AI nástroj v archeológii
Úvodný obrázok zdroj: Usgs, Unsplash
Neurónové siete si s detekciou objektov poradia celkom hravo. Záleží na kvalite datasetu a po procese trénovania sa môžete dostať k obdivuhodným výsledkom. Akonáhle máte k dispozícii podklady, ktoré môžu slúžiť ako trénovací dataset, prečo to neskúsiť? A tak sa objavil v archeológii AI nástroj, ktorý môže vďaka neurónovým sieťam pomôcť s objavovaním hrobiek.
Archeológovia sa pri odkrývaní tajomstiev histórie musia často popasovať s rozľahlým územím, ktoré potrebujú preskúmať. Navyše sa hranice historických území nemusia zhodovať s tými súčasnými. Výskum tak zdržuje administratíva a často znemožňuje politická nestabilita v krajine. Tak to bolo aj v prípade Dr. Gina Caspariho (SNSF, čestný vedecký spolupracovník Univerzity v Sydney a Univerzity v Berne). Venoval sa skýtskym hrobkám zo staršej železnej doby (700 – 400 pred n.l.) v euroázijských stepiach, so zameraním na oblasť Strednej Ázie.
Úspech konvolučných neurónových sietí
Pomocná ruka prišla v podobe umelej inteligencie od Caspariho známeho, Pabla Crespa (aplikovaný vedec Etsy), ktorý sa v tom čase venoval vývoju umelej inteligencie pre odhad volatility cien komodít. Navrhol s Casparim model, kde figurujú konvolučné neurónové siete (CNN). Na ich trénovanie použili fotografie hrobiek zo satelitných snímok aj z dostupných snímok z Google Earth.
Horný rad – prítomnosť hrobky, spodný – absencia hrobky
Zdroj: Gino Caspari
Vo svojom riešení nevybral CNN ako prvú voľbu, porovnal výsledky s použitím rôznych algoritmov. Hrobky majú kruhový charakter, no práve jednoduchý tvar dokázal zmiasť napr. SVM, čo dospelo k množstvu falošne pozitívnych výsledkov.
CNN boli v archeológii zapojené už aj do iných riešení. Vykazujú lepšiu citlivosť pri identifikovaní jemných vzorov na obrázku, a tak ich nájdete v AI nástrojoch pri identifikácii pôvodu objavených úlomkov keramiky či dokresľovaní predpokladaného vzoru na keramike. Použiť ich pri detekcii, v tomto prípade kruhových skýtskych hrobiek, bol správny krok. Nástroj dosiahol na testovacej vzorke (metrikou Precision) presnosť 98 %, ak sa hrobka na obrázku nenachádzala a 100 % pri obrázku s hrobkou. Podrobnejšie informácie k modelu nájdu prívrženci CNN v ich práci.
V tomto prípade to bola šťastná náhoda, že archeológ mal medzi známymi práve vývojára. Aby sa AI riešenia v archeológii rozšírili, je potrebné zdieľať množstvo informácií a znalostí, vďaka ktorým by tieto nástroje vznikali.
Zdroje:
https://www.nytimes.com/2020/11/24/science/artificial-intelligence-archaeology-cnn.html
