الکتروهایو

هوش مصنوعی / الکترونیک / برنامه‌نویسی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

هوش مصنوعی در باستان شناسی چه کاربردهای می‌تواند داشته باشد؟

هوش مصنوعی در باستان شناسی و کاربردهای آن - سایت الکتروهایو
در این مقاله می‌خوانید:

زمان تخمینی مطالعه: 9 دقیقه

مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و متنوع بودند. برخی از آنها کاملاً عشایری بودند و مرتباً موقعیت خود را تغییر می‌دادند. برخی از آنها فواصل بسیار زیادی را مهاجرت کردند، در حالی که برخی دیگر مهاجرت فصلی را طبق الگوهای قابل پیش‌بینی انجام دادند. برخی دیگر، تمدن‌های خود را درست بر روی تمدن‌های قبلی بنا نهادند و لایه‌های پیچیده‌ای از فعالیت‌های انسانی را برای رمزگشایی به ارث گذاشتند. همانطور که در بحث اکتشاف سایت‌های باستانشناسی جدید، به طور سیستماتیک سایت‌های واضح‌تر را حذف می‌کنند، یافتن سایت‌های جدید به طور فزاینده‌ای امروزه دشوار شده است. در دنیای امروز، باستان شناسان به طور روزافزونی از قابلیت‌های پیش‌بینی هوش مصنوعی در باستان شناسی برای شناسایی مکان‌های بالقوه جدید برای باستانشناسی استفاده می‌کنند. با تجزیه و تحلیل داده‌های موجود و الگوهای تاریخی، فناوری هوش مصنوعی روشی که ما آثار فرهنگ‌های باستانی را کشف و مطالعه می‌کنیم را تغییر می‌دهد و شناسایی مکان‌های حفاری جدید را بیش از هر زمان دیگری قابل دسترس‌تر می‌کند.

کاربردهای هوش مصنوعی در باستان شناسی

با رشد روز افزون استفاده از فناوری هوش مصنوعی و یادگیری ماشین کاربردهای این علوم جدید نیز در حال گسترش است. در ادامه این بخش بررسی بر روی کاربردهای AI در حوزه باستان شناسی خواهیم داشت.

