Tổng quan
AI quét hình ảnh vệ tinh, ảnh chụp từ trên không và địa hình được quét bằng laser để phát hiện các địa điểm khảo cổ bị chôn vùi hoặc ẩn giấu mà các nhà khảo sát của con người có thể bỏ lỡ. Nó tăng tốc đáng kể việc tìm kiếm trên các cảnh quan quá rộng lớn để đi bộ.
AI trong Phát hiện địa điểm khảo cổ tập trung vào triển khai thực tế: biến khả năng của mô hình thành quy trình công việc hàng ngày đáng tin cậy mang lại giá trị có thể đo lường được.
Lặn sâu
Các nhà khảo cổ ngày càng sử dụng máy học để tìm các địa điểm mà không cần đào trước. Mạng lưới thần kinh tích chập được huấn luyện dựa trên các ví dụ được gắn nhãn về các đặc điểm đã biết (gò chôn cất, đường cổ, hệ thống cánh đồng, nền móng tòa nhà) và sau đó quét các vùng hình ảnh khổng lồ để tìm các mẫu tương tự. Nguồn dữ liệu quan trọng là LiDAR, có chức năng bắn các xung laser từ máy bay hoặc máy bay không người lái và đo lường phản hồi của chúng để xây dựng mô hình 3D chính xác của mặt đất. Do tia laser xuyên qua các khoảng trống trong thảm thực vật nên LiDAR có thể phát hiện các công trình đào đất ẩn dưới tán rừng rậm rạp. AI đã giúp lập bản đồ hàng nghìn công trình kiến trúc Maya bên dưới rừng rậm Guatemala và các đặc điểm thời La Mã trên khắp nước Anh. Hình ảnh đa quang phổ và nhiệt cung cấp thêm manh mối vì các bức tường và mương bị chôn vùi làm thay đổi cách đất giữ độ ẩm và nhiệt.
Hiểu biết kỹ thuật
Các đám mây điểm LiDAR được chuyển đổi thành các mô hình độ cao kỹ thuật số, sau đó được tăng cường bằng các hình ảnh trực quan như mô hình đổ bóng, độ dốc và địa hình cục bộ giúp phóng đại các va chạm và chỗ lõm tinh tế. Một CNN được đào tạo về những hình ảnh được xử lý này sẽ tìm hiểu các đặc điểm hình học của các đặc điểm do con người tạo ra so với địa hình tự nhiên. Điều quan trọng là các mô hình đánh dấu các ứng cử viên để các chuyên gia xác minh trên thực tế, bởi vì thảm thực vật, địa chất và sự xáo trộn hiện đại tạo ra nhiều kết quả dương tính giả.
Làm chủ AI trong việc phát hiện địa điểm khảo cổ
AI quét hình ảnh vệ tinh, ảnh chụp từ trên không và địa hình được quét bằng laser để phát hiện các địa điểm khảo cổ bị chôn vùi hoặc ẩn giấu mà các nhà khảo sát của con người có thể bỏ lỡ. Nó tăng tốc đáng kể việc tìm kiếm trên các cảnh quan quá rộng lớn để đi bộ. AI trong Phát hiện địa điểm khảo cổ tập trung vào triển khai thực tế: biến khả năng của mô hình thành quy trình công việc hàng ngày đáng tin cậy mang lại giá trị có thể đo lường được. Để xây dựng sự hiểu biết sâu sắc, hãy coi AI trong Phát hiện địa điểm khảo cổ như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể làm một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng AI trong Phát hiện địa điểm khảo cổ tập trung vào kết quả của quy trình làm việc chứ không phải các bản trình diễn mô hình và xác định sớm các điểm kiểm tra của con người. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không. Đồng thời, Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không.
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng.
Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai.
Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Cuộc khảo sát PACUNAM LiDAR đã sử dụng chức năng quét laser trên không để phát hiện hơn 60.000 cấu trúc Maya chưa được biết đến trước đây ẩn bên dưới rừng nhiệt đới Guatemala.
Các nhà nghiên cứu đã đào tạo mạng lưới thần kinh trên dữ liệu LiDAR để tự động lập bản đồ các ngôi mộ thời tiền sử và hệ thống cánh đồng Celtic trên khắp các vùng của Hà Lan và Anh.
Phân tích hình ảnh vệ tinh đã giúp nhóm của Sarah Parcak xác định các ngôi mộ, khu định cư và kim tự tháp có thể bị chôn vùi ở Ai Cập, một phương pháp được phổ biến là 'khảo cổ học không gian'.
Học máy trên chuỗi thời gian của vệ tinh đã được sử dụng để phát hiện và theo dõi các hố cướp bóc tại các địa điểm ở Syria và Iraq trong thời kỳ xung đột.
Các mẫu triển khai
AI trong phát hiện địa điểm khảo cổ trong thực tế
Cuộc khảo sát PACUNAM LiDAR đã sử dụng chức năng quét laser trên không để phát hiện hơn 60.000 cấu trúc Maya chưa được biết đến trước đây ẩn bên dưới rừng nhiệt đới Guatemala.
Cuộc khảo sát PACUNAM LiDAR đã sử dụng chức năng quét laze trên không để phát hiện hơn 60.000 cấu trúc Maya chưa được biết đến trước đây ẩn bên dưới rừng nhiệt đới Guatemala Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người trong các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí do lỗi theo thời gian.
AI trong phát hiện địa điểm khảo cổ trong thực tế
Các nhà nghiên cứu đã đào tạo mạng lưới thần kinh trên dữ liệu LiDAR để tự động lập bản đồ các ngôi mộ thời tiền sử và hệ thống cánh đồng Celtic trên khắp các vùng của Hà Lan và Anh.
Các nhà nghiên cứu đã đào tạo mạng lưới thần kinh trên dữ liệu LiDAR để tự động lập bản đồ các ụ chôn cất thời tiền sử và hệ thống cánh đồng Celtic trên khắp các vùng của Hà Lan và Anh. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí sai sót theo thời gian.
AI trong phát hiện địa điểm khảo cổ trong thực tế
Phân tích hình ảnh vệ tinh đã giúp nhóm của Sarah Parcak xác định các ngôi mộ, khu định cư và kim tự tháp có thể bị chôn vùi ở Ai Cập, một phương pháp được phổ biến là 'khảo cổ học không gian'.
Phân tích hình ảnh vệ tinh đã giúp nhóm của Sarah Parcak xác định các ngôi mộ, khu định cư và kim tự tháp có thể bị chôn vùi ở Ai Cập, một phương pháp được phổ biến là 'khảo cổ học không gian'. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp đặc biệt và theo dõi cả mức tăng năng suất và chi phí sai sót theo thời gian.
AI trong phát hiện địa điểm khảo cổ trong thực tế
Học máy trên chuỗi thời gian của vệ tinh đã được sử dụng để phát hiện và theo dõi các hố cướp bóc tại các địa điểm ở Syria và Iraq trong thời kỳ xung đột.
Học máy theo chuỗi thời gian qua vệ tinh đã được sử dụng để phát hiện và theo dõi các hố cướp bóc tại các địa điểm ở Syria và Iraq trong thời kỳ xung đột. Các nhóm thường đạt được kết quả tốt hơn khi xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí do lỗi theo thời gian.
Rủi ro & lan can
Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có.
Các nhóm có thể tự động hóa quá mức và loại bỏ sự phán xét cần thiết của con người.
Chất lượng có thể thay đổi nếu kết quả đầu ra không được đánh giá liên tục.
Lộ trình thực hiện
Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất.
Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn.
Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng.
Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững.
Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.