AI trong 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.
Tổng quan
It dramatically speeds up the search across landscapes too vast to walk on foot.
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.
Tác động chiến lược
Xây dựng lựa chọn
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không.
Nhóm và quy trình làm việc
Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng.
Rủi ro và an toàn
Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai.
Tương lai của AI trong việc phát hiện địa điểm khảo cổ
Mong đợi việc sử dụng rộng rãi hơn dữ liệu vệ tinh toàn cầu có sẵn miễn phí, cho phép các nhà nghiên cứu ở các khu vực chưa được khảo sát phát hiện các địa điểm ở quy mô lục địa. Việc học tự giám sát sẽ cắt giảm nhu cầu về các bộ dữ liệu được dán nhãn lớn, một điểm nghẽn kinh niên trong khảo cổ học. Sự kết hợp tốt hơn giữa LiDAR, radar và bản đồ lịch sử sẽ làm giảm cảnh báo sai. Ngoài ra còn có những nỗ lực ngày càng tăng trong việc sử dụng các công cụ phát hiện để giám sát nạn cướp bóc và bảo vệ các địa điểm bị đe dọa bởi biến đổi khí hậu, phát triển và xung đột.
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.
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.
Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn.
Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng.
Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
AI trong phát hiện đạo văn và tính liêm chính trong học thuật
Câu hỏi thường gặp
What is AI in Archaeological Site Detection?
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.
Tại sao LiDAR đặc biệt có giá trị trong việc phát hiện các địa điểm trong rừng?
LiDAR bắn các xung laze từ không khí; Bởi vì một số xung truyền tới mặt đất thông qua các khoảng trống trên tán cây, quá trình xử lý có thể loại bỏ thảm thực vật và để lộ các công trình đào đất bên dưới.
Loại mô hình AI nào được sử dụng phổ biến nhất để nhận dạng các đặc điểm khảo cổ trong hình ảnh?
CNN xuất sắc trong việc tìm kiếm các mẫu hình ảnh trực quan và được đào tạo dựa trên các ví dụ được gắn nhãn về gò đất, đường và nền móng để phát hiện các hình dạng tương tự trên các hình ảnh lớn.
Dự án nổi tiếng nào đã sử dụng LiDAR để tiết lộ hàng chục nghìn cấu trúc Maya ẩn giấu?
Sáng kiến PACUNAM LiDAR đã lập bản đồ hơn 60.000 công trình kiến trúc của người Maya được che giấu trong rừng rậm Guatemala.
Tại sao việc phát hiện AI vẫn yêu cầu các nhà khảo cổ con người xác minh chúng trên thực địa?
Địa chất tự nhiên, mô hình thảm thực vật và sự xáo trộn hiện đại có thể bắt chước các dấu hiệu khảo cổ học, vì vậy các chuyên gia phải trực tiếp xác nhận các địa điểm ứng cử viên.
Làm thế nào những bức tường hoặc mương bị chôn vùi có thể lộ diện trong hình ảnh đa quang phổ hoặc nhiệt?
Các đặc điểm bị chôn vùi làm thay đổi tính chất thoát nước và nhiệt của đất, tạo ra những khác biệt nhỏ về sự phát triển của cây trồng, độ ẩm và nhiệt độ bề mặt mà các cảm biến có thể phát hiện được.