神经网络使得识别历史不同点变得更容易

一个领域在人工智能（AI）潜力方面没有被充分覆盖的是，它如何被应用于历史、人类学、考古学和其他类似领域。新的研究表明了机器学习如何作为工具帮助考古学家区分两个主要时期：中石器时代（MSA）和晚石器时代（LSA）。

这种区分看起来像是学术界和考古学家已经确立的东西，但事实并非如此。在许多情况下，很难区分这两者。

MSA和LSA

大约30万年前，第一个MSA工具包出现在最早的智人化石出现的同一时间。这些工具包一直被使用，直到大约3万年前。约67千年前，石工具生产发生了重大变化，随后产生的工具包是LSA。

LSA工具包一直被使用到最近过去，现在已经清楚地表明，从MSA到LSA的转变并不是一个线性过程。这些变化发生在不同的时间和地点，这就是为什么研究人员如此专注于这个过程的原因，这个过程可以帮助解释文化创新和创造力。

这种理解的基础是MSA和LSA之间的区分。

吉姆博·布林克霍恩博士是泛非演化研究集团、马克斯·普朗克人类历史科学研究所和皇家霍洛威地理系的考古学家。

“东非是研究这一重大文化变化的关键地区，不仅因为它拥有最年轻的MSA遗址和最古老的LSA遗址，还因为大量挖掘和年代测定的遗址使其成为使用定量方法进行研究的理想地区，”布林克霍恩博士说。“这使我们能够收集到大量的石工具生产和使用模式变化的数据库，涵盖130到12万年前的时期，以研究MSA-LSA转变。”

人工神经网络（ANNs）

该研究基于92个石工具组合中的16种替代工具类型，重点是它们的存在或不存在。该研究强调了通常同时出现的工具形式的星座，而不是每个单独的工具。

马特·格罗夫博士是利物浦大学的考古学家。

“我们采用了人工神经网络（ANN）方法来训练和测试模型，以区分LSA和MSA组合，并以94%的成功率检查旧（130-71万年前）和新（71-28万年前）MSA组合之间的年代差异，”格罗夫博士说。

人工神经网络（ANNs）模仿了人类大脑的某些信息处理特征，其处理能力在很大程度上依赖于许多简单单元的共同作用。

“ANNs有时被描述为‘黑盒’方法，即使它们非常成功，也不总是清楚为什么，”格罗夫说。“我们采用了模拟方法来打开这个黑盒，以了解哪些输入对结果有显著影响。这使我们能够确定石工具组合成分的模式如何在MSA和LSA之间变化，我们希望这表明了如何在未来更广泛地将此类方法应用于考古研究。”

“我们的研究结果表明，MSA和LSA组合可以仅根据组合中发现的文物类型的星座来区分，”布林克霍恩说。“背部碎片、刀片和双极技术的联合出现与核心工具、勒瓦卢瓦石片技术、点技术和刮刀的联合缺失一起，能够强有力地识别LSA组合，相反的模式识别MSA组合。重要的是，这为早期研究人员注意到的定性差异提供了量化支持，即这种文化转变确实发生了关键的类型学变化。”

该团队现在将使用新开发的方法进一步研究非洲石器时代的文化变化。

“我们采用的方法为检查我们用来描述考古记录的类别以及帮助我们检查和解释祖先的文化变化提供了一个强大的工具，”布林克霍恩说。