Sinir Ağı Tarihi Olayları Ayırt Etmeyi Kolaylaştırıyor

Yapay zeka (AI) potansiyelinin, tarih, antropoloji, arkeoloji ve benzeri alanlarda nasıl kullanılabileceği konusunda fazla çalışma yapılmamıştır. Bu durum, yeni bir araştırmayla değişmektedir. Bu araştırma, makine öğreniminin, arkeologlar için Orta Taş Devri (MSA) ve Geç Taş Devri (LSA) gibi iki büyük dönemi ayırt etmekte bir araç olarak nasıl kullanılabileceğini göstermektedir.

Bu ayrım, akademisyenler ve arkeologlar tarafından zaten kurulmuş gibi görünse de, durum böyle değildir. Çoğu durumda, iki dönemi ayırt etmek kolay değildir.

MSA ve LSA

Yaklaşık 300.000 yıl önce, ilk MSA araç setleri, Homo Sapiens’in en eski fosilleriyle aynı zamanda ortaya çıktı. Aynı araç setleri, yaklaşık 30.000 yıl öncesine kadar kullanılmaya devam etti. 67.000 yıl önce, taş araç üretiminde bir davranış değişikliği meydana geldi ve ortaya çıkan araç setleri LSA oldu.

LSA araç setleri, yakın geçmişte hala kullanılmaktaydı ve MSA’dan LSA’ya geçişin lineer bir süreç olmadığı artık açıkça anlaşılıyor. Değişiklikler, farklı zamanlarda ve farklı yerlerde meydana geldiği için araştırmacılar, kültürel yenilik ve yaratıcılığın açıklanmasına yardımcı olan bu süreci incelemeye odaklanıyorlar.

Bu anlayışın temeli, MSA ve LSA arasındaki ayrımı yapabilmektir.

Dr. Jimbob Blinkhorn, Pan African Evolution Research Group, Max Planck Institute for the Science of Human History ve Centre for Quaternary Research, Department of Geography, Royal Holloway’dan bir arkeologdur.

“Doğu Afrika, bu büyük kültürel değişimi incelemek için kritik bir bölgedir. Sadece en genç MSA sitelerine ve en eski LSA sitelerine ev sahipliği yapması değil, aynı zamanda nicel yöntemler kullanarak araştırmaya uygun çok sayıda iyi kazılmış ve tarihli site içerdiği için de önemlidir” diyor Dr. Blinkhorn. “Bu, 130.000 ila 12.000 yıl öncesine kadar taş araç üretiminde ve kullanımındaki değişen kalıpların önemli bir veritabanını bir araya getirmemizi ve MSA-LSA geçişini incelememizi sağladı.”

Yapay Sinir Ağları (ANN)

Çalışma, 16 alternatif araç tipi ve 92 taş araç koleksiyonu üzerinden gerçekleştirildi ve varlıkları veya yokluğu vurgulandı. Çalışma, her个 araç yerine, birlikte oluşan araç formlarının kümelerini vurgulamaktadır.

Dr. Matt Grove, Liverpool Üniversitesi’nden bir arkeologdur.

“LSA koleksiyonlarını MSA koleksiyonlarından ayırt eden modelleri eğitmek ve test etmek için Yapay Sinir Ağı (ANN) yaklaşımını kullandık. Ayrıca, 94% başarı oranıyla, daha eski (130.000-71.000 yıl önce) ve daha genç (71.000-28.000 yıl önce) MSA koleksiyonları arasındaki kronolojik farklılıkları inceledik” diyor Dr. Grove.

Yapay Sinir Ağları (ANN), insan beyninin belirli bilgi işleme özelliklerini taklit eder ve işleme gücü, birlikte çalışan birçok basit birimin eylemine bağlıdır.

“ANN’ler bazen ‘kara kutu’ yaklaşım olarak tanımlanmıştır. Çünkü даже yüksek başarı oranlarına sahip olsalar da, nedenini her zaman anlamak mümkün olmayabilir” diyor Grove. “Bu ‘kara kutuyu’ açığa çıkaran bir simülasyon yaklaşımını kullandık. Bu, hangi girişlerin sonuçlara önemli ölçüde etki ettiğini anlamamızı sağladı. Taş araç koleksiyonu bileşimindeki kalıpların, MSA ve LSA arasında nasıl değiştiğini belirledik. Umarız bu, gelecekte arkeolojik araştırmalarda bu yöntemlerin daha geniş çapta kullanılmasını sağlar.”

“Çalışmamızın sonuçları, MSA ve LSA koleksiyonlarının, yalnızca bir koleksiyondaki nesne tiplerinin birleşimine dayanarak ayırt edilebileceğini gösteriyor” diyor Blinkhorn. “Destekli parçaların, bıçak ve bipolar teknolojilerin birleşimi ile birlikte, çekirdek araçların, Levallois yongası teknolojisi, nokta teknolojisi ve kazıyıcıların birleşiminden oluşan yokluğu, LSA koleksiyonlarını güçlü bir şekilde tanımlar. Öte yandan, tersine bir model, MSA koleksiyonlarını tanımlar. Bu, daha önceki araştırmacılar tarafından belirtilen nitel farklılıklara nicel bir destek sağlar ve bu kültürel geçişte kilit tipolojik değişikliklerin meydana geldiğini gösterir.”

Ekibe göre, geliştirilen yeni yöntem, Afrika Taş Devri’ndeki kültürel değişimi daha da incelemeye yardımcı olacaktır.

“Kullandığımız yaklaşım, arkeolojik kayıtları tanımlamak için kullandığımız kategorileri incelememize ve atalarımız arasındaki kültürel değişimi açıklamamızda yardımcı olacak güçlü bir araç seti sunuyor” diyor Blinkhorn.