概述
人工智慧掃描衛星影像、航空照片和雷射掃描地形，以發現人類測量員可能錯過的埋藏或隱藏的考古遺址。它極大地加快了對過於廣闊而無法步行的景觀的搜索速度。
考古遺址檢測中的人工智慧專注於實際部署：將模型功能轉化為可靠的日常工作流程，提供可衡量的價值。
深入探討
考古學家越來越多地使用機器學習來尋找遺址，而無需先挖掘。卷積神經網路根據已知特徵（墓葬、古道、野外系統、建築地基）的標記範例進行訓練，然後掃描大片影像區域以查找相似模式。一個關鍵的資料來源是雷射雷達，它從飛機或無人機發射雷射脈衝並測量其返回，以建立精確的地面 3D 模型。由於雷射穿透植被間隙，雷射雷達可以揭示隱藏在茂密森林樹冠下的土方工程。人工智慧已經幫助繪製了危地馬拉叢林和英國各地羅馬時代地形下數千個瑪雅建築的地圖。多光譜和熱影像增加了進一步的線索，因為埋藏的牆壁和溝渠改變了土壤保持水分和熱量的方式。
技術洞察
LiDAR 點雲被轉換為數位高程模型，然後透過山體陰影、坡度和局部地形模型等視覺化效果進行增強，這些模型會誇大細微的凹凸和凹陷。經過這些處理過的影像訓練的 CNN 可以學習人造特徵與自然地形的幾何特徵。至關重要的是，模型會標記候選者以供專家在地面上進行驗證，因為植被、地質和現代幹擾會產生許多誤報。
掌握考古遺址檢測中的人工智慧
人工智慧掃描衛星影像、航空照片和雷射掃描地形，以發現人類測量員可能錯過的埋藏或隱藏的考古遺址。它極大地加快了對過於廣闊而無法步行的景觀的搜索速度。考古遺址檢測中的人工智慧專注於實際部署：將模型功能轉化為可靠的日常工作流程，提供可衡量的價值。為了建立深入的理解，請將考古遺址檢測中的人工智慧視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，在考古遺址檢測中使用人工智慧的強大團隊專注於工作流程結果，而不是模型演示，並儘早定義人工檢查點。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
應用級設計決定了人工智慧是否能改善實際結果。同時，將損壞的流程自動化可能會加劇現有的問題。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
應用級設計決定了人工智慧是否能改善實際結果。
應用級設計決定了人工智慧是否能改善實際結果。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
良好的工作流程整合可以創造使用者值得信賴的生產力效益。
良好的工作流程整合可以創造使用者值得信賴的生產力效益。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
範圍明確的用例可以減少變更疲勞和實施風險。
範圍明確的用例可以減少變更疲勞和實施風險。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
PACUNAM LiDAR 調查利用機載雷射掃描揭示了隱藏在危地馬拉雨林下方的 60,000 多個以前未知的瑪雅建築。
研究人員利用雷射雷達資料訓練神經網絡，自動繪製荷蘭和英國部分地區的史前墓葬和凱爾特野外系統地圖。
衛星影像分析幫助莎拉·帕卡克（Sarah Parcak）的團隊識別了埃及潛在的埋葬墳墓、定居點和金字塔，這種方法被稱為「太空考古學」。
衛星時間序列的機器學習已被用來偵測和追蹤衝突期間敘利亞和伊拉克地點的搶劫坑。
實施模式
人工智慧在考古遺址檢測的實踐
PACUNAM LiDAR 調查利用機載雷射掃描揭示了隱藏在危地馬拉雨林下方的 60,000 多個以前未知的瑪雅建築。
PACUNAM LiDAR 調查使用機載雷射掃描揭示了隱藏在危地馬拉雨林下方的 60,000 多個以前未知的瑪雅結構。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤隨時間推移的生產力增益和錯誤成本時，通常會得到更好的結果。
人工智慧在考古遺址檢測的實踐
研究人員利用雷射雷達資料訓練神經網絡，自動繪製荷蘭和英國部分地區的史前墓葬和凱爾特野外系統地圖。
研究人員利用雷射雷達資料訓練神經網絡，自動繪製荷蘭和英國部分地區的史前墓葬和凱爾特野外系統地圖。當團隊預先定義品質閾值、為邊緣情況保留人為升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在考古遺址檢測的實踐
衛星影像分析幫助莎拉·帕卡克（Sarah Parcak）的團隊識別了埃及潛在的埋葬墳墓、定居點和金字塔，這種方法被稱為「太空考古學」。
衛星圖像分析幫助 Sarah Parcak 的團隊識別了埃及潛在的埋葬墳墓、定居點和金字塔，這種方法被稱為「太空考古學」。當團隊預先定義品質閾值、為邊緣情況保留人為升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在考古遺址檢測的實踐
衛星時間序列的機器學習已被用來偵測和追蹤衝突期間敘利亞和伊拉克地點的搶劫坑。
衛星時間序列上的機器學習已被用來偵測和追蹤衝突期間敘利亞和伊拉克地點的搶劫坑。當團隊預先定義品質閾值、為邊緣情況保留人為升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
風險與防護欄
將損壞的流程自動化可能會加劇現有問題。
團隊可能會過度自動化並消除所需的人工判斷。
如果不持續評估輸出，品質可能會出現偏差。
實施路線圖
繪製目前工作流程並確定摩擦最大的步驟。
繪製目前工作流程並確定摩擦最大的步驟。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在完全自動化之前定義人工檢查點。
在完全自動化之前定義人工檢查點。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
對使用者進行提示、升級路徑和品質標準的訓練。
對使用者進行提示、升級路徑和品質標準的訓練。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤任務級結果以確認持續價值。
追蹤任務級結果以確認持續價值。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。