المكاسب:
- القدرة على استخدام الذكاء الاصطناعي في معايرة الكربون المشع والتسلسل والتحليل متعدد المتغيرات، وفهم أن اختيار الطريقة والافتراضات هي من اختصاص الخبير.
- القدرة على إدراك أن نتيجة الكربون المشع لها نطاق من الاحتمالات وأن تقليل عدم اليقين إلى سنة واحدة يعد تشويهًا علميًا
- القدرة على التشكيك في صحة العينة باستخدام مبدأ "القمامة للداخل، القمامة للخارج" وتطبيق منعكس عدم الخلط بين الارتباط والسببية
يعتمد علم الآثار على كل من العلوم المخبرية والإحصائيات للإجابة على سؤال "متى". في هذه الوحدة، سنرى كيف يعمل الذكاء الاصطناعي على تسريع مهام مثل التأريخ (تحديد عمر الاكتشاف أو الطبقة)، وتحليل الكربون المشع (C14)، والتصنيف (فرز وتقسيم الاكتشافات وفقًا لخصائصها الشكلية) والتسلسل (طريقة ترتيب السياقات زمنيًا وفقًا لتغير أنواع الاكتشافات بمرور الوقت)، ولكن لماذا يُترك تفسير النتائج العلمية دائمًا للخبير والطريقة الصحيحة.
المبدأ الأساسي: يعمل الذكاء الاصطناعي على تسريع العمليات الحسابية والمعايرة والنمذجة الإحصائية والتصور؛ ولكن ما هي الطريقة المناسبة، وما إذا كانت العينة صالحة أم لا، وما تعنيه النتيجة يتطلب حكماً علمياً. إن وضع إحصائية خاطئة في رسم بياني جميل لا يجعلها صحيحة.
طرق المواعدة والذكاء الاصطناعي
الكربون المشع (C14). يتم حساب العمر من خلال اضمحلال الكربون المشع في البقايا العضوية. تتم معايرة النتيجة الأولية بمنحنى يعتمد على حلقات الشجرة (المعايرة - التصحيح الذي يحول عمر الكربون المشع الخام إلى السنة التقويمية الفعلية). يعمل الذكاء الاصطناعي على تسريع حسابات المعايرة والتصور المقارن لتواريخ متعددة. لكن الذكاء الاصطناعي لا يعرف مصائد مثل مشكلة الخشب القديم (عينة مأخوذة من شجرة عاشت مئات السنين أقدم بكثير من الحدث الذي استخدمت فيه)؛ النقد النموذجي هو عمل خبير.
التصنيف والتسلسل. يختلف تكرار أنواع البحث بمرور الوقت؛ يظهر نوع، ينتشر، يتناقص. يقوم التسلسل بفرز السياقات باستخدام هذا النمط "الشامل". الذكاء الاصطناعي قوي في العثور على هذه الأنماط في مجموعات البيانات الكبيرة وفي التحليل متعدد المتغيرات (الإحصائيات التي تقيم العديد من الميزات في وقت واحد). ولكن يمكن للخبير التمييز بين ما إذا كانت النتيجة بسبب اختلاف زمني أو وظيفي/إقليمي.
طرق أخرى. تعد طرق مثل علم التزمن الزمني (حلقة الشجرة)، والتألق الحراري، والمغناطيسية الأثرية مفيدة أيضًا في حساب الذكاء الاصطناعي ومقارنته؛ ويترك اختيار الطريقة وتفسيرها للخبير.
نصيحة: عندما تطلب من الذكاء الاصطناعي إجراء إحصائية، اسأل "ما الطريقة التي استخدمتها وما هي افتراضاتها؟" بسأل. إذا كانت الطريقة خاطئة (على سبيل المثال حساب متوسط البيانات غير المتسلسلة، وتجاهل القيم المتطرفة) فستكون النتيجة "نظيفة" بصريًا ولكنها غير صحيحة من الناحية العلمية. لا تثق في الرسم البياني دون فهم الطريقة.
نقاط القوة والضعف في الذكاء الاصطناعي في الإحصاء
قوي: الحساب المتكرر، والمعايرة، ومسح الأنماط في مجموعات البيانات الكبيرة، وتوليد أكواد التصور، والاختبار السريع للطرق المختلفة.
ضعيف/محفوف بالمخاطر:
- لا تقترح الطريقة الخاطئة. يمكن للذكاء الاصطناعي أن يوصي بثقة باختبار لا يتناسب مع البيانات.
- أخذ العينات العمى. ولا ترى العينة الصغيرة أو المتحيزة أو الملوثة؛ "هذه هي البيانات"، كما يقول.
- تعليق شديد. يمكن أن يقدم ارتباطًا ضعيفًا كنتيجة قوية؛ الارتباط ليس سببية (مجرد تغير شيئين معًا لا يعني أن أحدهما يسبب الآخر).
- رقم مصنوع. إذا رغبت في ذلك، يمكن أن تنتج تاريخًا أو احتمالًا "معقولًا" ولكن غير واقعي.
