Штучний інтелект драматично змінює археологію, відкриваючи нові місця та артефакти

Штучний інтелект застосовується для допомоги археологам у відкритті нових місць розкопок та відкритті нових відкриттів, що суттєво прискорює темп археологічних досліджень. Як повідомляє SingularityHub, штучний інтелект та алгоритми комп’ютерного зору застосовуються для аналізу даних супутникових зображень та автоматизації процесу виявлення можливих археологічних місць.

Завдяки поширенню аерофотознімків, зібраних супутниками, літаками та безпілотними апаратами, археологи можуть перевірити території Землі на наявність можливих археологічних місць без відвідування території особисто. Однак ручний аналіз тисяч зображень ландшафту може бути тривалим і трудомістким процесом. Алгоритми штучного інтелекту можуть автоматизувати цей процес, роблячи його значно швидшим і ефективнішим.

Як пояснив кандидат філософських наук у відділі антропології Університету штату Пенсільванія Ділан Девіс SingularityHub, дисципліна археології суттєво розширила використання штучного інтелекту за останні кілька років. Застосування штучного інтелекту археологами призвело до деяких цікавих нових відкриттів у останні роки. Серед них відкриття історичних поселень на Мадагаскарі та земляних курганів, створених доісторичними населеннями Північної Америки. Девіс сам розробив передбачувальні алгоритми, які змогли визначити ці місця.

Системи штучного інтелекту застосовують різні методи для відрізнення структур та об’єктів, які можуть бути цікавими для археологів. Алгоритм штучного інтелекту, розроблений Девісом, застосовував технологію LiDAR, генеруючи імпульси світла, які інтерпретуються штучним інтелектом для створення карт географічних регіонів. Імпульси LiDAR створювали карти лісового підлогу, що містять інформацію про текстуру, розмір, форму та нахил підлогу. Штучний інтелект був навчений на цих даних, щоб дозволити йому визнавати потенційні місця інтересу. За словами Девіса, автоматизація зберегла йому та його колегам кілька років роботи. Як пояснив Девіс, модель штучного інтелекту допомогла його дослідницькій команді знайти археологічні місця на Мадагаскарі. За рік штучний інтелект зміг ідентифікувати понад 70 підтверджених місць на території понад 1000 квадратних кілометрів.

Археологи постійно шукають нові методи для прискорення відкриття археологічних місць. Багато потенційних археологічних відкриттів загрожує знищення через підвищення рівня моря та інші наслідки зміни клімату, вирубку лісів, будівництво чи інші людські діяльності. Традиційні методи, які застосовують археологи для пошуку потенційних місць, можуть тривати місяцями або роками. Це одна з основних причин, чому машинне навчання корисне для археологічних досліджень, згідно з Девісом.

Моделі штучного інтелекту, розроблені для покращення археологічних досліджень, мають застосування за межами вивчення культури та історії стародавніх цивілізацій. Вивчення методів, застосовуваних історичними цивілізаціями, може допомогти сучасним урядам впоратися з довготривалими проблемами, такими як управління водними ресурсами. Наприклад, дослідники з Інституту каталонської археології (ICAC) застосовували модель штучного інтелекту для реконструкції особливостей тисяч миль палеорічок сучасної Індії та Пакистану. Набір даних, створений моделлю, може допомогти урядам знайти розумні методи використання водних ресурсів.

Поза вищезгаданими випадками застосування штучний інтелект може покращити дослідження археологів різними способами. Техніки штучного інтелекту застосовуються для допомоги дослідникам у визначенні хімічної структури кераміки, посуду та інших артефактів. Аналізуючи хімічні компоненти артефакту, дослідники можуть отримати кращі уявлення про походження матеріалів, застосовуваних для створення артефактів. Лінгвістичні антропологи нещодавно застосовували техніки машинного навчання для моделювання того, як різні мови можуть виникнути в різних частинах світу, а минулого року написи на пошкоджених грецьких артефактах були відновлені за допомогою глибокої нейронної мережі, розробленої Google DeepMind. Минулого року було опубліковано понад 65 археологічних робіт, які застосовували машинне навчання якимось чином, і ця кількість, ймовірно, буде продовжувати зростати в майбутньому.