AI în detectarea siturilor arheologice
AI scanează imagini din satelit, fotografii aeriene și terenuri scanate cu laser pentru a identifica situri arheologice îngropate sau ascunse pe care inspectorii umani le-ar rata.
Prezentare generală
It dramatically speeds up the search across landscapes too vast to walk on foot.
Scufundare în profunzime
Arheologii folosesc din ce în ce mai mult învățarea automată pentru a găsi site-uri fără a săpa mai întâi. Rețelele neuronale convoluționale sunt antrenate pe exemple etichetate de caracteristici cunoscute (movile funerare, drumuri antice, sisteme de câmp, fundații de clădiri) și apoi scanează zone uriașe de imagini pentru modele similare. O sursă cheie de date este LiDAR, care declanșează impulsuri laser de la avioane sau drone și măsoară întoarcerea acestora pentru a construi un model 3D precis al solului. Deoarece laserul pătrunde în golurile din vegetație, LiDAR poate dezvălui lucrări de pământ ascunse sub acoperișul dens al pădurii. Inteligența artificială a ajutat la cartografierea a mii de structuri Maya de sub jungla din Guatemala și caracteristici din epoca romană în Marea Britanie. Imaginile multispectrale și termice adaugă indicii suplimentare, deoarece pereții și șanțurile îngropate modifică modul în care solul reține umiditatea și căldura.
Perspectivă tehnică
Norii de puncte LiDAR sunt convertiți în modele digitale de elevație, apoi îmbunătățiți cu vizualizări precum umbrirea dealurilor, panta și modelele de relief local care exagerează denivelările și depresiunile subtile. Un CNN instruit pe aceste imagini procesate învață semnăturile geometrice ale caracteristicilor create de om față de terenul natural. În mod crucial, modelele semnalează candidații pentru verificarea experților la sol, deoarece vegetația, geologia și perturbările moderne produc multe rezultate fals pozitive.
Impact strategic
Alegeri de construcție
Designul la nivel de aplicație determină dacă AI îmbunătățește rezultatele reale.
Echipa și fluxul de lucru
O bună integrare a fluxului de lucru creează câștiguri de productivitate în care utilizatorii pot avea încredere.
Risc și siguranță
Cazurile de utilizare bine definite reduc oboseala schimbării și riscul de implementare.
Viitorul IA în detectarea siturilor arheologice
Așteptați-vă la o utilizare mai largă a datelor satelitare globale disponibile gratuit, permițând cercetătorilor din regiunile sub supraveghere să detecteze situri la scară continentală. Învățarea auto-supravegheată va reduce nevoia de seturi de date mari etichetate, un blocaj cronic în arheologie. O mai bună fuziune a hărților LiDAR, radar și istorice ar trebui să reducă alarmele false. Există, de asemenea, eforturi în creștere pentru a utiliza instrumente de detectare pentru a monitoriza jafurile și pentru a proteja site-urile amenințate de schimbările climatice, dezvoltare și conflicte.
Implementare în lumea reală
Sondajul PACUNAM LiDAR a folosit scanarea cu laser aeropurtată pentru a dezvălui peste 60.000 de structuri Maya necunoscute anterior, ascunse sub pădurea tropicală din Guatemala.
Cercetătorii au antrenat rețele neuronale pe datele LiDAR pentru a mapa automat movilele funerare preistorice și sistemele de câmp celtice din părți din Țările de Jos și Marea Britanie.
Analiza imaginilor din satelit a ajutat echipa lui Sarah Parcak să identifice potențiale morminte, așezări și piramide îngropate din Egipt, o abordare popularizată sub numele de „arheologie spațială”.
Învățarea automată pe serii de timp prin satelit a fost folosită pentru a detecta și urmări gropile de jaf de la locurile din Siria și Irak în perioadele de conflict.
Riscuri și balustrade
Automatizarea unui proces întrerupt poate amplifica problemele existente.
Echipele pot supraautomatiza și elimina raționamentul uman necesar.
Calitatea poate varia dacă rezultatele nu sunt evaluate continuu.
Foaia de parcurs de implementare
Hartă fluxul de lucru actual și identifică pasul cu cea mai mare frecare.
Definiți puncte de control umane înainte de automatizarea completă.
Instruiți utilizatorii cu privire la solicitări, căi de escaladare și standarde de calitate.
Urmăriți rezultatele la nivel de sarcină pentru a confirma valoarea susținută.
Continuați să explorați
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
Următorul ghid
AI în detectarea plagiatului și integrității academice
Întrebări frecvente
What is AI in Archaeological Site Detection?
AI scanează imagini din satelit, fotografii aeriene și terenuri scanate cu laser pentru a identifica situri arheologice îngropate sau ascunse pe care inspectorii umani le-ar rata. Accelerează dramatic căutarea în peisaje prea vaste pentru a fi mers pe jos.
De ce este LiDAR deosebit de valoros pentru detectarea siturilor sub păduri?
LiDAR declanșează impulsuri laser din aer; deoarece unele impulsuri ajung la sol prin golurile din baldachin, prelucrarea poate îndepărta vegetația și poate scoate la iveală lucrările de pământ de dedesubt.
Ce tip de model AI este cel mai frecvent utilizat pentru a recunoaște caracteristicile arheologice în imagini?
CNN-urile excelează în găsirea de modele vizuale și sunt instruite pe exemple etichetate de movile, drumuri și fundații pentru a identifica forme similare în imagini mari.
Ce proiect celebru a folosit LiDAR pentru a dezvălui zeci de mii de structuri Maya ascunse?
Inițiativa PACUNAM LiDAR a cartografiat peste 60.000 de structuri Maya ascunse de jungla din Guatemala.
De ce detectările AI necesită încă de la arheologi umani să le verifice pe teren?
Geologia naturală, modelele de vegetație și perturbările moderne pot imita semnăturile arheologice, așa că experții trebuie să confirme personal site-urile candidate.
Cum se pot descoperi pereții sau șanțurile îngropate în imagini multispectrale sau termice?
Caracteristicile îngropate modifică drenajul și proprietățile termice ale solului, producând diferențe subtile de creștere a culturii, umiditate și temperatura de suprafață pe care senzorii le pot detecta.