Archeologi contro computer: un nuovo studio alimenta la competizione di screening

Una parte essenziale del lavoro dell’archeologo comporta l’arduo processo di classificazione dei pezzi di ceramica in sottospecie. Chiedi agli archeologi perché hanno inserito un pezzo in una certa categoria e spesso è difficile per loro determinare cosa li abbia portati esattamente a questa conclusione.

“È un po ‘come guardare una foto di Elvis Presley e guardare un imitatore”, ha detto Christian Daunum, professore di antropologia alla Northern Arizona University. “Sai che c’è qualcosa che non va nel copione, ma è difficile individuare il motivo per cui Elvis non è presente.”

Ma gli archeologi hanno ora dimostrato che è possibile programmare un computer per svolgere questa parte essenziale del loro lavoro il più fedelmente possibile. In uno Studio pubblicato Nel numero di giugno del Journal of Archaeological Sciences, i ricercatori riferiscono che il modello di apprendimento profondo ordinava le immagini di pezzi decorati in modo più preciso – e talvolta più preciso – rispetto a quattro archeologi esperti.

Ha detto il dott. Dawnum, uno degli autori dello studio: “Non ferisce i miei sentimenti”. Al contrario, ha detto, il campo dovrebbe essere migliorato risparmiando tempo e sostituendo “il processo di classificazione soggettiva, difficile da descrivere, con un sistema che dia ogni volta lo stesso risultato”.

Lo studio si è concentrato su Tusayan White Ware, un tipo di ceramica artigianale utilizzata per servire cibo e conservare l’acqua nei canyon e mesa nell’Arizona nord-orientale tra l’825 e il 1300. Negli anni ’20, gli archeologi hanno scoperto che i pezzi di ceramica bianca di Tusayan erano coerenti. Modelli in base al periodo in cui sono stati creati.

I ricercatori hanno reclutato quattro degli analisti più esperti per questo tipo di ceramica. Tutti loro hanno trascorso 30 anni o più analizzando la ceramica e precedentemente classificato decine di migliaia di frammenti di Tusayan White Ware.

Hanno anche trascorso circa quattro ore ad addestrare una rete neurale, un complesso sistema matematico in grado di apprendere compiti specifici analizzando grandi quantità di dati, selezionando le immagini di Tusian White Wear.

Sia l’uomo che la macchina avevano il compito di classificare migliaia di immagini in una delle nove specie conosciute e di valutarle in base all’accuratezza delle loro risposte.

I ricercatori hanno scoperto che la rete neurale collegava due analisti umani per accuratezza e ha sopraffatto gli altri due.

La macchina era anche più efficiente. Poiché il compito era noioso, ha detto il dottor Paulowitz, nessuno degli analisti umani voleva esaminare le 3000 immagini senza fermarsi. Quindi, anche se probabilmente hanno completato l’attività in tre ore, ognuno di loro ha eseguito l’analisi in diverse sessioni nel corso di tre o quattro mesi.

La rete neurale ha cercato migliaia di immagini in pochi minuti.

Non solo il programma per computer è stato più efficiente e preciso degli archeologi, ma è stato anche in grado di spiegare meglio perché le parti sono classificate in un certo modo in un certo modo rispetto ai concorrenti vivi e respiranti. In un caso, il computer ha fornito una nota di ordinamento intelligente che era nuova per i ricercatori: ha indicato che due tipi simili di ceramica con elementi di design potevano essere distinti dalle linee spinate a seconda che le linee fossero collegate ad angolo retto o parallele, ha detto Leszek Paulovich , assistente membro di facoltà della Northern Arizona University e autore di un altro studio.

La macchina ha anche superato gli umani fornendo una sola risposta per valutazione; Gli archeologi partecipanti spesso non erano d’accordo su come classificare gli oggetti, un problema ben noto che spesso rallenta i progetti archeologici, hanno detto gli autori.

Philip Isola, professore di ingegneria elettrica e informatica al MIT che non è stato coinvolto nello studio, ha detto di non essere sorpreso dalle prestazioni della rete neurale – o talvolta migliore – degli archeologi.

“È la stessa storia che abbiamo sentito molte volte”, ha detto il dottor Isola. Nel campo dell’imaging medico, ad esempio, i ricercatori hanno scoperto che le reti neurali Raggi concorrente Identificazione dei tumori. Anche gli accademici utilizzano strumenti simili per classificare le specie di piante e uccelli.

Né è la prima volta che gli archeologi si rivolgono all’intelligenza artificiale. Nel 2015 i ricercatori sono in Francia Applied Machine Learning Per classificare le ceramiche francesi medievali. Comprende anche un gruppo di archeologi e informatici di cinque paesi Sviluppo di strumenti digitali Per classificare i pezzi di ceramica. Tuttavia, nessuno di questi progetti mette l’uomo contro la macchina.

Da quando lo studio ha iniziato a diffondersi, alcuni archeologi hanno condiviso le preoccupazioni con gli autori sulla loro sostituzione con macchine. Il dottor Dawnum e il dottor Paulowitz hanno detto di non essere preoccupati per qualcosa del genere.

“Stiamo decidendo cosa è importante studiare”, ha detto il dottor Dawnum.