  • مکان‌یابی مکان‌های حفاری جدید: هوش مصنوعی مدل‌سازی پیش‌بینی‌کننده می‌تواند با تجزیه و تحلیل داده‌های تحقیقات باستان‌شناسی موجود به شناسایی مکان‌های جدید برای کاوش کمک کند. یک مثال قدرتمند در این زمینه استفاده از بینایی کامپیوتر و هوش مصنوعی برای شناسایی خطوط جدید نازکا در پرو است. این ژئوگلیف‌های خیره‌کننده ساخته دست بشر در شن‌های صحرا حک شده‌اند و منطقه‌ای به وسعت نزدیک به 1000 کیلومتر مربع را پوشش می‌دهند. علیرغم مقیاس عظیم آنها، به دلیل ویژگی‌های سطحی به سختی از روی زمین دیده می‌شوند. ساده‌ترین راه برای شناسایی آنها از طریق هوا است. با این حال، این امر مستلزم راه اندازی اکتشافات جمعی است و یا اینکه محققان به صورت دستی عکس‌های هوایی را تجزیه و تحلیل کنند.
یک ژئوگلیف باستانی
  • ایمن‌سازی و حفاظت از محوطه‌های باستانی حساس: محوطه‌های باستانی اغلب در مناطق دورافتاده یا غیرقابل دسترس قرار دارند و ممکن است در مناطق وسیعی پراکنده شوند. این امر نظارت و حفاظت از این مکان‌های میراث فرهنگی حساس را به صورت 24 ساعته و 7 روز هفته، چه در برابر خرابکاری، تغییرات محیطی، بلایای طبیعی یا تخریب، دشوار می‌سازد. برای کمک به حفاظت، محققان از حسگرهایی مجهز به بینایی کامپیوتر یا هوش مصنوعی برای کمک به نظارت بر سایت‌ها و شناسایی تهدیدها استفاده می‌کنند. به عنوان مثال، مودم‌های صوتی و حسگرهای بی‌سیم زیر آب در شهر باستانی Baiae، یک سکونتگاه رومی زیر آب در سواحل ایتالیا استفاده می‌شود. این “پارک باستان شناسی زیر آب” که برای عموم آزاد است، 435 هکتار را پوشش می‌دهد و یک منطقه دریایی حفاظت شده است. برای شناسایی هرگونه آسیب ناشی از غواصان یا عوامل محیطی نیاز به نظارت مداوم دارد. با این حال، تغییر شرایط دریا می‌تواند سیگنال‌های بی‌سیم مورد استفاده برای ارتباط بین سنسورها و مقرهای سطح را قطع کند.
منطقه باستان شناسی Baiae مربوط به رم باستان
  • تجزیه و تحلیل مصنوعاتArtifacts: باستان شناسان جریان‌هایی از مصنوعات را کشف می‌کنند که باید برای تحقیقات بیشتر و اهداف بایگانی به دقت تجزیه و تحلیل و فهرست‌بندی شوند. به دلیل تعداد زیاد و تنوع مصنوعات و ماهیت پیچیده تاریخ بشر، انجام این کار به صورت دستی بسیار کند، دشوار و مستعد خطای انسانی است. اولا بیشتر آثار باستانی که باستان شناسان کشف می‌کنند ناقص هستند یا به نوعی آسیب دیده‌اند. ثانیاً، در طول تاریخ بشر، فرهنگ‌ها در هم آمیختند، تکامل یافتند یا جایگزین یکدیگر شدند و بر هنر و تکنیک‌های ساخت یکدیگر تأثیر گذاشتند. به‌جای مرزبندی روشن بین فرهنگ‌ها یا دوره‌ها، محققان اغلب مجبورند تغییرات جزئی و جزئیات دقیق را برای توصیف و طبقه‌بندی دقیق آثار مورد تجزیه و تحلیل قرار دهند. اگر به اندازه کافی در زمان به عقب برگردیم، تشخیص ابزارهای ساخت بشر از ویژگی‌های طبیعی حتی دشوار است.
  • هوش مصنوعی برای حفظ و بازیابی مصنوعات: علاوه بر کمک به «پر کردن شکاف‌ها»، هوش مصنوعی ممکن است به باستان‌شناسان در حفظ و بازیابی آثار نیز کمک کند. یک Artifact ممکن است از صدها، و نه هزاران قطعه تکی تشکیل شده باشد که با سایر زباله‌ها مخلوط شده است. این امر، جمع آوری، تجزیه و تحلیل و سرهم کردن قطعات را به یکی از سخت‌ترین و خسته کننده ترین کارها در باستان شناسی تبدیل می‌کند. با این حال، سیستم‌های هوش مصنوعی در باستان شناسی این پتانسیل را دارند که در این زمینه بسیار کارآمدتر از انسان‌ها باشند. با استفاده از بینایی کامپیوتر، آنها می‌توانند ویژگی‌های قطعه را تجزیه و تحلیل کنند و نحوه تناسب آنها با یکدیگر را در کمترین زمان مدل کنند. به عنوان مثال، محققان در ایتالیا در حال توسعه ربات‌های هوش مصنوعی برای کنار هم قرار دادن نقاشی‌های دیواری باستانی هستند. این پروژه “RePAIR” نامیده می‌شود، با مفهومی برای ایجاد یک ربات مجهز به هوش مصنوعی که قادر به تجزیه و تحلیل قطعات هنری برای تعیین اینکه چگونه قطعات با هم قرار می‌گیرند. از فناوری‌های بینایی کامپیوتر برای شناسایی، کالیبره کردن و طبقه‌بندی قطعات استفاده می‌کند. ناگفته نماند که یادگیری ماشین نیز برای پیش‌بینی یک مدل کامل سه بعدی از مصنوع قبل از شروع روند مونتاژ مجدد استفاده می‌شود.
نمونه‌ای از استفاده از ابزارهای هوش مصنوعی در باستان شناسی برای تولید یک کپی ارتقا یافته دیجیتالی از یک اثر هنری اصلی، که رنگ اصلی و سطح بیشتری از جزئیات را آشکار می‌کند.
  • رمزگشایی زبان‌های باستانی: فناوری‌های هوش مصنوعی که قادر به درک و تقلید زبان انسان هستند، در سال‌های اخیر وارد صحنه شده‌اند و به سرعت به تکامل و پیشرفت خود ادامه می‌دهند. با این حال، پتانسیل مدل‌های زبان بزرگ (LLM) و پردازش زبان طبیعی (NLP) در تسلط بر زبان‌های مدرن متوقف نمی‌شود. آنها همچنین برای کمک به محققان در رمزگشایی و تفسیر زبان‌های باستانی استفاده می‌شوند. به طور معمول، فقط تعداد کمی از کارشناسان در سراسر جهان، برای مثال، زبان‌هایی مانند خط میخی را می‌شناسند و می‌توانند آنها را ترجمه کنند. آموزش زبان شناسان جدید در استفاده از این زبان‌ها ممکن است سال‌ها طول بکشد و نتایج ممکن است به دلیل تفسیر فردی مبهم شود. از طرف دیگر، شما فقط یک بار باید یک مدل هوش مصنوعی را آموزش دهید و بعد آن آموزش یک مترجم مادام العمر خواهید داشت.
مقایسه بین ORACC ساخته‌ی انسان که متن میخی داده شده را ترجمه کرده است. در این خط آمده است: “در راهپیمایی بازگشت، خراج سنگینی از مادها دوردست دریافت کردم، که هیچ یک از پادشاهان، اجداد من، نامی از سرزمین آنها نشنیده بودند.”

