Trí tuệ nhân tạo đang thay đổi đáng kể ngành khảo cổ học, khám phá các địa điểm và hiện vật mới

Trí tuệ nhân tạo đang được sử dụng để giúp các nhà khảo cổ học tìm kiếm các địa điểm khai quật mới và thực hiện các khám phá mới, tăng tốc đáng kể quá trình nghiên cứu khảo cổ học. Như SingularityHub đã báo cáo, trí tuệ nhân tạo và các thuật toán tầm nhìn máy tính đang được sử dụng để phân tích dữ liệu hình ảnh vệ tinh và tự động hóa quá trình phát hiện các địa điểm khảo cổ học có thể có trong chúng.

Cảm ơn sự phổ biến của dữ liệu hình ảnh không gian được thu thập bởi các vệ tinh, máy bay và máy bay không người lái, các nhà khảo cổ học có thể kiểm tra các khu vực của Trái đất để tìm kiếm các địa điểm khảo cổ học có thể có mà không cần phải đến thăm khu vực đó. Tuy nhiên, việc phân tích thủ công hàng nghìn hình ảnh của các cảnh quan có thể là một nhiệm vụ tốn thời gian và nhàm chán. Các thuật toán trí tuệ nhân tạo có thể tự động hóa quá trình này, làm cho nó nhanh hơn và hiệu quả hơn.

Como đã giải thích với SingularityHub bởi ứng viên tiến sĩ tại Khoa Nhân chủng học của Đại học Bang Penn, Dylan Davis, ngành khảo cổ học đã tăng cường sử dụng trí tuệ nhân tạo một cách đáng kể trong những năm gần đây. Việc sử dụng trí tuệ nhân tạo bởi các nhà khảo cổ học đã dẫn đến một số khám phá mới thú vị trong những năm gần đây. Điều này bao gồm việc phát hiện các khu định cư lịch sử ở Madagascar và các ụ đất được tạo ra bởi các dân tộc Bắc Mỹ tiền sử. Davis bản thân đã phát triển các thuật toán dự đoán có thể định vị các địa điểm này.

Các hệ thống trí tuệ nhân tạo sử dụng nhiều kỹ thuật để phân biệt các cấu trúc và đối tượng có thể quan tâm đến các nhà khảo cổ học. Thuật toán trí tuệ nhân tạo được thiết kế bởi Davis sử dụng LiDAR, tạo ra các xung ánh sáng được giải thích bởi trí tuệ nhân tạo để tạo ra các bản đồ của các khu vực địa lý. Các xung LiDAR tạo ra các bản đồ của sàn rừng chứa thông tin về kết cấu, kích thước, hình dạng và độ dốc của sàn. Trí tuệ nhân tạo được đào tạo trên dữ liệu này để cho phép nó nhận ra các địa điểm tiềm năng. Theo Davis, việc tự động hóa đã giúp anh ta và các đồng nghiệp của mình tiết kiệm vài năm làm việc. Như Davis đã giải thích, mô hình trí tuệ nhân tạo đã giúp nhóm nghiên cứu của anh ta tìm thấy các địa điểm khảo cổ học ở Madagascar. Trong suốt một năm, trí tuệ nhân tạo đã xác định được hơn 70 địa điểm được xác nhận trên một khu vực hơn 1000 kilômét vuông.

Các nhà khảo cổ học luôn tìm kiếm các cách mới để tăng tốc độ xác định các địa điểm khảo cổ học. Nhiều khám phá khảo cổ học tiềm năng đang bị đe dọa bởi sự phá hủy do mực nước biển tăng và các tác động của biến đổi khí hậu khác, phá rừng, xây dựng hoặc các hoạt động của con người khác. Các phương pháp truyền thống mà các nhà khảo cổ học sử dụng để tìm kiếm các địa điểm tiềm năng có thể mất vài tháng hoặc vài năm. Đây là một trong những lý do chính tại sao học máy hữu ích cho nghiên cứu khảo cổ học, theo Davis.

Các mô hình trí tuệ nhân tạo được phát triển để tăng cường nghiên cứu khảo cổ học có các ứng dụng ngoài việc tìm hiểu về văn hóa và lịch sử của các nền văn minh cổ đại. Việc nghiên cứu các kỹ thuật được sử dụng bởi các nền văn minh lịch sử có thể giúp các chính phủ hiện đại đối phó với các thách thức lâu dài như quản lý tài nguyên nước. Ví dụ, các nhà nghiên cứu từ Institut Català d’Arqueologia Clàssica (ICAC) đã sử dụng một mô hình trí tuệ nhân tạo để tái tạo các đặc điểm của hàng nghìn dặm sông cổ trên khắp Ấn Độ và Pakistan hiện đại. Bộ dữ liệu mà mô hình này cho phép có thể giúp các chính phủ tìm ra các cách thông minh để sử dụng tài nguyên nước.

Beyond các trường hợp sử dụng đã đề cập trước đó, trí tuệ nhân tạo có thể tăng cường nghiên cứu của các nhà khảo cổ học theo nhiều cách khác nhau. Các kỹ thuật trí tuệ nhân tạo đang được sử dụng để giúp các nhà nghiên cứu xác định cấu trúc hóa học của gốm sứ, đồ gốm và các hiện vật khác. Bằng cách phân tích các thành phần hóa học của một hiện vật, các nhà nghiên cứu có thể có được ý tưởng tốt hơn về nơi các vật liệu được sử dụng để tạo ra các hiện vật đó đến từ đâu. Các nhà nhân chủng học ngôn ngữ đã sử dụng gần đây các kỹ thuật học máy để mô hình hóa cách các ngôn ngữ khác nhau có thể xuất hiện ở các phần khác nhau của thế giới, và năm ngoái các bản viết trên các hiện vật Hy Lạp bị hư hỏng đã được tái tạo với sự giúp đỡ của một mạng lưới thần kinh sâu được phát triển bởi Google DeepMind. Năm ngoái có hơn 65 bài báo khảo cổ học được xuất bản đã sử dụng học máy theo một cách nào đó, và con số đó sẽ có khả năng chỉ tiếp tục tăng trong tương lai.