AI bij detectie van archeologische vindplaatsen
AI scant satellietbeelden, luchtfoto's en lasergescand terrein om begraven of verborgen archeologische vindplaatsen te ontdekken die menselijke landmeters zouden missen.
Overzicht
It dramatically speeds up the search across landscapes too vast to walk on foot.
Diepe duik
Archeologen maken steeds vaker gebruik van machinaal leren om locaties te vinden zonder eerst te graven. Convolutionele neurale netwerken worden getraind op gelabelde voorbeelden van bekende kenmerken (grafheuvels, oude wegen, veldsystemen, funderingen van gebouwen) en scannen vervolgens grote gebieden met beelden op vergelijkbare patronen. Een belangrijke gegevensbron is LiDAR, dat laserpulsen van vliegtuigen of drones afvuurt en de terugkeer ervan meet om een nauwkeurig 3D-model van de grond te bouwen. Omdat de laser gaten in de vegetatie doordringt, kan LiDAR grondwerken blootleggen die verborgen zijn onder dicht bladerdak. AI heeft geholpen duizenden Maya-structuren onder de Guatemalteekse jungle en kenmerken uit het Romeinse tijdperk in heel Groot-Brittannië in kaart te brengen. Multispectrale en thermische beelden voegen nog meer aanwijzingen toe, omdat begraven muren en sloten de manier veranderen waarop de bodem vocht en warmte vasthoudt.
Technisch inzicht
LiDAR-puntenwolken worden omgezet in digitale hoogtemodellen en vervolgens uitgebreid met visualisaties zoals modellen voor schaduw op heuvels, hellingen en lokale reliëfmodellen die subtiele hobbels en depressies overdrijven. Een CNN die is getraind op deze verwerkte beelden leert de geometrische kenmerken van door de mens gemaakte kenmerken versus natuurlijk terrein. Cruciaal is dat modellen kandidaten markeren die deskundigen ter plaatse kunnen verifiëren, omdat vegetatie, geologie en moderne verstoringen veel valse positieven opleveren.
Strategische impact
Build choices
Ontwerp op applicatieniveau bepaalt of AI de werkelijke resultaten verbetert.
Team and workflow
Een goede workflowintegratie zorgt voor productiviteitswinst waar gebruikers op kunnen vertrouwen.
Risk and safety
Goed gedefinieerde gebruiksscenario's verminderen de veranderingsmoeheid en het implementatierisico.
De toekomst van AI bij de detectie van archeologische vindplaatsen
Verwacht een breder gebruik van vrij beschikbare mondiale satellietgegevens, waardoor onderzoekers in onderbelichte regio's locaties op continentale schaal kunnen detecteren. Zelfgestuurd leren zal de behoefte aan grote gelabelde datasets, een chronisch knelpunt in de archeologie, verminderen. Een betere combinatie van LiDAR, radar en historische kaarten zou het aantal valse alarmen moeten verminderen. Er worden ook steeds meer inspanningen geleverd om detectie-instrumenten te gebruiken om plunderingen te monitoren en locaties te beschermen die worden bedreigd door klimaatverandering, ontwikkeling en conflicten.
Implementatie in de echte wereld
Het PACUNAM LiDAR-onderzoek maakte gebruik van laserscanning vanuit de lucht om meer dan 60.000 voorheen onbekende Maya-structuren te onthullen die verborgen waren onder het Guatemalteekse regenwoud.
Onderzoekers hebben neurale netwerken getraind op basis van LiDAR-gegevens om prehistorische grafheuvels en Keltische veldsystemen in delen van Nederland en Groot-Brittannië automatisch in kaart te brengen.
Analyse van satellietbeelden hielp het team van Sarah Parcak bij het identificeren van potentiële begraven graven, nederzettingen en piramides in Egypte, een benadering die gepopulariseerd werd als 'ruimtearcheologie'.
Machine learning op tijdreeksen van satellieten is gebruikt om tijdens perioden van conflict plunderputten op locaties in Syrië en Irak te detecteren en te volgen.
Risico's en vangrails
Het automatiseren van een kapot proces kan bestaande problemen versterken.
Teams kunnen overautomatiseren en het benodigde menselijke oordeel wegnemen.
De kwaliteit kan afwijken als de resultaten niet voortdurend worden geëvalueerd.
Implementatie routekaart
Breng de huidige workflow in kaart en identificeer de stap met de hoogste wrijving.
Definieer menselijke controlepunten vóór volledige automatisering.
Train gebruikers op het gebied van prompts, escalatiepaden en kwaliteitsnormen.
Volg de resultaten op taakniveau om duurzame waarde te bevestigen.
Blijf verkennen
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
Next guide
AI in de detectie van plagiaat en wetenschappelijke integriteit
Frequently asked questions
What is AI in Archaeological Site Detection?
AI scant satellietbeelden, luchtfoto's en lasergescand terrein om begraven of verborgen archeologische vindplaatsen te ontdekken die menselijke landmeters zouden missen. Het versnelt dramatisch de zoektocht door landschappen die te uitgestrekt zijn om te voet te bewandelen.
Waarom is LiDAR vooral waardevol voor het detecteren van locaties onder bossen?
LiDAR vuurt laserpulsen af vanuit de lucht; Omdat sommige pulsen de grond bereiken via gaten in het bladerdak, kan de verwerking de vegetatie verwijderen en grondwerken eronder blootleggen.
Welk type AI-model wordt het meest gebruikt om archeologische kenmerken in beelden te herkennen?
CNN's blinken uit in het vinden van visuele patronen en zijn getraind op gelabelde voorbeelden van heuvels, wegen en funderingen om vergelijkbare vormen op grote afbeeldingen te herkennen.
Welk beroemd project gebruikte LiDAR om tienduizenden verborgen Maya-structuren te onthullen?
Het PACUNAM LiDAR Initiative heeft meer dan 60.000 Maya-structuren in kaart gebracht, verborgen in de jungle van Guatemala.
Waarom vereisen AI-detecties nog steeds dat menselijke archeologen deze ter plaatse verifiëren?
Natuurlijke geologie, vegetatiepatronen en moderne verstoringen kunnen archeologische kenmerken nabootsen, dus experts moeten kandidaat-locaties persoonlijk bevestigen.
Hoe kunnen verborgen muren of sloten zich openbaren in multispectrale of thermische beelden?
Ingegraven elementen veranderen de drainage- en thermische eigenschappen van de bodem, waardoor subtiele verschillen in gewasgroei, vocht en oppervlaktetemperatuur ontstaan die sensoren kunnen opmerken.