AI katika Ugunduzi wa Tovuti ya Akiolojia
AI huchanganua picha za setilaiti, picha za angani, na ardhi iliyochanganuliwa kwa leza ili kuona maeneo yaliyozikwa au yaliyofichwa ya kiakiolojia ambayo wakaguzi wa binadamu wangekosa.
Muhtasari
It dramatically speeds up the search across landscapes too vast to walk on foot.
Dive ya kina
Wanaakiolojia wanazidi kutumia ujifunzaji wa mashine kutafuta tovuti bila kuchimba kwanza. Mitandao ya mfumo wa neva hufunzwa kwa mifano iliyo na lebo ya vipengele vinavyojulikana (matuta ya mazishi, barabara za kale, mifumo ya uga, misingi ya majengo) na kisha kuchanganua maeneo makubwa ya taswira kwa ruwaza sawa. Chanzo kikuu cha data ni LiDAR, ambayo hufyatua mipigo ya leza kutoka kwa ndege au ndege zisizo na rubani na kupima kurudi kwao ili kuunda muundo sahihi wa 3D wa ardhini. Kwa sababu leza hupenya mapengo kwenye mimea, LiDAR inaweza kufichua kazi za ardhini zilizofichwa chini ya mwavuli mnene wa msitu. AI imesaidia ramani ya maelfu ya miundo ya Wamaya chini ya msitu wa Guatemala na vipengele vya enzi ya Warumi kote Uingereza. Picha zenye taswira nyingi na za joto huongeza vidokezo zaidi, kwa kuwa kuta na mitaro iliyozikwa hubadilisha jinsi udongo unavyohifadhi unyevu na joto.
Ufahamu wa Kiufundi
Mawingu ya uhakika ya LiDAR hubadilishwa kuwa miundo ya miinuko ya kidijitali, kisha kuimarishwa kwa taswira kama vile uwekaji vilima, mteremko, na miundo ya usaidizi ya ndani ambayo huzidisha matuta na kushuka kwa kasi ndogo. CNN iliyofunzwa kuhusu picha hizi zilizochakatwa hujifunza saini za kijiometri za vipengele vilivyoundwa na binadamu dhidi ya ardhi ya asili. Muhimu zaidi, mifano huweka alama kwenye wagombea ili wataalam waidhinishe mashinani, kwa sababu mimea, jiolojia, na usumbufu wa kisasa hutokeza chanya nyingi za uwongo.
Athari za kimkakati
Tengeneza chaguzi
Muundo wa kiwango cha programu huamua kama AI inaboresha matokeo halisi.
Timu na mtiririko wa kazi
Ujumuishaji mzuri wa mtiririko wa kazi hutengeneza faida za tija ambazo watumiaji wanaweza kuamini.
Risk and safety
Kesi za utumiaji zilizopangwa vizuri hupunguza uchovu wa mabadiliko na hatari ya utekelezaji.
Mustakabali wa AI katika Ugunduzi wa Tovuti ya Akiolojia
Tarajia matumizi mapana zaidi ya data ya satelaiti ya kimataifa inayopatikana bila malipo, kuruhusu watafiti katika maeneo ambayo hayajafanyiwa uchunguzi wa kutosha kugundua tovuti katika kiwango cha bara. Kujifunza kwa kujisimamia kutapunguza hitaji la hifadhidata kubwa zilizo na lebo, shida sugu katika akiolojia. Muunganisho bora wa LiDAR, rada na ramani za kihistoria unapaswa kupunguza kengele za uwongo. Pia kuna juhudi zinazoongezeka za kutumia zana za kugundua ili kufuatilia uporaji na kulinda tovuti zinazotishiwa na mabadiliko ya hali ya hewa, maendeleo na migogoro.
Utekelezaji wa Ulimwengu Halisi
Utafiti wa PACUNAM LiDAR ulitumia uchunguzi wa leza ya hewani ili kufichua zaidi ya miundo 60,000 ya Wamaya ambayo haikujulikana hapo awali iliyofichwa chini ya msitu wa mvua wa Guatemala.