تحذير: إن تاريخ الكربون المشع لا يمثل أبدًا "سنة محددة" واحدة؛ هو نطاق احتمال (على سبيل المثال 750-680 قبل الميلاد مع ثقة 95٪). لا تدع الذكاء الاصطناعي يقلل النتيجة إلى سنة واحدة؛ تحمل دائما عدم اليقين. إخفاء عدم اليقين هو تحريف علمي.
ثلاث حالات صغيرة
الحالة 1 - تسريع المعايرة. سيقوم أحد المشاريع بإجراء المعايرة والتصور المقارن لـ 48 عينة من الكربون المشع. قام الذكاء الاصطناعي بإنشاء كود معايرة ورسوم بيانية للمقارنة في دقائق بدلاً من ساعات؛ وقام الخبير بنفسه بتقييم سياقات أخذ العينات ومخاطر الأخشاب القديمة ووضع علامة على عينتين على أنهما "غير موثوقتين".
الحالة 2 - تم اكتشاف طريقة خاطئة. قام أحد الطلاب بتطبيق اختبار اقترحه الذكاء الاصطناعي للعثور على ترددات الكتابة وحصل على نتيجة "ذات دلالة إحصائية". وبين المستشار الإحصائي أن البيانات غير مناسبة لهذا الاختبار (تم مخالفة الفرضيات)؛ مع الطريقة الصحيحة، كانت النتيجة لا معنى لها. الدرس المستفاد: اختيار الطريقة يحدد النتيجة.
الحالة 3 - إعادة عدم اليقين. سيبلغ الفريق عن تاريخ واحد من ملخص الذكاء الاصطناعي لطبقة "720 قبل الميلاد". وذكر الخبير أن نطاق العيار كان 800-680 قبل الميلاد، وأن السنة الواحدة مضللة. تم تصحيح التقرير مع نطاق الاحتمال. تحمل عدم اليقين هو الصدق.
أربعة قوالب قابلة للنسخ
1) الاستعلام عن مدى ملاءمة الطريقة:
دورك: مستشار الإحصاء الأثري. سأقوم بوصف البيانات والسؤال التالي: [نوع البيانات، حجم العينة، السؤال]. أخبرني عن خيارات الطريقة المعتمدة مع هذه البيانات، وافتراضات كل منها، وكيفية التحقق مما إذا كان العائد يلبي تلك الافتراضات. وينبغي أيضا معالجة الأساليب غير المناسبة على أسس.
2) إطار تفسير الكربون المشع:
يوجد أدناه فترات الكربون المشع التي تمت معايرتها: [قائمة]. اشرح المخاطر التي يجب أن أكون على دراية بها عند تفسيرها (الخشب القديم، والتلوث، وتأثير الخزان البحري، والعلاقة بين العينة والحدث) وكيفية التعبير عن فترة عدم اليقين بشكل صحيح. لا تمنحه سنة واحدة؛ الحفاظ على فترات.
3) التدقيق الإحصائي:
قمت بالتحليل التالي: [الطريقة والنتيجة]. يرجى الانتقاد: هل الطريقة تناسب البيانات، هل الافتراضات صحيحة، هل العينة كافية، هل هناك أي قيم متطرفة/خليط، هل تم المبالغة في تفسير النتيجة؟ اذكر نقاط ضعفك؛ لا تؤكد النتيجة، شكك فيها.
4) التصور (الصادق):
قم بإعداد مخطط/رمز بالبيانات التالية: [البيانات]. يجب إظهار نطاقات عدم اليقين (شريط/نطاق الخطأ). قم بإعداد المحور والمقياس دون إجراء تخفيضات مضللة. لا تقم بإضافة أي نقاط غير موجودة في البيانات. اشرح مع ملاحظة ما يظهره الرسم البياني وما لا يظهره.
موجه ضعيف / موجه قوي
حث ضعيف:
قم بتحليل بيانات البحث هذه وحدد التاريخ الدقيق للموقع.
قد يختار الذكاء الاصطناعي طريقة غير مناسبة ويحدد تاريخًا واحدًا محددًا؛ إنه يخفي عدم اليقين ولا يرى مشاكل في أخذ العينات.
مطالبة قوية:
دورك: مستشار إحصائي. العائد: [التعريف، حجم العينة]. أخبرني أولاً عن الطريقة وافتراضاتها المناسبة لهذه البيانات، ثم أعطني النتيجة مع نطاق عدم اليقين إذا طبقناها. لا تعطي تاريخًا محددًا واحدًا. أشر أيضًا إلى المخاطر المرتبطة بالعينة (ن الصغيرة، المزيج، الخشب القديم) التي قد تضعف النتيجة.
الفرق: الأول ينتج يقينًا زائفًا؛ ثانياً، تحافظ الطريقة على الافتراضات المفتوحة وعدم اليقين.
