Kasu:
- Oskus kasutada tehisintellekti radiosüsiniku kalibreerimisel, jadamisel ja mitme muutujaga analüüsil ning mõista, et meetodi valik ja eeldused on eksperdi omad.
- Võime mõista, et radiosüsiniku tulemusel on suur tõenäosusvahemik ja et määramatuse vähendamine ühele aastale on teaduslik moonutus
- Oskus seada kahtluse alla proovi paikapidavus põhimõttel „prügi sisse, prügi välja” ning rakendada korrelatsiooni ja põhjuslikkuse mitte segi ajamise refleksi
Arheoloogia tugineb küsimusele "millal" vastamiseks nii laboriteadustele kui ka statistikale. Selles üksuses näeme, kuidas tehisintellekt kiirendab selliseid ülesandeid nagu dateerimine (leiu või kihi vanuse määramine), radiosüsiniku (C14) analüüs, tüpoloogia (leidude sortimine ja periodiseerimine vastavalt nende formaalsetele omadustele) ja järjestamine (meetod kontekstide kronoloogiliseks järjestamiseks vastavalt leiutüüpide muutumisele ajas), kuid miks on alati teaduslike tulemuste õige tõlgendamise meetod jäetud ekspertidele.
Põhiprintsiip: AI kiirendab arvutamist, kalibreerimist, statistilist mustrit ja visualiseerimist; Kuid milline meetod on sobiv, kas valim on kehtiv või mitte ja mida tulemus tähendab, on vaja teaduslikku hinnangut. Vale statistika panemine ilusasse graafikusse ei muuda seda õigeks.
Tutvumismeetodid ja AI
Radiosüsinik (C14). Vanust arvutatakse radioaktiivse süsiniku lagunemise põhjal orgaanilistes jäänustes. Toortulemus kalibreeritakse puurõngastel põhineva kõveraga (kalibreerimine — parandus, mis teisendab radiosüsiniku töötlemata vanuse tegelikuks kalendriaastaks). AI kiirendab kalibreerimisarvutusi ja mitme kuupäeva võrdlevat visualiseerimist. Kuid tehisintellekt ei tunne selliseid püüniseid nagu vana puiduprobleem (sadu aastaid elanud puult võetud proov on palju vanem kui sündmus, milles seda kasutati); Näidiskriitika on eksperdi töö.
Tüpoloogia ja seeriastamine. Leiutüüpide sagedus on ajas erinev; Ilmub tüüp, levib laialt, väheneb. Seriation sorteerib kontekstid selle "teki" mustri abil. AI on võimas nende mustrite leidmisel suurtes andmekogumites ja mitme muutujaga analüüsis (statistika, mis hindab paljusid funktsioone samaaegselt). Kuid ekspert suudab eristada, kas tulemus on tingitud kronoloogilisest või funktsionaalsest/regionaalsest erinevusest.
Muud meetodid. AI arvutamisel ja võrdlemisel on abiks ka sellised meetodid nagu dendrokronoloogia (puurõngas), termoluminestsents ja arheomagnetism; Meetodi valik ja tõlgendamine on jäetud eksperdi hooleks.
Näpunäide: tehisintellektil statistikat tehes küsige küsimust "millist meetodit kasutasite ja millised on selle eeldused?" küsi. Kui meetod on vale (nt mittejärjestikuliste andmete keskmistamine, kõrvalekalde ignoreerimine), on tulemus visuaalselt "puhas", kuid teaduslikult vale. Ärge usaldage diagrammi ilma meetodist aru saamata.
AI tugevused ja nõrkused statistikas
Võimas: korduv arvutamine, kalibreerimine, mustrite skaneerimine suurtes andmekogumites, visualiseerimiskoodi genereerimine, erinevate meetodite kiire testimine.
Nõrk/riskantne:
- Ärge soovitage vale meetodit. AI võib julgelt soovitada testi, mis andmetega ei sobi.
- Proovivõtu pimedus. See ei näe väikest, kallutatud või saastunud proovi; "See on andmed," ütleb ta.
- Äärmuslik kommentaar. See võib tugeva tulemusena esitada nõrga korrelatsiooni; korrelatsioon ei ole põhjuslik seos (see, et kaks asja koos muutuvad, ei tähenda, et üks põhjustab teist).
- Väljamõeldud number. Soovi korral võib see anda "usutava", kuid ebareaalse kuupäeva või tõenäosuse.
