دليل التطبيقات

الذكاء الاصطناعي في الكشف عن المواقع الأثرية

يقوم الذكاء الاصطناعي بمسح صور الأقمار الصناعية والصور الجوية والتضاريس الممسوحة ضوئيًا بالليزر لتحديد المواقع الأثرية المدفونة أو المخفية التي قد يفوتها المساحون البشريون.

نظرة عامة

يقوم الذكاء الاصطناعي بمسح صور الأقمار الصناعية والصور الجوية والتضاريس الممسوحة ضوئيًا بالليزر لتحديد المواقع الأثرية المدفونة أو المخفية التي قد يفوتها المساحون البشريون. إنه يعمل على تسريع عملية البحث بشكل كبير عبر المناظر الطبيعية الشاسعة التي لا يمكن السير عليها سيرًا على الأقدام.

يركز الذكاء الاصطناعي في اكتشاف المواقع الأثرية على النشر العملي: تحويل قدرة النموذج إلى سير عمل يومي موثوق به يوفر قيمة قابلة للقياس.

الغوص العميق

يستخدم علماء الآثار بشكل متزايد التعلم الآلي للعثور على المواقع دون الحفر أولاً. يتم تدريب الشبكات العصبية التلافيفية على أمثلة مصنفة للميزات المعروفة (تلال الدفن، والطرق القديمة، والأنظمة الميدانية، وأساسات البناء) ثم مسح مساحات ضخمة من الصور بحثًا عن أنماط مماثلة. مصدر البيانات الرئيسي هو LiDAR، الذي يطلق نبضات ليزر من الطائرات أو الطائرات بدون طيار ويقيس عودتها لبناء نموذج دقيق ثلاثي الأبعاد للأرض. ونظرًا لأن الليزر يخترق الفجوات الموجودة في الغطاء النباتي، يمكن لتقنية LiDAR الكشف عن الأعمال الترابية المخفية تحت مظلة الغابات الكثيفة. ساعد الذكاء الاصطناعي في رسم خريطة للآلاف من هياكل المايا الموجودة أسفل غابة غواتيمالا وملامح العصر الروماني في جميع أنحاء بريطانيا. وتضيف الصور الحرارية والحرارية المتعددة الأطياف المزيد من الأدلة، حيث أن الجدران والخنادق المدفونة تغير كيفية احتفاظ التربة بالرطوبة والحرارة.

البصيرة الفنية

يتم تحويل السحب النقطية بتقنية LiDAR إلى نماذج ارتفاع رقمية، ثم يتم تعزيزها بتصورات مثل تظليل التلال والمنحدرات ونماذج الإغاثة المحلية التي تبالغ في المطبات والمنخفضات الدقيقة. تتعلم شبكة CNN المدربة على هذه الصور المعالجة التوقيعات الهندسية للميزات التي صنعها الإنسان مقابل التضاريس الطبيعية. ومن الأهمية بمكان أن تحدد النماذج المرشحين ليقوم الخبراء بالتحقق منها على أرض الواقع، لأن الغطاء النباتي، والجيولوجيا، والاضطرابات الحديثة تنتج العديد من النتائج الإيجابية الكاذبة.

إتقان الذكاء الاصطناعي في الكشف عن المواقع الأثرية

يقوم الذكاء الاصطناعي بمسح صور الأقمار الصناعية والصور الجوية والتضاريس الممسوحة ضوئيًا بالليزر لتحديد المواقع الأثرية المدفونة أو المخفية التي قد يفوتها المساحون البشريون. إنه يعمل على تسريع عملية البحث بشكل كبير عبر المناظر الطبيعية الشاسعة التي لا يمكن السير عليها سيرًا على الأقدام. يركز الذكاء الاصطناعي في اكتشاف المواقع الأثرية على النشر العملي: تحويل قدرة النموذج إلى سير عمل يومي موثوق به يوفر قيمة قابلة للقياس. لبناء فهم عميق، يجب التعامل مع الذكاء الاصطناعي في الكشف عن المواقع الأثرية كنموذج تشغيلي، وليس كميزة واحدة: تحديد النتائج المرجوة، وتوضيح الافتراضات، وفصل ما يمكن للنظام القيام به بشكل موثوق عما لا يزال يتطلب حكم الخبراء.

من الناحية العملية، تركز الفرق القوية التي تستخدم الذكاء الاصطناعي في الكشف عن المواقع الأثرية على نتائج سير العمل، وليس العروض التوضيحية النموذجية، وتحدد نقاط التفتيش البشرية مبكرًا. وهي تقوم بتوثيق معايير نجاح واضحة، واختبارها مقابل بيانات واقعية وسير العمل، والتكرار بناءً على أنماط الفشل الملحوظة بدلاً من الانتصارات المعيارية لمرة واحدة. وهذا هو المكان الذي يتحول فيه الفهم النظري إلى قدرة دائمة عبر المنتج والسياسة والعمليات.

