人工智能在考古遗址检测中的应用
人工智能扫描卫星图像、航空照片和激光扫描地形，以发现人类测量员可能错过的埋藏或隐藏的考古遗址。
概述
It dramatically speeds up the search across landscapes too vast to walk on foot.
深入探讨
考古学家越来越多地使用机器学习来寻找遗址，而无需先挖掘。卷积神经网络根据已知特征（墓葬、古道、野外系统、建筑地基）的标记示例进行训练，然后扫描大片图像区域以查找相似模式。一个关键的数据源是激光雷达，它从飞机或无人机发射激光脉冲并测量其返回，以建立精确的地面 3D 模型。由于激光穿透植被间隙，激光雷达可以揭示隐藏在茂密森林树冠下的土方工程。人工智能已经帮助绘制了危地马拉丛林和英国各地罗马时代地貌下数千个玛雅建筑的地图。多光谱和热图像增加了进一步的线索，因为埋藏的墙壁和沟渠改变了土壤保持水分和热量的方式。
技术洞察
LiDAR 点云被转换为数字高程模型，然后通过山体阴影、坡度和局部地形模型等可视化效果进行增强，这些模型会夸大细微的凹凸和凹陷。经过这些处理过的图像训练的 CNN 可以学习人造特征与自然地形的几何特征。至关重要的是，模型会标记候选者以供专家在地面上进行验证，因为植被、地质和现代干扰会产生许多误报。
战略影响
构建选择
应用级设计决定了人工智能是否能改善实际结果。
团队与工作流程
良好的工作流程集成可以创造用户值得信赖的生产力收益。
风险与安全
范围明确的用例可以减少变更疲劳和实施风险。
人工智能在考古遗址检测中的未来
预计免费提供的全球卫星数据将得到更广泛的使用，让调查不足地区的研究人员能够探测到大陆范围内的地点。自我监督学习将减少对大型标记数据集的需求，这是考古学的一个长期瓶颈。激光雷达、雷达和历史地图的更好融合应该可以减少误报。人们还越来越多地努力使用检测工具来监测抢劫并保护受气候变化、发展和冲突威胁的地点。
现实世界的实施
PACUNAM LiDAR 调查利用机载激光扫描揭示了隐藏在危地马拉雨林下方的 60,000 多个以前未知的玛雅建筑。
研究人员利用激光雷达数据训练神经网络，自动绘制荷兰和英国部分地区的史前墓葬和凯尔特野外系统地图。
卫星图像分析帮助莎拉·帕卡克（Sarah Parcak）的团队识别了埃及潜在的埋葬坟墓、定居点和金字塔，这种方法被称为“太空考古学”。
卫星时间序列的机器学习已被用来检测和跟踪冲突期间叙利亚和伊拉克地点的抢劫坑。
风险与防护栏
将损坏的流程自动化可能会加剧现有问题。
团队可能会过度自动化并消除所需的人工判断。
如果不持续评估输出，质量可能会出现偏差。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
在完全自动化之前定义人工检查点。
对用户进行提示、升级路径和质量标准方面的培训。
跟踪任务级结果以确认持续价值。
不断探索
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
常见问题
What is AI in Archaeological Site Detection?
人工智能扫描卫星图像、航空照片和激光扫描地形，以发现人类测量员可能错过的埋藏或隐藏的考古遗址。它极大地加快了对过于广阔而无法步行的景观的搜索速度。
为什么激光雷达对于探测森林下的地点特别有价值？
激光雷达从空中发射激光脉冲；由于一些脉冲通过树冠的间隙到达地面，处理过程可能会剥去植被并露出下面的土方工程。
哪种类型的人工智能模型最常用于识别图像中的考古特征？
CNN 擅长寻找视觉模式，并接受了土丘、道路和地基标记示例的训练，可以在大图像中发现相似的形状。
哪个著名项目使用激光雷达揭示了数万个隐藏的玛雅结构？
PACUNAM 激光雷达计划绘制了危地马拉丛林中隐藏的 60,000 多个玛雅建筑的地图。
为什么人工智能探测仍然需要人类考古学家去实地验证？
自然地质、植被模式和现代干扰可以模仿考古特征，因此专家必须亲自确认候选地点。
埋墙或沟渠如何在多光谱或热图像中显现出来？
埋藏的特征会改变土壤的排水和热特性，从而产生传感器可以检测到的作物生长、湿度和表面温度的细微差异。