Ettevaatust: radiosüsiniku kuupäev ei ole kunagi üks "täpne aasta"; on tõenäosusvahemik (nt 750-680 eKr 95% usaldusega). Ärge laske tehisintellektil vähendada tulemust ühele aastale; Kandke alati ebakindlust. Ebakindluse varjamine on teaduslik moonutus.
kolm minikarpi
Juhtum 1 – kalibreerimine on kiirendatud. Ühe projekti raames teostataks 48 radiosüsiniku proovi kalibreerimine ja võrdlev visualiseerimine. AI genereeris kalibreerimiskoodi ja võrdlusgraafikud minutites, mitte tundides; Ekspert ise hindas vana puidu proovide võtmise kontekste ja riski ning märkis kaks proovi "ebausaldusväärseks".
Juhtum 2 – tabati vale meetod. Üks õpilane rakendas tüübisageduste leidmiseks tehisintellekti soovitatud testi ja sai "statistiliselt olulise" tulemuse. Statistikakonsultant näitas, et andmed selle testi jaoks ei sobi (eeldusi rikuti); Õige meetodiga oli tulemus mõttetu. Õppetund: meetodi valik määrab tulemuse.
Juhtum 3 – ebakindlus tagasi lükatud. Meeskond teatab AI-kokkuvõttest ühe kuupäeva kihi "720 eKr" kohta. Ekspert väitis, et kaliibrivahemik oli 800–680 eKr ja üksik aasta oli eksitav. Aruanne on parandatud tõenäosusvahemikuga. Ebakindluse kandmine on ausus.
Neli kopeeritavat malli
1) meetodi sobivuse päring:
Sinu roll: arheoloogilise statistika konsultant. Kirjeldan järgmisi andmeid ja küsimust: [andmetüüp, valimi suurus, küsimus]. Rääkige mulle nende andmetega HEAKSKIIDETUD meetodivalikutest, igaühe EELDUStest ja sellest, kuidas kontrollida, kas tootlus vastab nendele eeldustele. Sobimatuid meetodeid tuleks käsitleda ka põhjustel.
2) Radiosüsiniku tõlgendamise raamistik:
Allpool on minu kalibreeritud radiosüsiniku intervallid: [loend]. Selgitage lõkse, mida peaksin nende tõlgendamisel teadma (vana puit, saastumine, merereservuaari efekt, proovide ja sündmuste suhe) ja kuidas mõõtemääramatuse intervalli õigesti väljendada. Ärge andke sellele ühtegi aastat; hoida intervalle.
3) Statistika audit:
Viisin läbi järgmise analüüsi: [meetod ja tulemus]. Palun kritiseerige: kas meetod sobib andmetega, kas eeldused peavad paika, kas valim on piisav, kas esineb kõrvalekaldeid/segusid, kas tulemust tõlgendatakse üle? Loetlege oma nõrgad küljed; Ärge kinnitage tulemust, vaid seadke kahtluse alla.
4) Visualiseerimine (aus):
Koostage diagramm/kood järgmiste andmetega: [andmed]. PEAB näitama mõõtemääramatuse vahemikke (veariba/vahemik). Seadistage telg ja skaala ilma eksitavaid lõikeid tegemata. ÄRGE LISAGE punkte, mida andmetes pole. Selgitage märkmega, mida graafik teeb ja mida mitte.
Nõrk viip / Tugev viip
Nõrk viip:
Analüüsige neid leiuandmeid ja märkige saidi täpne kuupäev.
AI võib valida sobimatu meetodi ja määrata ühe täpse kuupäeva; See varjab ebakindlust ega näe proovivõtuprobleeme.
Võimas viip:
Sinu roll: statistikakonsultant. Tootlus: [määratlus, valimi suurus]. Esmalt öelge mulle nende andmete jaoks sobiv meetod ja selle eeldused, seejärel andke tulemus koos määramatuse vahemikuga, kui seda rakendame. Ärge andke ühtegi kindlat kuupäeva. Märkige ka, millised prooviga seotud riskid (väike n, segu, vana puit) võivad tulemust nõrgendada.
Erinevus: esimene annab vale kindluse; teiseks hoiab meetod lahtised eeldused ja ebakindlus.