يحدد التصميم على مستوى التطبيق ما إذا كان الذكاء الاصطناعي سيحسن النتائج الحقيقية. وفي الوقت نفسه، يمكن أن تؤدي أتمتة عملية معطلة إلى تضخيم المشاكل الموجودة. ويتمثل النهج الأكثر مرونة في الجمع بين سرعة التجريب وانضباط الحوكمة: تشغيل البرامج التجريبية، والتقاط الأدلة، ونشر سجلات القرارات، وتحديث الضمانات بشكل مستمر مع تطور سلوك النموذج، وتوقعات المستخدم، والمتطلبات التنظيمية.

التأثير الاستراتيجي

يحدد التصميم على مستوى التطبيق ما إذا كان الذكاء الاصطناعي سيحسن النتائج الحقيقية.

يحدد التصميم على مستوى التطبيق ما إذا كان الذكاء الاصطناعي سيحسن النتائج الحقيقية. وفي عمليات النشر عالية الجودة، تتم ترجمة ذلك إلى قواعد تشغيل قابلة للقياس، وحدود ملكية، وطقوس مراجعة متكررة حتى تتمكن الفرق من توسيع نطاق الثقة بدلاً من توسيع نطاق الغموض.

يؤدي التكامل الجيد لسير العمل إلى تحقيق مكاسب إنتاجية يمكن للمستخدمين الوثوق بها.

يؤدي التكامل الجيد لسير العمل إلى تحقيق مكاسب إنتاجية يمكن للمستخدمين الوثوق بها. وفي عمليات النشر عالية الجودة، تتم ترجمة ذلك إلى قواعد تشغيل قابلة للقياس، وحدود ملكية، وطقوس مراجعة متكررة حتى تتمكن الفرق من توسيع نطاق الثقة بدلاً من توسيع نطاق الغموض.

تعمل حالات الاستخدام ذات النطاق الجيد على تقليل إجهاد التغيير ومخاطر التنفيذ.

تعمل حالات الاستخدام ذات النطاق الجيد على تقليل إجهاد التغيير ومخاطر التنفيذ. وفي عمليات النشر عالية الجودة، تتم ترجمة ذلك إلى قواعد تشغيل قابلة للقياس، وحدود ملكية، وطقوس مراجعة متكررة حتى تتمكن الفرق من توسيع نطاق الثقة بدلاً من توسيع نطاق الغموض.

مستقبل الذكاء الاصطناعي في الكشف عن المواقع الأثرية

توقع استخدامًا أوسع لبيانات الأقمار الصناعية العالمية المتاحة مجانًا، مما يسمح للباحثين في المناطق التي لا تخضع للمسح بالكشف عن المواقع على المستوى القاري. سيؤدي التعلم تحت الإشراف الذاتي إلى تقليل الحاجة إلى مجموعات البيانات الكبيرة، وهو عنق الزجاجة المزمن في علم الآثار. من المفترض أن يؤدي الدمج الأفضل بين LiDAR والرادار والخرائط التاريخية إلى تقليل الإنذارات الكاذبة. هناك أيضًا جهود متزايدة لاستخدام أدوات الكشف لمراقبة عمليات النهب وحماية المواقع المهددة بتغير المناخ والتنمية والصراع.

التنفيذ في العالم الحقيقي

استخدم المسح PACUNAM LiDAR المسح بالليزر المحمول جواً للكشف عن أكثر من 60 ألف مبنى من هياكل المايا غير المعروفة سابقًا والمخبأة تحت الغابات المطيرة في غواتيمالا.

قام الباحثون بتدريب الشبكات العصبية على بيانات LiDAR لرسم خريطة لتلال الدفن التي تعود إلى عصور ما قبل التاريخ وأنظمة الحقول السلتية عبر أجزاء من هولندا وبريطانيا.

ساعد تحليل صور الأقمار الصناعية فريق سارة باركاك في تحديد المقابر والمستوطنات والأهرامات المدفونة المحتملة في مصر، وهو نهج شائع باسم "علم آثار الفضاء".

تم استخدام التعلم الآلي على السلاسل الزمنية عبر الأقمار الصناعية لاكتشاف وتتبع حفر النهب في المواقع في سوريا والعراق خلال فترات الصراع.

أنماط التنفيذ

الذكاء الاصطناعي في الكشف عن المواقع الأثرية في الممارسة العملية

استخدم المسح PACUNAM LiDAR المسح بالليزر المحمول جواً للكشف عن أكثر من 60 ألف مبنى من هياكل المايا غير المعروفة سابقًا والمخبأة تحت الغابات المطيرة في غواتيمالا.

استخدم مسح PACUNAM LiDAR المسح بالليزر المحمول جواً للكشف عن أكثر من 60,000 من هياكل المايا غير المعروفة سابقًا والمخبأة تحت الغابات المطيرة في غواتيمالا. عادةً ما تحصل الفرق على نتائج أفضل عندما تحدد عتبات الجودة مقدمًا، وتحافظ على مسار تصعيد بشري لحالات الحافة، وتتتبع مكاسب الإنتاجية وتكاليف الأخطاء بمرور الوقت.