آینده هوش مصنوعی در باستان شناسی چگونه است؟

باستان شناسی ممکن است یک علم قدیمی باشد، اما استفاده از هوش مصنوعی برای حل برخی از چالش‌های مداوم آن هنوز یک رشته نسبتا جدید است. بسیاری از کاربردهای آن هنوز در مراحل اولیه تحقیق و آزمایش هستند اما نتایج امیدوارکننده‌ای را نشان می‌دهند. محققان به سرعت در حال یادگیری استفاده از قدرت هوش مصنوعی برای کمک به افشای اسرار جدیدی هستند که تمدن‌های باستانی پشت سر گذاشته‌اند. روشن کردن جزئیاتی که از قلم انداخته‌ایم یا مکان‌های باستان‌شناسی بالقوه جدید، باستان‌شناسان را قادر می‌سازد تا اکتشافاتی داشته باشند و درباره آنچه که فکر می‌کردیم می‌دانیم، تجدید نظر کنند. با جمع‌آوری داده‌های بیشتر، دقت این سیستم‌ها بیشتر بهبود می‌یابد و پنجره‌های جدیدی را به گذشته برای کاوش‌های باستان‌شناسی بالقوه باز می‌کند. به زودی، این برنامه‌ها تا حد زیادی حول محور بازسازی واقعیت مجازی، تجربیات واقعیت افزوده یا مدل‌های سه بعدی برای تورهای مجازی یا نرم‌افزارهای آموزشی خواهند چرخید. تجربیات مجازی در حال حاضر وجود دارد و به کاربران امکان می‌دهد رویدادهای تاریخی و مکان‌هایی مانند دانکرک، نبردهای وایکینگ‌ها، رم و واشنگتن را تجربه کنند. با این حال، این پروژه‌ها هنوز ساخته دست بشر هستند و از فرآیندهای زمان بری استفاده می‌کنند که تکرار آنها سخت است. به زودی، ممکن است بتوانیم به‌صورت رویه‌ای تجربیات همه‌جانبه‌ای را تنها با استفاده از بینایی کامپیوتر و هوش مصنوعی ایجاد کنیم.

لوگو الکتروهایو

الکتروهایو در خدمت مخاطبان عزیز می‌باشد. ما در تیم الکتروهایو در تلاش برای تهیه مقالات و مطالب به روز هستیم. لطفا برای مطالب و مقالات بیشتر با ما همراه باشید.

مطالب مرتبط:

داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی و تفسیر آن در بسیاری از زمینه‌ها از جمله آمار، علوم کامپیوتر، روانشناسی و بازاریابی ضروری است. این مقاله ویژگی‌ها، کاربردها و تفاوت‌های داده‌های اسمی

ادامه مطلب »
حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. حاشیه‌نویسی‌ها برچسب‌هایی هستند که داده‌ها را شناسایی و طبقه‌بندی می‌کنند یا قطعات مختلف اطلاعات را با یکدیگر مرتبط می‌کنند. الگوریتم‌های هوش مصنوعی از آنها به

ادامه مطلب »
با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده در اطراف اشیاء شناسایی شده، مکان یک شی را در یک تصویر شناسایی و مکان‌یابی می‌کند. اهمیت تشخیص اشیاء را نمی‌توان به اندازه کافی بیان

ادامه مطلب »
با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی - سایت الکتروهایو

با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی

یادگیری ماشین (Machine Learning) و علم داده (Data Science) موضوعاتی هستند که در تمامی بخش‌های فناوری اطلاعات در مورد آن بحث و گفتگو وجود دارد. امروزه همه چیز در حال خودکار شدن است، و برنامه‌های کاربردی نیز به سرعت در

ادامه مطلب »
مفهوم شبکه‌های مولد متخاصم GANs در حوزه یادگیری ماشین - سایت الکتروهایو

مفهوم شبکه‌های مولد متخاصم GANs در حوزه یادگیری ماشین

شبکه‌های متخاصم مولد(Generative Adversarial Networks) یک کلاس از چارچوب‌های یادگیری ماشین است. بر اساس مجموعه داده‌های آموزشی، یک GANs یاد می‌گیرد که داده‌های جدید را با همان آمار مجموعه آموزشی تولید کند. داده‌های ایجاد شده توسط GANs می‌تواند هر چیزی

ادامه مطلب »
داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی …

حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. …

با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده …

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی - سایت الکتروهایو

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی

تصویربرداری چند طیفی تکنیکی است که نور را در طیف وسیعی از باندهای طیفی، فراتر …

با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی - سایت الکتروهایو

با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی

یادگیری ماشین (Machine Learning) و علم داده (Data Science) موضوعاتی هستند که در تمامی بخش‌های …