Bayesi lähenemine, proovide võtmine ja "prügi sisse, prügi välja"
Kaasaegse arheoloogilise dateerimise võimas meetod on Bayesi modelleerimine (statistiline lähenemine, mis ühendab olemasoleva eelneva teabe – nt "kiht A on B aluseks" - mõõtmistega, et saada kitsamaid ja realistlikumaid kuupäevavahemikke), mis ühendab mitu radiosüsiniku daatumit stratigraafiliste järjestustega. See lähenemine kitsendab üksikute kuupäevade suurt ebakindlust, piirates neid kihtide teadaoleva järjekorraga. AI võib aidata neid mudeleid luua ja arvutada; kuid see, milline eelinformatsioon (stratigraafilised seosed) mudelisse läheb, on eksperdi otsus ja vale eelpiirang annab kindla, kuid ebatäpse tulemuse.
Siit jõuame mooduli kõige elementaarsema statistilise põhimõtteni: "prügi sisse, prügi välja". Isegi kõige arenenum AI ja kõige elegantsem statistika ei saa halbadest andmetest häid tulemusi anda. Saastunud radiosüsiniku proov, leiud segakontekstist või kallutatud proov jäävad kehtetuks olenemata sellest, kui palju töödeldakse. AI ei näe neid probleeme, sest ta ei vaata andmeid "väljastpoolt"; See aktsepteerib teie antud numbreid tõelistena. Ainult valdkonda tundev ekspert saab hinnata, kuidas valim koguti, mis kontekstist see pärineb ja mida see esindab.
Nii et enne statistiliste tulemuste usaldamist küsige kolm küsimust: kas valim on piisavalt suur ja esinduslik? Kas kontekstid on usaldusväärsed ja segased? Kas mõõtmismeetod on selle küsimuse jaoks sobiv? Kui te ei saa neile kolmele küsimusele "jah" vastata, pole vahet, kui "oluline" tulemus tundub.
Näpunäide. Statistika väljundi hindamisel vaadake esmalt sisendit, mitte tulemust. "Kust need andmed pärinevad, kuidas, mitme prooviga?" küsimus välistab enamiku valed järeldused enne graafiku vaatamist.
Analüüsi ülesannete tabel
Quest
AI roll
inimlik otsus
kontrollimine
C14 kalibreerimine
Arvutamine, visualiseerimine
Valimi kehtivus
Kontekst, vana puit
seriaaliseerimine
mustri skaneerimine
Kronoloogia/funktsioonide eraldamine
Võrdlus stratigraafiaga
mitme muutujaga
statistika kalkulaator
Meetodi valik
oletuse kontroll
visualiseerimine
Graafika/kood
aus esindus
määramatus, ulatus
kommenteerida
Kokkuvõttev mustand
tähendus, piirang
ekspert, kirjandus
Levinud vead
- Meetodi rakendamine ilma küsitlemata. Vale test annab "puhta", kuid vale tulemuse.
- Ebakindluse vähendamine ühele aastale. Radiocarbon on vahemik; Üks aasta on eksitav.
- Proovivõtu probleemidest möödahiilimine. Väike/määrdunud/kallutatud proov muudab tulemuse kehtetuks.
- Põhjusliku seose eksimine. Koos muutumine ei ole põhjus ja tagajärg.
- Eksita graafikaga. Katkendtelg, varjatud ebakindlus on teaduslik moonutus.
Kokkuvõttes
AI tutvumises ja statistikas; See on võimas kiirendi kalibreerimiseks, mustrite skaneerimiseks, arvutamiseks ja visualiseerimiseks. Kuid meetodi valik, näidiskriitika, ebakindluse aus väljendamine ja tulemuse tõlgendamine kuuluvad teadusliku hinnangu alla. Ärge usaldage diagrammi ilma meetodist aru saamata; kannavad alati ebakindlust; ja seisma vastu ühe "täpse kuupäeva" nõudmisele.
Rakenduse ülesanne
Valmistage ette proovi leidmise sagedustabel või kalibreeritud radiosüsiniku intervallide komplekt. Laske sobiv analüüs ja selle eeldused tuvastada malliga "Meetodi sobivuse päring", seejärel laske analüüsi kritiseerida malliga "Statistiline audit". Koostage malliga „Visualiseerimine (aus)” diagrammi visand, mis näitab määramatuse vahemikke, ja vältige ühe aasta allahindlust.
kontrollnimekiri
- [ ] Olen kontrollinud meetodi valikut ja eeldusi.
- [ ] Seadsin kahtluse alla proovi kehtivuse (suurus, segu, vana puit).
- [ ] Jätsin määramatuse intervalliks, ei vähendanud seda ühele aastale.
- [ ] Ma ei ajanud korrelatsiooni segamini põhjusliku seosega.
- [ ] Olen diagrammis ausalt näidanud mastaapi ja ebakindlust.