Watafiti walifunza mitandao ya neva kwenye data ya LiDAR ili kuweka ramani kiotomatiki vilima vya mazishi ya kabla ya historia na mifumo ya uwanja wa Celtic katika sehemu zote za Uholanzi na Uingereza.
Uchambuzi wa picha za satelaiti ulisaidia timu ya Sarah Parcak kutambua makaburi yanayoweza kuzikwa, makazi na piramidi nchini Misri, mbinu iliyojulikana kama 'akiolojia ya anga'.
Kujifunza kwa mashine kwenye mfululizo wa saa za setilaiti kumetumika kugundua na kufuatilia mashimo ya uporaji katika maeneo nchini Syria na Iraq wakati wa migogoro.
Hatari & Walinzi
Kuweka kiotomatiki mchakato uliovunjika kunaweza kukuza shida zilizopo.
Timu zinaweza kufanya otomatiki kupita kiasi na kuondoa uamuzi unaohitajika wa kibinadamu.
Ubora unaweza kuyumba ikiwa matokeo hayatatathminiwa mara kwa mara.
Ramani ya Utekelezaji
Ramani ya mtiririko wa kazi wa sasa na utambue hatua ya msuguano wa juu zaidi.
Bainisha vituo vya ukaguzi vya binadamu kabla ya otomatiki kamili.
Fundisha watumiaji kuhusu maekelezo, njia za kupanda na viwango vya ubora.
Fuatilia matokeo ya kiwango cha kazi ili kuthibitisha thamani endelevu.
Endelea Kuchunguza
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
Mwongozo unaofuata
AI katika Wizi na Utambuzi wa Uadilifu wa Kiakademia
Maswali yanayoulizwa mara kwa mara
What is AI in Archaeological Site Detection?
AI huchanganua picha za setilaiti, picha za angani, na ardhi iliyochanganuliwa kwa leza ili kuona maeneo yaliyozikwa au yaliyofichwa ya kiakiolojia ambayo wakaguzi wa binadamu wangekosa. Inaharakisha utafutaji katika mandhari kubwa mno kuweza kutembea kwa miguu.
Kwa nini LiDAR ni muhimu sana kwa kugundua tovuti zilizo chini ya misitu?
LiDAR huwasha mipigo ya laser kutoka angani; kwa sababu baadhi ya mipigo hufika chini kupitia mapengo kwenye dari, usindikaji unaweza kuondoa mimea na kufichua udongo chini.
Ni aina gani ya kielelezo cha AI kinachotumiwa sana kutambua vipengele vya kiakiolojia katika taswira?
CNN hufaulu katika kutafuta ruwaza za kuona na wamefunzwa kwenye mifano iliyo na lebo ya vilima, barabara na misingi ili kuona maumbo sawa kwenye picha kubwa.
Ni mradi gani maarufu uliotumia LiDAR kufichua makumi ya maelfu ya miundo iliyofichwa ya Maya?
Mpango wa PACUNAM LiDAR ulichora zaidi ya miundo 60,000 ya Wamaya iliyofichwa na msitu wa Guatemala.
Kwa nini ugunduzi wa AI bado unahitaji wanaakiolojia wa binadamu kuzithibitisha mashinani?
Jiolojia asilia, mifumo ya mimea na usumbufu wa kisasa vinaweza kuiga saini za kiakiolojia, kwa hivyo ni lazima wataalam wathibitishe tovuti za wagombea binafsi.
Je! kuta au mitaro iliyozikwa inaweza kujidhihirishaje katika taswira ya taswira nyingi au ya joto?
Vipengele vilivyozikwa hubadilisha mifereji ya maji na hali ya joto ya udongo, na hivyo kutoa tofauti ndogo katika ukuaji wa mazao, unyevu na halijoto ya uso ambayo vitambuzi vinaweza kuchukua.