الذكاء الاصطناعي في الكشف عن المواقع الأثرية في الممارسة العملية

قام الباحثون بتدريب الشبكات العصبية على بيانات LiDAR لرسم خريطة لتلال الدفن التي تعود إلى عصور ما قبل التاريخ وأنظمة الحقول السلتية عبر أجزاء من هولندا وبريطانيا.

قام الباحثون بتدريب الشبكات العصبية على بيانات LiDAR لرسم خريطة لتلال الدفن التي تعود إلى عصور ما قبل التاريخ وأنظمة الحقول السلتية تلقائيًا عبر أجزاء من هولندا وبريطانيا. عادةً ما تحصل الفرق على نتائج أفضل عندما تحدد عتبات الجودة مقدمًا، وتحافظ على مسار تصعيد بشري للحالات الطرفية، وتتتبع مكاسب الإنتاجية وتكاليف الأخطاء بمرور الوقت.

الذكاء الاصطناعي في الكشف عن المواقع الأثرية في الممارسة العملية

ساعد تحليل صور الأقمار الصناعية فريق سارة باركاك في تحديد المقابر والمستوطنات والأهرامات المدفونة المحتملة في مصر، وهو نهج شائع باسم "علم آثار الفضاء".

ساعد تحليل صور الأقمار الصناعية فريق سارة باركاك على تحديد المقابر والمستوطنات والأهرامات المدفونة المحتملة في مصر، وهو نهج شائع باسم "علم الآثار الفضائية". وعادة ما تحصل الفرق على نتائج أفضل عندما تحدد عتبات الجودة مقدمًا، وتحافظ على مسار التصعيد البشري لحالات الحافة، وتتتبع مكاسب الإنتاجية وتكاليف الخطأ مع مرور الوقت.

الذكاء الاصطناعي في الكشف عن المواقع الأثرية في الممارسة العملية

تم استخدام التعلم الآلي على السلاسل الزمنية عبر الأقمار الصناعية لاكتشاف وتتبع حفر النهب في المواقع في سوريا والعراق خلال فترات الصراع.

تم استخدام التعلم الآلي على السلاسل الزمنية عبر الأقمار الصناعية لاكتشاف وتتبع حفر النهب في مواقع في سوريا والعراق خلال فترات الصراع، وعادة ما تحصل الفرق على نتائج أفضل عندما تحدد عتبات الجودة مقدمًا، وتحافظ على مسار تصعيد بشري لحالات الحافة، وتتتبع مكاسب الإنتاجية وتكاليف الخطأ مع مرور الوقت.

المخاطر والدرابزين

!

يمكن أن تؤدي أتمتة عملية معطلة إلى تضخيم المشاكل الموجودة.

!

قد تقوم الفرق بالإفراط في أتمتة وإزالة الحكم البشري المطلوب.

!

يمكن أن تنحرف الجودة إذا لم يتم تقييم المخرجات بشكل مستمر.

خارطة طريق التنفيذ

1

قم بتخطيط سير العمل الحالي وحدد خطوة الاحتكاك الأعلى.

قم بتخطيط سير العمل الحالي وحدد خطوة الاحتكاك الأعلى. تعامل مع كل خطوة كبوابة دليل: إذا لم يتم استيفاء المعايير، قم بإيقاف التشغيل مؤقتًا، وسد الفجوة، وبعد ذلك فقط قم بتوسيع الاستخدام.

2

تحديد نقاط التفتيش البشرية قبل الأتمتة الكاملة.

تحديد نقاط التفتيش البشرية قبل الأتمتة الكاملة. تعامل مع كل خطوة كبوابة دليل: إذا لم يتم استيفاء المعايير، قم بإيقاف التشغيل مؤقتًا، وسد الفجوة، وبعد ذلك فقط قم بتوسيع الاستخدام.

3

تدريب المستخدمين على المطالبات ومسارات التصعيد ومعايير الجودة.

تدريب المستخدمين على المطالبات ومسارات التصعيد ومعايير الجودة. تعامل مع كل خطوة كبوابة دليل: إذا لم يتم استيفاء المعايير، قم بإيقاف التشغيل مؤقتًا، وسد الفجوة، وبعد ذلك فقط قم بتوسيع الاستخدام.

4

تتبع النتائج على مستوى المهمة لتأكيد القيمة المستدامة.

تتبع النتائج على مستوى المهمة لتأكيد القيمة المستدامة. تعامل مع كل خطوة كبوابة دليل: إذا لم يتم استيفاء المعايير، قم بإيقاف التشغيل مؤقتًا، وسد الفجوة، وبعد ذلك فقط قم بتوسيع الاستخدام.

استمر في الاستكشاف