсказательные алгоритмы, которые смогли обнаружить эти объекты.

Системы ИИ используют различные методы для различения структур и объектов, которые могут быть интересны археологам. Алгоритм ИИ, разработанный Дэвисом, использовал LiDAR, генерируя импульсы света, которые интерпретируются ИИ для создания карт географических регионов. Импульсы LiDAR создавали карты лесного пола, содержащие информацию о текстуре, размере, форме и наклоне пола. ИИ был обучен на этих данных, чтобы он мог распознавать потенциальные объекты интереса. Согласно Дэвису, автоматизация сэкономила ему и его коллегам несколько лет работы. Как объяснил Дэвис, модель ИИ помогла его исследовательской команде обнаружить археологические объекты на Мадагаскаре. За год ИИ смог выявить более 70 подтвержденных объектов на площади более 1000 квадратных километров.

Археологи постоянно ищут новые способы повышения скорости, с которой обнаруживаются археологические объекты. Многие потенциальные археологические открытия находятся под угрозой уничтожения из-за повышения уровня моря и других последствий изменения климата, вырубки лесов, строительства или других человеческих действий. Традиционные методы, которые используют археологи для поиска потенциальных объектов, могут занять месяцы или годы. Это одна из основных причин, почему машинное обучение полезно для археологических исследований, согласно Дэвису.

Модели ИИ, разработанные для улучшения археологических исследований, имеют применения за пределами изучения культуры и истории древних цивилизаций. Изучение методов, использованных историческими цивилизациями, может помочь современным правительствам решать давние проблемы, такие как управление водными ресурсами. Например, исследователи из Institut Català d’Arqueologia Clàssica (ICAC) использовали модель ИИ для реконструкции особенностей тысяч миль древних рек на территории современной Индии и Пакистана. Набор данных, созданный моделью, может помочь правительствам найти умные способы использования водных ресурсов.

Помимо вышеупомянутых случаев использования, ИИ может улучшить исследования археологов несколькими другими способами. Техники ИИ используются для помощи исследователям в определении химической структуры керамики, посуды и других артефактов. Анализируя химические компоненты артефакта, исследователи могут получить лучшее представление о том, откуда взялись материалы, использованные для создания артефактов. Лингвистические антропологи недавно использовали методы машинного обучения для моделирования того, как различные языки могли появиться в разных частях мира, и в прошлом году надписи на поврежденных греческих артефактах были воссозданы с помощью глубокой нейронной сети, разработанной Google DeepMind. В прошлом году было опубликовано более 65 археологических статей, в которых использовалось машинное обучение, и это число, вероятно, будет только расти в будущем.