L'intelligenza artificiale nel rilevamento di siti archeologici
L’intelligenza artificiale esegue la scansione di immagini satellitari, foto aeree e terreno sottoposto a scansione laser per individuare siti archeologici sepolti o nascosti che i geometri umani non sfuggirebbero.
Panoramica
It dramatically speeds up the search across landscapes too vast to walk on foot.
Immersione profonda
Gli archeologi utilizzano sempre più l’apprendimento automatico per trovare siti senza prima scavare. Le reti neurali convoluzionali vengono addestrate su esempi etichettati di caratteristiche note (tumuli funerari, strade antiche, sistemi di campi, fondazioni di edifici) e quindi scansionano vaste aree di immagini alla ricerca di modelli simili. Una fonte di dati chiave è LiDAR, che spara impulsi laser da aerei o droni e misura il loro ritorno per costruire un preciso modello 3D del terreno. Poiché il laser penetra negli spazi vuoti della vegetazione, LiDAR può rivelare lavori di sterro nascosti sotto la fitta chioma forestale. L’intelligenza artificiale ha contribuito a mappare migliaia di strutture Maya sotto la giungla guatemalteca e elementi di epoca romana in tutta la Gran Bretagna. Le immagini multispettrali e termiche aggiungono ulteriori indizi, poiché muri e fossati sepolti modificano il modo in cui il suolo trattiene l’umidità e il calore.
Approfondimento tecnico
Le nuvole di punti LiDAR vengono convertite in modelli di elevazione digitali, quindi migliorati con visualizzazioni come ombreggiature, pendenze e modelli di rilievo locale che esagerano sottili dossi e depressioni. Una CNN addestrata su queste immagini elaborate apprende le firme geometriche delle caratteristiche create dall’uomo rispetto al terreno naturale. Fondamentalmente, i modelli segnalano i candidati che gli esperti devono verificare sul campo, perché la vegetazione, la geologia e i disturbi moderni producono molti falsi positivi.
Impatto strategico
Scelte di build
La progettazione a livello di applicazione determina se l’intelligenza artificiale migliora i risultati reali.
Team e flusso di lavoro
Una buona integrazione del flusso di lavoro crea guadagni di produttività di cui gli utenti possono fidarsi.
Rischio e sicurezza
I casi d'uso ben definiti riducono l'affaticamento dovuto al cambiamento e il rischio di implementazione.
Il futuro dell’intelligenza artificiale nel rilevamento dei siti archeologici
Aspettatevi un uso più ampio dei dati satellitari globali disponibili gratuitamente, consentendo ai ricercatori nelle regioni sotto-censite di rilevare siti su scala continentale. L’apprendimento autosuperato ridurrà la necessità di grandi set di dati etichettati, un collo di bottiglia cronico in archeologia. Una migliore fusione di LiDAR, radar e mappe storiche dovrebbe ridurre i falsi allarmi. Vi sono inoltre crescenti sforzi per utilizzare strumenti di rilevamento per monitorare i saccheggi e proteggere i siti minacciati dal cambiamento climatico, dallo sviluppo e dai conflitti.
Implementazione nel mondo reale
L’indagine PACUNAM LiDAR ha utilizzato la scansione laser aerea per rivelare più di 60.000 strutture Maya precedentemente sconosciute nascoste sotto la foresta pluviale guatemalteca.
I ricercatori hanno addestrato le reti neurali sui dati LiDAR per mappare automaticamente i tumuli preistorici e i sistemi di campi celtici in alcune parti dei Paesi Bassi e della Gran Bretagna.
L'analisi delle immagini satellitari ha aiutato il team di Sarah Parcak a identificare potenziali tombe, insediamenti e piramidi sepolti in Egitto, un approccio reso popolare come "archeologia spaziale".
L’apprendimento automatico su serie temporali satellitari è stato utilizzato per rilevare e tracciare le fosse di saccheggio nei siti in Siria e Iraq durante i periodi di conflitto.
Rischi e guardrail
Automatizzare un processo interrotto può amplificare i problemi esistenti.
I team potrebbero automatizzare eccessivamente e rimuovere il necessario giudizio umano.
La qualità può variare se i risultati non vengono valutati continuamente.
Tabella di marcia per l'implementazione
Mappa il flusso di lavoro corrente e identifica la fase di maggiore attrito.
Definisci checkpoint umani prima dell'automazione completa.
Formare gli utenti su prompt, percorsi di escalation e standard di qualità.
Tieni traccia dei risultati a livello di attività per confermare il valore duraturo.
Continua a esplorare
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
Prossima guida
L'intelligenza artificiale nel plagio e nel rilevamento dell'integrità accademica
Domande frequenti
What is AI in Archaeological Site Detection?
L’intelligenza artificiale esegue la scansione di immagini satellitari, foto aeree e terreno sottoposto a scansione laser per individuare siti archeologici sepolti o nascosti che i geometri umani non sfuggirebbero. Accelera notevolmente la ricerca attraverso paesaggi troppo vasti per essere camminati a piedi.
Perché LiDAR è particolarmente utile per rilevare siti sotto le foreste?
LiDAR emette impulsi laser dall'aria; Poiché alcuni legumi raggiungono il suolo attraverso gli spazi vuoti nella chioma, la lavorazione può eliminare la vegetazione e rivelare i terrapieni sottostanti.
Quale tipo di modello di intelligenza artificiale è più comunemente utilizzato per riconoscere le caratteristiche archeologiche nelle immagini?
Le CNN eccellono nel trovare modelli visivi e sono addestrate su esempi etichettati di tumuli, strade e fondamenta per individuare forme simili su immagini di grandi dimensioni.
Quale famoso progetto ha utilizzato LiDAR per rivelare decine di migliaia di strutture Maya nascoste?
L’iniziativa PACUNAM LiDAR ha mappato più di 60.000 strutture Maya nascoste nella giungla guatemalteca.
Perché i rilevamenti dell’intelligenza artificiale richiedono ancora che gli archeologi umani li verifichino sul terreno?
La geologia naturale, i modelli di vegetazione e i disturbi moderni possono imitare le firme archeologiche, quindi gli esperti devono confermare di persona i siti candidati.
Come possono i muri o i fossati sepolti rivelarsi nelle immagini multispettrali o termiche?
Le strutture sepolte modificano il drenaggio e le proprietà termiche del suolo, producendo sottili differenze nella crescita delle colture, nell’umidità e nella temperatura superficiale che i sensori possono rilevare.