Arkeolojik Alan Tespitinde Yapay Zeka
Yapay zeka, insan araştırmacıların gözden kaçıracağı gömülü veya gizli arkeolojik alanları tespit etmek için uydu görüntülerini, hava fotoğraflarını ve lazerle taranan araziyi tarar.
Genel Bakış
It dramatically speeds up the search across landscapes too vast to walk on foot.
Derin Dalış
Arkeologlar, önce kazmaya gerek kalmadan siteleri bulmak için makine öğrenimini giderek daha fazla kullanıyor. Evrişimsel sinir ağları, bilinen özelliklerin (mezar tepeleri, antik yollar, saha sistemleri, bina temelleri) etiketli örnekleri üzerinde eğitilir ve ardından benzer modeller için çok büyük görüntü alanlarını tarar. Önemli bir veri kaynağı, uçaklardan veya dronlardan lazer darbeleri gönderen ve zeminin hassas bir 3 boyutlu modelini oluşturmak için bunların geri dönüşünü ölçen LiDAR'dır. Lazer bitki örtüsündeki boşluklara nüfuz ettiğinden, LiDAR yoğun orman örtüsü altında gizlenmiş toprak işlerini ortaya çıkarabilir. Yapay zeka, Guatemala ormanlarının altındaki binlerce Maya yapısının ve Britanya genelindeki Roma dönemi özelliklerinin haritalandırılmasına yardımcı oldu. Gömülü duvarlar ve hendekler toprağın nemi ve ısıyı tutma biçimini değiştirdiğinden, multispektral ve termal görüntüler daha fazla ipucu sağlıyor.
Teknik Bilgi
LiDAR nokta bulutları, dijital yükseklik modellerine dönüştürülür, ardından tepe gölgeleme, eğim ve hafif tümsekleri ve çöküntüleri abartan yerel kabartma modelleri gibi görselleştirmelerle zenginleştirilir. Bu işlenmiş görüntüler üzerinde eğitim alan bir CNN, doğal araziye karşı insan yapımı özelliklerin geometrik imzalarını öğrenir. Bitki örtüsü, jeoloji ve modern rahatsızlıklar birçok yanlış pozitif sonuç ürettiğinden, modeller uzmanların yerinde doğrulaması için adayları işaretliyor.
Stratejik Etki
Build choices
Uygulama düzeyinde tasarım, yapay zekanın gerçek sonuçları iyileştirip iyileştirmediğini belirler.
Ekip ve iş akışı
İyi iş akışı entegrasyonu, kullanıcıların güvenebileceği üretkenlik kazanımları sağlar.
Risk and safety
İyi kapsamlı kullanım örnekleri, değişiklik yorgunluğunu ve uygulama riskini azaltır.
Arkeolojik Alan Tespitinde Yapay Zekanın Geleceği
Ücretsiz olarak erişilebilen küresel uydu verilerinin daha geniş bir şekilde kullanılmasını bekliyoruz ve bu da, yeterince incelenmeyen bölgelerdeki araştırmacıların kıta ölçeğindeki bölgeleri tespit etmesine olanak tanıyor. Kendi kendini denetleyen öğrenme, arkeolojide kronik bir darboğaz olan büyük etiketli veri kümelerine olan ihtiyacı azaltacaktır. LiDAR, radar ve tarihi haritaların daha iyi birleştirilmesi yanlış alarmları azaltacaktır. Yağmayı izlemek ve iklim değişikliği, kalkınma ve çatışma nedeniyle tehdit altındaki alanları korumak için tespit araçlarının kullanılmasına yönelik çabalar da artıyor.
Gerçek Dünya Uygulaması
PACUNAM LiDAR araştırması, Guatemala yağmur ormanlarının altına gizlenmiş, önceden bilinmeyen 60.000'den fazla Maya yapısını ortaya çıkarmak için havadan lazer taramayı kullandı.
Araştırmacılar, Hollanda ve Britanya'nın bazı bölgelerinde tarih öncesi mezar höyüklerini ve Kelt tarla sistemlerini otomatik olarak haritalandırmak için sinir ağlarını LiDAR verileri üzerinde eğitti.
Uydu görüntüleri analizi, Sarah Parcak'ın ekibinin Mısır'daki potansiyel gömülü mezarları, yerleşimleri ve piramitleri belirlemesine yardımcı oldu; bu yaklaşım 'uzay arkeolojisi' olarak popüler hale geldi.
Çatışma dönemlerinde Suriye ve Irak'taki bölgelerdeki yağma çukurlarını tespit etmek ve takip etmek için uydu zaman serisindeki makine öğrenimi kullanıldı.
Riskler ve Korkuluklar
Bozuk bir süreci otomatikleştirmek mevcut sorunları büyütebilir.
Ekipler aşırı otomatikleşebilir ve gerekli insan muhakemesini ortadan kaldırabilir.
Çıktılar sürekli olarak değerlendirilmezse kalite düşebilir.
Uygulama Yol Haritası
Mevcut iş akışının haritasını çıkarın ve en yüksek sürtünmeli adımı belirleyin.
Tam otomasyondan önce insan kontrol noktalarını tanımlayın.
Kullanıcıları istemler, yükseltme yolları ve kalite standartları konusunda eğitin.
Sürdürülebilir değeri doğrulamak için görev düzeyindeki sonuçları izleyin.
Keşfetmeye Devam Edin
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
İntihal ve Akademik Dürüstlük Tespitinde Yapay Zeka
Sık sorulan sorular
What is AI in Archaeological Site Detection?
Yapay zeka, insan araştırmacıların gözden kaçıracağı gömülü veya gizli arkeolojik alanları tespit etmek için uydu görüntülerini, hava fotoğraflarını ve lazerle taranan araziyi tarar. Yürümek için çok geniş manzaralar arasında aramayı önemli ölçüde hızlandırır.
LiDAR neden ormanların altındaki bölgeleri tespit etmede özellikle değerlidir?
LiDAR havadan lazer darbeleri ateşler; Bazı darbeler gölgelikteki boşluklardan yere ulaştığından, işlem bitki örtüsünü soyabilir ve altındaki toprak işlerini ortaya çıkarabilir.
Görüntülerdeki arkeolojik özellikleri tanımak için en yaygın olarak hangi tür yapay zeka modeli kullanılır?
CNN'ler görsel kalıpları bulma konusunda uzmandır ve büyük görüntülerdeki benzer şekilleri tespit etmek için etiketli tümsek, yol ve temel örnekleri konusunda eğitilmiştir.
Hangi ünlü proje on binlerce gizli Maya yapısını ortaya çıkarmak için LiDAR'ı kullandı?
PACUNAM LiDAR Girişimi, Guatemala ormanlarının gizlediği 60.000'den fazla Maya yapısının haritasını çıkardı.
Yapay zeka tespitleri neden hâlâ insan arkeologların bunları yerinde doğrulamasını gerektiriyor?
Doğal jeoloji, bitki örtüsü desenleri ve modern rahatsızlıklar arkeolojik izleri taklit edebildiğinden uzmanların aday alanları bizzat onaylaması gerekiyor.
Gömülü duvarlar veya hendekler multispektral veya termal görüntülerde kendilerini nasıl ortaya çıkarabilir?
Gömülü özellikler toprağın drenajını ve termal özelliklerini değiştirerek mahsul büyümesinde, nemde ve sensörlerin algılayabileceği yüzey sıcaklığında hafif farklılıklar yaratır.