Sztuczna inteligencja w wykrywaniu stanowisk archeologicznych
Sztuczna inteligencja skanuje zdjęcia satelitarne, zdjęcia lotnicze i skanowany laserowo teren, aby wykryć zakopane lub ukryte stanowiska archeologiczne, które przeoczyliby inspektorzy.
Przegląd
It dramatically speeds up the search across landscapes too vast to walk on foot.
Głębokie nurkowanie
Archeolodzy coraz częściej korzystają z uczenia maszynowego, aby znajdować miejsca bez uprzedniego kopania. Splotowe sieci neuronowe są szkolone na oznaczonych przykładach znanych obiektów (kurhany, starożytne drogi, systemy pól, fundamenty budynków), a następnie skanują ogromne obszary obrazów w poszukiwaniu podobnych wzorców. Kluczowym źródłem danych jest LiDAR, który wysyła impulsy laserowe z samolotów lub dronów i mierzy ich powrót, aby zbudować precyzyjny model 3D gruntu. Ponieważ laser penetruje szczeliny w roślinności, LiDAR może ujawnić roboty ziemne ukryte pod gęstym koroną lasu. Sztuczna inteligencja pomogła w mapowaniu tysięcy struktur Majów pod gwatemalską dżunglą i obiektami z czasów rzymskich w całej Wielkiej Brytanii. Obrazy wielospektralne i termowizyjne dostarczają dalszych wskazówek, ponieważ zakopane w ziemi ściany i rowy zmieniają sposób, w jaki gleba zatrzymuje wilgoć i ciepło.
Wgląd techniczny
Chmury punktów LiDAR są przekształcane w cyfrowe modele wysokości, a następnie wzbogacane o wizualizacje, takie jak cieniowanie wzgórz, nachylenie i lokalne modele rzeźby, które wyolbrzymiają subtelne nierówności i zagłębienia. CNN przeszkolony na podstawie tych przetworzonych obrazów uczy się geometrycznych sygnatur obiektów stworzonych przez człowieka w porównaniu z naturalnym terenem. Co najważniejsze, modele wskazują kandydatów na ekspertów do sprawdzenia w terenie, ponieważ roślinność, geologia i współczesne zakłócenia dają wiele fałszywie pozytywnych wyników.
Wpływ strategiczny
Buduj wybory
Projektowanie na poziomie aplikacji określa, czy sztuczna inteligencja poprawia rzeczywiste wyniki.
Zespół i przepływ pracy
Dobra integracja przepływu pracy zapewnia wzrost produktywności, któremu użytkownicy mogą zaufać.
Ryzyko i bezpieczeństwo
Dobrze określone przypadki użycia zmniejszają zmęczenie zmianami i ryzyko wdrożenia.
Przyszłość sztucznej inteligencji w wykrywaniu stanowisk archeologicznych
Można się spodziewać szerszego wykorzystania ogólnodostępnych globalnych danych satelitarnych, umożliwiając badaczom z niedostatecznie zbadanych regionów wykrywanie miejsc w skali kontynentalnej. Samonadzorowane uczenie się zmniejszy potrzebę stosowania dużych, oznakowanych zbiorów danych, które stanowią chroniczne wąskie gardło w archeologii. Lepsze połączenie LiDAR, radaru i map historycznych powinno ograniczyć liczbę fałszywych alarmów. Zwiększa się także wysiłki mające na celu wykorzystanie narzędzi wykrywających do monitorowania grabieży i ochrony miejsc zagrożonych zmianami klimatycznymi, rozwojem i konfliktami.
Implementacja w świecie rzeczywistym
W badaniu PACUNAM LiDAR wykorzystano pokładowy skaning laserowy, aby odsłonić ponad 60 000 nieznanych wcześniej struktur Majów ukrytych pod lasem deszczowym Gwatemali.
Naukowcy przeszkolili sieci neuronowe na podstawie danych LiDAR, aby automatycznie mapować prehistoryczne kurhany i celtyckie systemy polowe w niektórych częściach Holandii i Wielkiej Brytanii.
Analiza zdjęć satelitarnych pomogła zespołowi Sarah Parcak zidentyfikować potencjalne zakopane grobowce, osady i piramidy w Egipcie, co jest podejściem spopularyzowanym jako „archeologia kosmiczna”.
Uczenie maszynowe na podstawie szeregów czasowych satelitów zostało wykorzystane do wykrywania i śledzenia miejsc grabieży w miejscach w Syrii i Iraku w okresach konfliktu.
Zagrożenia i poręcze
Automatyzacja uszkodzonego procesu może spotęgować istniejące problemy.
Zespoły mogą nadmiernie zautomatyzować i wyeliminować niezbędny ludzki osąd.
Jakość może się wahać, jeśli wyniki nie są stale oceniane.
Plan wdrożenia
Zamapuj bieżący przepływ pracy i zidentyfikuj etap o największym tarciu.
Zdefiniuj ludzkie punkty kontrolne przed pełną automatyzacją.
Szkoluj użytkowników w zakresie podpowiedzi, ścieżek eskalacji i standardów jakości.
Śledź wyniki na poziomie zadań, aby potwierdzić trwałą wartość.
Odkrywaj dalej
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
Następny poradnik
Sztuczna inteligencja w wykrywaniu plagiatów i rzetelności akademickiej
Często zadawane pytania
What is AI in Archaeological Site Detection?
Sztuczna inteligencja skanuje zdjęcia satelitarne, zdjęcia lotnicze i skanowany laserowo teren, aby wykryć zakopane lub ukryte stanowiska archeologiczne, które przeoczyliby inspektorzy. Znacząco przyspiesza poszukiwania w krajobrazach zbyt rozległych, aby można było chodzić pieszo.
Dlaczego LiDAR jest szczególnie przydatny do wykrywania miejsc pod lasami?
LiDAR wystrzeliwuje impulsy laserowe z powietrza; ponieważ niektóre rośliny strączkowe docierają do ziemi przez szczeliny w koronach, przetwarzanie może spowodować usunięcie roślinności i odsłonięcie znajdujących się pod nią robót ziemnych.
Jaki typ modelu sztucznej inteligencji jest najczęściej używany do rozpoznawania obiektów archeologicznych na obrazach?
Sieci CNN przodują w znajdowaniu wzorców wizualnych i są przeszkolone na podstawie oznaczonych przykładów kopców, dróg i fundamentów w zakresie dostrzegania podobnych kształtów na dużych obrazach.
W którym słynnym projekcie wykorzystano LiDAR do ujawnienia dziesiątek tysięcy ukrytych struktur Majów?
W ramach inicjatywy PACUNAM LiDAR zmapowano ponad 60 000 budowli Majów ukrytych w gwatemalskiej dżungli.
Dlaczego wykrycia sztucznej inteligencji nadal wymagają od archeologów sprawdzenia ich w terenie?
Geologia naturalna, wzorce roślinności i współczesne zakłócenia mogą naśladować sygnatury archeologiczne, dlatego eksperci muszą osobiście potwierdzić kandydatury.
W jaki sposób zakopane ściany lub rowy mogą ujawnić się na obrazach wielospektralnych lub termowizyjnych?
Zakopane obiekty zmieniają właściwości drenażowe i termiczne gleby, powodując subtelne różnice we wzroście roślin, wilgotności i temperaturze powierzchni, które mogą wykryć czujniki.