Ganancias:
- Utilizar la inteligencia artificial en la descripción imparcial y agrupación visual preliminar de los hallazgos, y ser capaz de distinguir la referencia cultural-cronológica del trabajo del experto con el catálogo de referencia.
- Capacidad para comprender cómo la calidad de la fotografía (escala, luz, tarjeta de color) y los datos metavisuales como la textura, el perfil y el contexto determinan la precisión de la clasificación.
- Capacidad para reconocer la tendencia de la inteligencia artificial a forzar el patrón más familiar en hallazgos raros y atípicos y confirmar cada atribución con una fuente independiente.
Una de las tareas más agotadoras pero informativas de una excavación es la clasificación de los hallazgos (separar los objetos encontrados según tipo, forma y época). Decenas de miles de piezas de cerámica, cientos de monedas, herramientas de piedra (lítica), objetos de hueso, vidrio y metal desenterrados en una temporada deben ser examinados y registrados uno por uno. En esta unidad, aprenderemos cómo el análisis de imágenes (extraer automáticamente características como la forma, el color y la textura de una fotografía de un objeto) y la clasificación basada en IA acelera el trabajo de búsqueda, pero por qué la decisión final de atribución siempre queda en manos del experto.
El principio básico es este: la IA agrupa rápidamente aquellos que parecen similares; pero se puede hacer una referencia cultural-cronológica como "esta pieza es una producción griega oriental del siglo VI a. C." basándose en el catálogo de referencia y el ojo experto. La IA es un asistente de clasificación y medición previa, no una autoridad tipológica.
Pasos de clasificación de búsqueda
1. Captura visual. Cada hallazgo se fotografía en un orden estándar, con una barra de escala (regla que muestra el tamaño) y una tarjeta de colores. La luz y el fondo constantes son fundamentales para el análisis de imágenes de IA; Una mala foto significa una mala clasificación.
2. Extracción de características. AI; Extrae características medibles como el perfil del borde, la forma (borde, fondo, mango), el tratamiento de la superficie (pulido, vidrio, pintura), el color de la pasta y la textura. La masa (la forma cocida de la arcilla; su color y aditivos indican el lugar y la técnica de producción) es la columna vertebral de la tipología arqueológica.
3. Preagrupación. La IA clasifica miles de piezas en grupos basándose en la similitud visual: "probablemente el mismo contenedor", "forma similar", "masa similar". Esto pone montones ordenados frente al experto.
4. Atribución de expertos. El experto atribuye período, lugar de producción y función a cada grupo a través de catálogos de referencia, series tipográficas y su propia experiencia. Que la IA diga "este es el período romano" es una pista, no una decisión.
5. Registro. Cada hallazgo ingresa a la base de datos con su número de contexto, medidas, fotografía y atribución (este es el tema de la unidad 5).
Sugerencia: haga que la IA "describa" un hallazgo, no lo "describa". "¿Qué época es esta?" en su lugar, solicite “enumerar objetivamente las características mensurables (forma, borde, superficie, color) de esta pieza”; Tú decides por el período con el catálogo de referencia. La descripción es confiable, la atribución es arriesgada.
Se debe prestar especial atención a las monedas y las inscripciones.
Las monedas resultan atractivas en el análisis de imágenes porque son numerosas y están estandarizadas. La IA puede ayudar a reconocer el retrato en la cara de la moneda (anverso) y el símbolo en su reverso (reverso). Pero la identificación de monedas requiere experiencia numismática: ya sea una inscripción desgastada, una acuñación falsa o una variante rara, la atribución errónea es demasiado obvia. La IA que dice "esta es la moneda de ese emperador" está definitivamente confirmada por un catálogo de monedas estándar. Lo mismo se aplica a los hallazgos inscritos y estampados.
