Gdyby Indiana Jones dysponował sztuczną inteligencją, pewnie nigdy nie musiałby wyściubić nosa poza próg swej pracowni
Połączenie uczenia maszynowego i epigrafii – dyscypliny badawczej zajmującej się zbieraniem, odczytywaniem i publikowaniem oryginalnych starożytnych napisów, które wyryto lub wymalowano na kamieniu, glinie, drewnie lub metalu – może bardzo wspomóc historyków. Dlatego badacze z DeepMind, współpracując z naukowcami z Uniwersytetu w Oxfordzie stworzyli ogólnodostępne narzędzie, które umożliwia odtwarzanie takich tekstów.
Głęboka sieć neuronowa Google DeepMind odtworzyła już wcześniej brakujące napisy na przedmiotach wykonanych z ceramiki i kamienia, pochodzących ze starożytnej Grecji. Przyjmuje ona sekwencję uszkodzonego tekstu jako dane wejściowe i przewiduje brakujące fragmenty. Poziom błędu wynosi tu 30,1 procent, podczas gdy w przypadku zawodowych grafologów sięga on 57,3 procent.
Z kości i skorup
Najwcześniejsze zachowane zabytki chińskiego piśmiennictwa pochodzą z czasów dynastii Shang (1600 do 1046 p.n.e.). Na tak zwanych kościach wróżebnych (najczęściej były to łopatki wołów i skorupy żółwi) utrwalono zapiski o charakterze wotywnym – i wróżby właśnie. Pierwsze odkryto w 1899 r. na terenie wykopalisk w pobliżu Anyangu. Do dziś archeolodzy wykopali w Chinach ok. 100 tys. fragmentów kości wróżebnych z lat 1240-1041 p.n.e., na których zidentyfikowano 3 tysiące znaków, z których udało się odszyfrować zaledwie połowę. To tzw. pismo jiaguwen, w dużej mierze ideograficzne. Nie ma w nim jednej ustalonej normy pisowni: niektóre znaki są używane w kilku funkcjach, bywa również, że mają po kilka form (różniących się wielkością, stopniem złożoności, liczbą i kształtem kresek itp.). Teksty, zapisywane nim w kolumnach pionowych, czasem pisano od lewej do prawej, a czasem odwrotnie.
Aby je lepiej zrozumieć, grupa chińskich naukowców zastosowała tzw. wieloregionalną splotową sieć neuronową (CNN). Sieć określiła morfologię kości, dzięki czemu badacze mogli poskładać wiele kawałków w całość. Wykorzystali zestaw danych składający się z 1476 zdjęć skorupy żółwia i 300 fotografii kości wołu, z czego wybrali jedną trzecią jako zestaw testowy i dwie trzecie jako zestaw treningowy.
Profesor Shanxiong Chen z Chińskiego Uniwersytetu Południowo-Zachodniego stwierdził, że badanie koncentrowało się na odróżnianiu kości zwierzęcych od skorup żółwi, ale służyło też budowaniu modeli „koniugacji kości wróżebnych”, by ostatecznie można było odczytać wszystkie zapisane na nich teksty.
Poznać dietę dawnych psów
Jednak sztuczna inteligencja odnosi też sukcesy w badaniu innych starożytności – koprolitów, czyli skamieniałych ekskrementów ludzi i zwierząt. Powstały w Instytucie Maxa Plancka algorytm o nazwie CoproID porównuje DNA mikrobiomu jelitowego znalezionego w starożytnym materiale z DNA znalezionym we współczesnym kale, wskazując źródło jego pochodzenia. Ludzkie i zwierzęce koprolity znajdują się często na tych samych stanowiskach archeologicznych. By określić dietę lub choroby prehistorycznego człowieka lub wymarłych ssaków, uczeni muszą wiedzieć, które koprolity badać.
Naukowcy wykorzystali algorytmy uczenia maszynowego do odtworzenia przebiegu ponad 20 tysięcy kilometrów nieistniejących dzisiaj rzek wzdłuż doliny Indusu
Stosując CoproID zarówno do nowo zsekwencjonowanych, jak wcześniej opublikowanych zestawów danych, zespół naukowców z Uniwersytetu w Harwardzie oraz Uniwersytetu Oklahoma był w stanie ustalić źródła koprolitów.
Madagaskar z lotu ptaka
Dostępność niezliczonej liczby zdjęć satelitarnych i lotniczych daje archeologom nowe możliwości, tyle że eksplorowanie baz danych tradycyjnymi metodami jest niezwykle pracochłonne. I tu z pomocą przychodzi jednak SI, której jednym z zadań jest wykrywanie nowych stanowisk archeologicznych.
Madagaskar to ulubione miejsce badaczy historycznych zagadek. Pracuje tu Dylan Davis, doktorant na Wydziale Antropologii Uniwersytetu Stanowego w Penn, specjalizujący się w historii dawnego osadnictwa. Opracował on algorytm predykcyjny, który pomaga zlokalizować stanowiska archeologiczne przy użyciu ogólnodostępnych zdjęć satelitarnych. Jego zespół był w stanie zbadać i zidentyfikować ponad 70 nowych stanowisk archeologicznych, w tym z epoki holocenu, mapując obszar ponad 1000 kilometrów kwadratowych w ciągu roku. Bez użycia systemu zajęłoby to lata. Zautomatyzowany algorytm identyfikuje duże wały ziemne (kopce) i obiekty, które zostały zbudowane na długo przed przybyciem na Madagaskar Europejczyków.
Nie ma wody na pustyni
Nieco inny algorytm zespół Davisa wykorzystuje do badań puszczy w Południowej Karolinie. Zdjęcia dostarczone systemowi pochodzą z aparatu LiDAR, który wykorzystuje impulsy świetlne zdolne przenikać przez korony drzew w celu mapowania runa leśnego. Zespół nauczył komputer kształtu, wielkości i właściwości tekstur kopców, aby on mógł identyfikować potencjalne ich lokalizacje na podstawie cyfrowych zestawów danych 3D.
Cywilizacja doliny Indusu, obecnie znajdującej się na terytoriach Pakistanu i Indii, zwana także Kulturą Indusu, to pierwsza historyczna cywilizacja na obszarze subkontynentu indyjskiego. Rozwijała się od około 3300 do 1300 roku p.n.e. i zajmowała obszar rozleglejszy niż cywilizacje starożytnego Egiptu, Chin czy Mezopotamii.
Jednak wycięcie lasów przez ludzi doprowadziło do pustynnienia terenu i część dorzecza Indusu wyschła. Te wielkie zmiany są dziś podstawową przeszkodą w próbach odtworzenia warunków naturalnych panujących na tych terenach w epoce Kultury Indusu. Dlatego naukowcy z Institut Catalàn d’Arqueologia Clàssica we współpracy z McDonald Institute for Archaeological Research wykorzystali algorytmy uczenia maszynowego do odtworzenia przebiegu ponad 20 tysięcy kilometrów nieistniejących dzisiaj rzek wzdłuż doliny Indusu.
Bezcenna lekcja dla rządów
„Dane z satelity Landsat 5 zbierane przez 28 lat, w sumie 1711 obrazów wielospektralnych, zostały przetworzone za pomocą Google Earth Engine (…). Nasze wyniki podkreślają ogromny potencjał satelitarnej analizy Big Data dla badań archeologicznych” – piszą hydropaleontolodzy w artykule „Big Data & artificial intelligence: an archaeological revolution”. Ich zdaniem badanie może m.in. pomóc współczesnym rządom w lepszym zarządzaniu zasobami wodnymi swych krajów.