النهج بايزي، أخذ العينات و"القمامة في الداخل، القمامة في الخارج"
إحدى الطرق القوية في التأريخ الأثري الحديث هي النمذجة البايزية (وهو نهج إحصائي يجمع بين المعلومات السابقة الموجودة - على سبيل المثال، "الطبقة أ تكمن وراء ب" - مع قياسات لإنتاج نطاقات زمنية أضيق وأكثر واقعية) التي تجمع بين تواريخ الكربون المشع المتعددة والتسلسلات الطبقية. يعمل هذا النهج على تضييق نطاق عدم اليقين الواسع النطاق بشأن التواريخ الفردية عن طريق تقييدها بالترتيب المعروف للطبقات. ويمكن للذكاء الاصطناعي أن يساعد في بناء هذه النماذج وحسابها؛ لكن المعلومات المسبقة (العلاقات الطبقية) التي تدخل في النموذج هي قرار خبير، والقيود المسبقة غير الصحيحة تنتج نتيجة موثوقة ولكنها غير دقيقة.
من هنا نأتي إلى المبدأ الإحصائي الأساسي للوحدة: "القمامة تدخل، القمامة تخرج". حتى أنظمة الذكاء الاصطناعي الأكثر تقدمًا والإحصائيات الأكثر أناقة لا يمكنها تحقيق نتائج جيدة من البيانات السيئة. ستظل عينة الكربون المشع الملوثة، أو المكتشفات من سياق مختلط، أو العينة المتحيزة غير صالحة بغض النظر عن مقدار المعالجة التي تتم. لا يستطيع الذكاء الاصطناعي رؤية هذه المشاكل لأنه لا ينظر إلى البيانات "من الخارج"؛ فهو يقبل الأرقام التي تعطيها له على أنها حقيقية. فقط الخبير الذي يعرف المجال يمكنه تقييم كيفية جمع العينة، والسياق الذي جاءت منه، وما تمثله.
لذا، قبل أن تثق في أي نتائج إحصائية، اطرح الأسئلة الثلاثة التالية: هل العينة كبيرة وممثلة بدرجة كافية؟ هل السياقات موثوقة وغير مشوشة؟ هل طريقة القياس مناسبة لهذا السؤال؟ إذا لم تتمكن من الإجابة بـ "نعم" على هذه الأسئلة الثلاثة، فلا يهم مدى "أهمية" النتيجة.
نصيحة: عند تقييم مخرجات إحدى الإحصائيات، انظر أولاً إلى المدخلات، وليس النتيجة. "من أين جاءت هذه البيانات، وكيف، وكم عدد العينات؟" يزيل السؤال معظم الاستنتاجات الخاطئة حتى قبل النظر إلى الرسم البياني.
جدول مهام التحليل
كويست
دور الذكاء الاصطناعي
قرار الإنسان
التحقق
معايرة C14
الحساب والتصور
صلاحية العينة
السياق، الخشب القديم
تسلسل
مسح الأنماط
التسلسل الزمني/فصل الوظيفة
مقارنة مع الطبقات
متعدد المتغيرات
حاسبة الإحصاءات
اختيار الطريقة
فحص الافتراض
التصور
الرسومات/الكود
التمثيل الصادق
عدم اليقين، النطاق
التعليق
مسودة ملخصة
بمعنى الحد
خبير، الأدب
الأخطاء الشائعة
- تطبيق الطريقة دون سؤال. الاختبار الخاطئ يعطي نتيجة "نظيفة" ولكنها خاطئة.
- تقليل عدم اليقين إلى سنة واحدة. الكربون المشع هو نطاق؛ سنة واحدة مضللة.
- تجاوز مشاكل أخذ العينات. العينة الصغيرة/القذرة/المتحيزة تبطل النتيجة.
- الارتباط الخاطئ للسببية. التغيير معًا ليس سببًا ونتيجة.
- تضليل مع الرسومات. المحور المتقطع، عدم اليقين الخفي هو التشويه العلمي.
باختصار
الذكاء الاصطناعي في المواعدة والإحصائيات؛ إنه مسرع قوي للمعايرة ومسح الأنماط والحساب والتصور. لكن اختيار الطريقة، ونقد العينة، والتعبير الصادق عن عدم اليقين، وتفسير النتيجة يعود إلى الحكم العلمي. لا تثق في الرسم البياني دون فهم الطريقة؛ تحمل دائمًا عدم اليقين؛ ومقاومة الإصرار على "تاريخ محدد" واحد.
مهمة التطبيق
قم بإعداد نموذج لجدول البحث عن التردد أو مجموعة من فترات الكربون المشع المعايرة. قم بتحديد التحليل المناسب وافتراضاته باستخدام قالب "الاستعلام عن مدى ملاءمة الطريقة"، ثم قم بإجراء تحليل نقدي باستخدام قالب "التدقيق الإحصائي". قم بإنشاء رسم بياني يوضح نطاقات عدم اليقين باستخدام قالب "التصور (الصادق)" وتجنب الخصم لمدة عام واحد.
قائمة مرجعية
- [ ] لقد قمت بالتحقق من اختيار الطريقة والافتراضات.
- [ ] شككت في صلاحية العينة (الحجم، المزيج، الخشب القديم).
- [ ] احتفظت بالشك فترة، ولم أختصره إلى سنة واحدة.
- [ ] لم أخلط بين الارتباط والسببية.
- [ ] لقد أظهرت الحجم وعدم اليقين بصراحة في الرسم البياني.