Precaución: la IA tiende a "hacer coincidir" un hallazgo que se parece a un tipo famoso con ese tipo famoso; Obliga a ejemplos raros, locales o atípicos a seguir el patrón más familiar. Sea, en el mejor de los casos, escéptico ante la primera referencia a la IA en un hallazgo inusual.
tres mini casos
Caso 1: la clasificación previa redujo la carga. Se desenterraron 8.400 tiestos de cerámica en un asentamiento de la Edad del Hierro. La agrupación visual de IA dividió las partes en casi 40 grupos anteriores; En lugar de eliminar cada pieza desde cero, el experto revisó los grupos y el tiempo de clasificación se redujo en aproximadamente un tercio. El experto separó dos lotes diferentes de masa que AI había combinado incorrectamente.
Caso 2: Se detectó una atribución falsa. Un pasante presentó una moneda a la IA; La IA lo atribuyó con seguridad a un conocido tipo romano. Cuando el experto en numismática la comparó con el catálogo, vio que el orden del símbolo inverso y la leyenda (escritura en la moneda) eran diferentes y que se trataba de una imitación regional. La IA había forzado al tipo más familiar.
Caso 3: Problema de inconsistencia de color. Un equipo alimentó las fotografías de IA tomadas en diferentes días con diferente luz; Los colores de la masa eran inconsistentes y el agrupamiento estaba roto. Cuando el equipo cambió a una tarjeta de colores y un esquema de luz constante, la precisión de agrupación aumentó significativamente. Lección: la calidad de la imagen es calidad de clasificación.
Cuatro plantillas copiables
1) Descripción neutra:
Su función: asistente de descripción encontrada. Te daré una foto/datos de búsqueda. Enumere sólo las características OBSERVABLES de manera objetiva: forma (boca/fondo/cuerpo/mango), tamaño estimado, acabado de la superficie, color, decoración, condición de rotura/desgaste. NO HAGA REFERENCIA A UN PERIODO, CULTURA O LUGAR DE PRODUCCIÓN. Si no está seguro acerca de la función, escriba "incierto".
2) Preagrupación:
A continuación pegaré los datos de descripción de [N] piezas. Divídelos en grupos según la forma y la similitud de la masa. Para cada grupo: escriba las características comunes, los números de pieza que pertenecen al grupo y los criterios que conectan al grupo. Coloque las partes que no queden claras en una lista separada "para revisar". No proporcione un nombre de tipo exacto.
3) Elaboración de lista de verificación para citación:
Su función: consultor experto en cerámica. Para el siguiente grupo, enumere los criterios que necesito verificar al VERIFICAR el período/artículo de producción (análisis de masa, catálogo de referencia, búsqueda paralela, fecha de contexto, etc.). No hagas la referencia; Dime qué debo comprobar.
4) Inspección de calidad de las fotografías:
Evalúe las siguientes fotografías encontradas: ¿hay una barra de escala, la luz es consistente, la carta de colores es visible, el fondo es liso, la pieza es clara? ¿Qué fotografías se deben volver a tomar para clasificar? Enumere los problemas con el número de pieza.
Aviso débil / Aviso fuerte
Aviso débil:
¿De qué civilización era esta pieza de cerámica, cuántos años tenía y para qué se utilizaba?
La IA inventa una civilización, una edad y una función precisas a partir de una sola fotografía; Todos son infundados y confiados.
Potente mensaje:
Su función: asistente de descripción encontrada. Describa sólo las características observables de la pieza en la fotografía: forma parte (¿boca/fondo?), superficie (¿esmaltada/sin esmaltar, bruñida?), color, decoración, espesor estimado. Luego, basándose en esta descripción, dígame qué datos adicionales (análisis de masa, dibujo de perfil, contexto) se necesitan para aclarar función y período. No haga referencias precisas a civilización/edad.
Diferencia: el primero requiere decisión y recibe adaptación; el segundo requiere descripción y una hoja de ruta verificable.
