AI a régészeti lelőhelyek felderítésében
A mesterséges intelligencia műholdképeket, légifelvételeket és lézerrel szkennelt terepet szkennel, hogy észrevegye azokat az eltemetett vagy rejtett régészeti lelőhelyeket, amelyeket az emberi földmérők figyelmen kívül hagynának.
Áttekintés
It dramatically speeds up the search across landscapes too vast to walk on foot.
Mély merülés
A régészek egyre gyakrabban használnak gépi tanulást, hogy ásás nélkül találjanak meg lelőhelyeket. A konvolúciós neurális hálózatokat az ismert jellemzők címkézett példáin (temetkezési halmok, ősi utak, szántóföldi rendszerek, épületek alapjai) képezik ki, majd hatalmas képterületeket pásztáznak le hasonló minták után. A kulcsfontosságú adatforrás a LiDAR, amely lézerimpulzusokat bocsát ki repülőgépekből vagy drónokból, és méri azok visszatérését, hogy precíz 3D-s talajmodellt készítsen. Mivel a lézer behatol a növényzet réseibe, a LiDAR felfedheti a sűrű erdő lombkorona alatt rejtőző földmunkákat. A mesterséges intelligencia több ezer maja szerkezetet segített feltérképezni a guatemalai dzsungel alatt és a római kori objektumok alatt Nagy-Britanniában. A multispektrális és hőképek további nyomokat adnak, mivel az eltemetett falak és árkok megváltoztatják a talaj nedvesség- és hőmegtartását.
Technikai betekintés
A LiDAR pontfelhők digitális domborzati modellekké alakulnak, majd olyan vizualizációkkal, például dombárnyékolási, lejtős és helyi domborzati modellekkel bővülnek, amelyek eltúlozzák a finom domborulatokat és mélyedéseket. Az ezekre a feldolgozott képekre kiképzett CNN megtanulja az ember alkotta jellemzők geometriai jellemzőit a természetes terepekkel szemben. Döntő fontosságú, hogy a modellek szakértők elé állítsák a jelölteket, hogy a helyszínen ellenőrizzék őket, mivel a növényzet, a geológia és a modern zavarás sok hamis pozitív eredményt produkál.
Stratégiai hatás
Építési lehetőségek
Az alkalmazásszintű tervezés határozza meg, hogy az AI javítja-e a valós eredményeket.
Csapat és munkafolyamat
A jó munkafolyamat-integráció olyan termelékenységnövekedést eredményez, amelyben a felhasználók megbízhatnak.
Kockázat és biztonság
A jól körülhatárolt felhasználási esetek csökkentik a változtatások fáradtságát és a végrehajtás kockázatát.
Az AI jövője a régészeti lelőhelyek felderítésében
A szabadon elérhető globális műholdadatok szélesebb körű felhasználására számíthat, lehetővé téve a kutatók az alulmért régiókban, hogy kontinentális léptékben észleljék a helyszíneket. Az önfelügyelt tanulás csökkenti a nagy címkézett adatkészletek iránti igényt, ami krónikus szűk keresztmetszet a régészetben. A LiDAR, radar és történelmi térképek jobb egyesítése csökkenti a téves riasztások számát. Egyre nagyobb erőfeszítések folynak az észlelési eszközök használatára a fosztogatás nyomon követésére és az éghajlatváltozás, a fejlődés és a konfliktusok által veszélyeztetett helyszínek védelmére.
Valós megvalósítás
A PACUNAM LiDAR felmérés légi lézeres szkennelés segítségével több mint 60 000, korábban ismeretlen maja szerkezetet tárt fel a guatemalai esőerdő alatt.
A kutatók neurális hálózatokat képeztek ki a LiDAR adatokon, hogy automatikusan feltérképezzék az őskori temetkezési halmokat és a kelta terepi rendszereket Hollandia és Nagy-Britannia egyes részein.
A műholdfelvételek elemzése segített Sarah Parcak csapatának azonosítani a lehetséges eltemetett sírokat, településeket és piramisokat Egyiptomban, ezt a megközelítést „űrrégészetként” népszerűsítették.
A műholdidősoros gépi tanulást a szíriai és iraki helyszíneken lévő fosztogatógödrök észlelésére és nyomon követésére használták konfliktusok idején.
Kockázatok és védőkorlátok
Egy megszakadt folyamat automatizálása felerősítheti a meglévő problémákat.
A csapatok túlautomatizálhatják és eltávolíthatják a szükséges emberi ítélőképességet.
A minőség sodródhat, ha a kimeneteket nem értékelik folyamatosan.
Végrehajtási ütemterv
Térképezze fel az aktuális munkafolyamatot, és határozza meg a legnagyobb súrlódású lépést.
Emberi ellenőrzőpontok meghatározása a teljes automatizálás előtt.
Tanítsa meg a felhasználókat az utasításokról, az eszkalációs utakról és a minőségi szabványokról.
Kövesse nyomon a feladat szintű eredményeket a tartós érték megerősítéséhez.
Folytassa a felfedezést
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
Következő útmutató
AI a plágiumban és a tudományos integritás észlelésében
Gyakran ismételt kérdések
What is AI in Archaeological Site Detection?
A mesterséges intelligencia műholdképeket, légifelvételeket és lézerrel szkennelt terepet szkennel, hogy észrevegye azokat az eltemetett vagy rejtett régészeti lelőhelyeket, amelyeket az emberi földmérők figyelmen kívül hagynának. Drámaian felgyorsítja a keresést olyan tájakon, amelyek túl nagyok ahhoz, hogy gyalog járjunk.
Miért különösen értékes a LiDAR az erdők alatti helyek felderítésére?
A LiDAR lézerimpulzusokat bocsát ki a levegőből; mivel egyes hüvelyesek a lombkorona résein keresztül érik el a talajt, a feldolgozás eltávolíthatja a növényzetet, és alatta földmunkákat tárhat fel.
Milyen típusú mesterséges intelligencia-modellt használnak leggyakrabban a régészeti elemek felismerésére a képeken?
A CNN-ek kiválóak a vizuális minták megtalálásában, és kiképezték őket a halmok, utak és alapok feliratos példáira, hogy a nagy képeken hasonló alakzatokat fedezzenek fel.
Melyik híres projekt használta a LiDAR-t több tízezer rejtett maja szerkezet felfedésére?
A PACUNAM LiDAR kezdeményezés több mint 60 000 maja szerkezetet térképezett fel, amelyeket a guatemalai dzsungel rejtett el.
Miért kell még mindig a mesterséges intelligencia észleléséhez az emberi régészeknek, hogy ellenőrizzék őket a földön?
A természetes geológia, a növényzet mintái és a modern zavarások utánozhatják a régészeti leleteket, ezért a szakértőknek személyesen kell megerősíteniük a jelölt helyszíneket.
Hogyan fedhetik fel magukat az eltemetett falak vagy árkok multispektrális vagy hőképeken?
Az eltemetett jellemzők megváltoztatják a talaj vízelvezetési és termikus tulajdonságait, finom különbségeket okozva a termésnövekedésben, a nedvességben és a felszíni hőmérsékletben, amelyeket az érzékelők képesek érzékelni.