L'IA dans la détection de sites archéologiques
L'IA scanne les images satellite, les photos aériennes et le terrain scanné au laser pour repérer les sites archéologiques enfouis ou cachés que les géomètres humains pourraient manquer.
Aperçu
It dramatically speeds up the search across landscapes too vast to walk on foot.
Plongée profonde
Les archéologues utilisent de plus en plus l’apprentissage automatique pour trouver des sites sans creuser au préalable. Les réseaux de neurones convolutifs sont formés sur des exemples étiquetés de caractéristiques connues (tumulus, routes anciennes, systèmes de terrain, fondations de bâtiments), puis analysent de vastes zones d'imagerie à la recherche de modèles similaires. Une source de données clé est le LiDAR, qui déclenche des impulsions laser depuis des avions ou des drones et mesure leur retour pour créer un modèle 3D précis du sol. Parce que le laser pénètre dans les interstices de la végétation, le LiDAR peut révéler des travaux de terrassement cachés sous un couvert forestier dense. L’IA a aidé à cartographier des milliers de structures mayas sous la jungle guatémaltèque et des éléments de l’époque romaine à travers la Grande-Bretagne. L'imagerie multispectrale et thermique ajoute des indices supplémentaires, puisque les murs et les fossés enterrés modifient la façon dont le sol retient l'humidité et la chaleur.
Aperçu technique
Les nuages de points LiDAR sont convertis en modèles numériques d'élévation, puis améliorés avec des visualisations telles que des modèles d'ombrage, de pente et de relief local qui exagèrent les bosses et les dépressions subtiles. Un CNN formé sur ces images traitées apprend les signatures géométriques des éléments créés par l'homme par rapport au terrain naturel. Surtout, les modèles signalent les candidats aux experts pour qu'ils les vérifient sur le terrain, car la végétation, la géologie et les perturbations modernes produisent de nombreux faux positifs.
Impact stratégique
Choix de construction
La conception au niveau de l’application détermine si l’IA améliore les résultats réels.
Équipe et flux de travail
Une bonne intégration des flux de travail crée des gains de productivité sur lesquels les utilisateurs peuvent compter.
Risques et sécurité
Des cas d’utilisation bien ciblés réduisent la lassitude face au changement et les risques de mise en œuvre.
L'avenir de l'IA dans la détection de sites archéologiques
Attendez-vous à une utilisation plus large des données satellitaires mondiales disponibles gratuitement, permettant aux chercheurs des régions sous-étudiées de détecter des sites à l’échelle continentale. L’apprentissage auto-supervisé réduira le besoin de grands ensembles de données étiquetées, un goulot d’étranglement chronique en archéologie. Une meilleure fusion des cartes LiDAR, radar et historiques devrait réduire les fausses alarmes. Des efforts croissants sont également déployés pour utiliser des outils de détection pour surveiller les pillages et protéger les sites menacés par le changement climatique, le développement et les conflits.
Mise en œuvre dans le monde réel
L'enquête PACUNAM LiDAR a utilisé le balayage laser aéroporté pour révéler plus de 60 000 structures mayas jusqu'alors inconnues cachées sous la forêt tropicale guatémaltèque.
Les chercheurs ont formé des réseaux de neurones sur les données LiDAR pour cartographier automatiquement les tumulus préhistoriques et les systèmes de champs celtiques dans certaines parties des Pays-Bas et de la Grande-Bretagne.
L'analyse d'images satellite a aidé l'équipe de Sarah Parcak à identifier d'éventuelles tombes, colonies et pyramides enterrées en Égypte, une approche popularisée sous le nom d'« archéologie spatiale ».
L'apprentissage automatique sur des séries chronologiques par satellite a été utilisé pour détecter et suivre les fosses de pillage sur des sites en Syrie et en Irak pendant les périodes de conflit.
Risques et garde-fous
L'automatisation d'un processus interrompu peut amplifier les problèmes existants.
Les équipes peuvent sur-automatiser et supprimer le jugement humain nécessaire.
La qualité peut dériver si les résultats ne sont pas évalués en permanence.
Feuille de route de mise en œuvre
Cartographiez le flux de travail actuel et identifiez l’étape la plus problématique.
Définissez des points de contrôle humains avant une automatisation complète.
Formez les utilisateurs aux invites, aux voies d’escalade et aux normes de qualité.
Suivez les résultats au niveau des tâches pour confirmer la valeur durable.
Continuez à explorer
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Archaeological Site Detection quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Guide suivant
L'IA dans la détection du plagiat et de l'intégrité académique
Questions fréquemment posées
What is AI in Archaeological Site Detection?
L'IA scanne les images satellite, les photos aériennes et le terrain scanné au laser pour repérer les sites archéologiques enfouis ou cachés que les géomètres humains pourraient manquer. Cela accélère considérablement la recherche dans des paysages trop vastes pour être parcourus à pied.
Pourquoi le LiDAR est-il particulièrement utile pour détecter des sites sous les forêts ?
Le LiDAR tire des impulsions laser depuis les airs ; Étant donné que certaines légumineuses atteignent le sol à travers des interstices dans la canopée, le traitement peut éliminer la végétation et révéler des travaux de terrassement en dessous.
Quel type de modèle d’IA est le plus couramment utilisé pour reconnaître les éléments archéologiques dans les images ?
Les CNN excellent dans la recherche de modèles visuels et sont formés sur des exemples étiquetés de monticules, de routes et de fondations pour repérer des formes similaires sur de grandes images.
Quel projet célèbre a utilisé le LiDAR pour révéler des dizaines de milliers de structures mayas cachées ?
L'initiative PACUNAM LiDAR a cartographié plus de 60 000 structures mayas dissimulées dans la jungle guatémaltèque.
Pourquoi les détections de l’IA nécessitent-elles encore que des archéologues humains les vérifient sur le terrain ?
La géologie naturelle, les modèles de végétation et les perturbations modernes peuvent imiter les signatures archéologiques, les experts doivent donc confirmer les sites candidats en personne.
Comment des murs ou des fossés enterrés peuvent-ils se révéler en imagerie multispectrale ou thermique ?
Les éléments enfouis modifient les propriétés de drainage et thermiques du sol, produisant des différences subtiles dans la croissance des cultures, l'humidité et la température de surface que les capteurs peuvent détecter.