Más allá de lo visual: masa, contexto y perfil
Un problema en el análisis de imágenes de IA es que solo observa la apariencia de la superficie. Sin embargo, la columna vertebral de la tipología arqueológica suele ser invisible a simple vista. La masa (el estado cocido de la arcilla, sus aditivos y su textura en la sección quebrada) revela dónde y cómo se produjo una vasija y qué fuente de arcilla se utilizó; Aunque dos piezas sean similares en superficie, si su masa es diferente, pueden pertenecer a tradiciones de producción diferentes. Por tanto, una clasificación seria requiere fotografiar la sección rota de la pieza.
Asimismo, el perfil (dibujo a escala de la sección lateral, carrocería y fondo de un barco) define la forma con mucha más precisión que una sola fotografía; El ángulo de la boca, el grosor del borde y la forma del fondo son indicadores de la época. La IA puede ayudar a extraer automáticamente el dibujo del perfil y agrupar perfiles similares, pero el experto verifica el dibujo y la medición. Finalmente, el contexto (en qué capa se encontró la pieza, con qué) es una fuerte pista de datación independiente de la similitud visual: las piezas en el mismo contexto cerrado suelen ser del mismo período. Si le das a la IA solo la foto y te saltas la textura, el perfil y el contexto, estás ignorando tu evidencia más valiosa.
Consejo: cuando le entregue un artefacto a la IA, proporcione tres vistas si es posible: superficie exterior, superficie interior y sección rota. También incluya el número de contexto y las medidas del perfil. Cuanto más imparciales sean los datos, más fiable será la agrupación.
Tabla de uso de IA por tipo de búsqueda
tipo de hallazgo
La IA es poderosa
Negocio arriesgado/humano
Verificación obligatoria
ceramica
Preagrupación de forma/masa
Periodo, referencia del lugar de producción.
Catálogo de referencia, análisis de masa.
moneda
Prerreconocimiento de cara/icono
Atribución, imitación/detección poco común
Catálogo de monedas, experto
Lítico (herramienta de piedra)
Medida de tipo y tamaño.
Función, revisión de tecnología.
Análisis de uso-desgaste
vidrio/metal
Color, forma previa separación
Composición, cronología
Análisis de laboratorio
pequeño hallazgo
Coincidencia de fotografías de inventario
Función, interpretación de importancia.
Contexto, ejemplo paralelo
Errores comunes
- Solicitar referencias en lugar de descripciones. Pregúntele a la IA “cómo se ve”, no “qué es”; Toma tu decisión con el catálogo.
- Clasificando con mala foto. Sin escala, luz y tarjeta de color, el resultado no es fiable.
- Aceptando la primera referencia de AI sobre este raro hallazgo. La IA fuerza el patrón atípico hacia el patrón más familiar.
- Saltarse datos de pegado/contexto. La similitud visual por sí sola es engañosa; La masa y el contexto son decisivos.
- Confundir agrupación preliminar con tipología definitiva. Agruparse es un comienzo; La tipología es una obra experta y de referencia.
En resumen
IA en clasificación encontrada; Ahorra mucho tiempo en descripción visual, extracción de características y tareas de agrupación preliminar. Pero la atribución cronológica cultural, la imitación/detección rara y la interpretación funcional pertenecen a los catálogos de expertos y de referencia. Dígale a AI que “describa”, no “describa”; estandarizar la calidad de las fotografías; verificar cada atribución con fuentes independientes; En casos raros, sea muy escéptico con la primera respuesta de la IA.
Tarea de aplicación
Prepare 10 imágenes encontradas que tenga (o elija de un catálogo) en formato estándar. Describe cada uno con la plantilla "Descripción neutral", luego agrúpalos con la plantilla "Preagrupación". Luego compare un grupo con un catálogo de referencia real y observe dónde la agrupación de la IA fue acertada y dónde estuvo mal.
lista de verificación
- [ ] Estandaricé las fotos con una tarjeta de escala, luz y color.
- [] Quería una descripción neutral de la IA, no una atribución.
- [ ] Comprobé la agrupación preliminar con ojo experto y catálogo de referencia.
- [] Cuestioné la atribución inicial de la IA en hallazgos raros/atípicos.
- [ ] He verificado cada referencia cultural-cronológica con fuentes independientes.