Gains :
- Utiliser l'intelligence artificielle dans la description impartiale et le regroupement visuel préliminaire des découvertes, et être capable de distinguer la référence culturelle et chronologique du travail de l'expert avec le catalogue de référence.
- Capacité à comprendre comment la qualité des photos (échelle, lumière, carte de couleurs) et les données métavisuelles telles que la texture, le profil et le contexte déterminent l'exactitude de la classification.
- Capacité à reconnaître la tendance de l'intelligence artificielle à forcer le modèle le plus familier dans les découvertes rares et atypiques et à confirmer chaque attribution auprès d'une source indépendante
L'une des tâches les plus fatigantes mais aussi instructives d'une fouille est la classification des trouvailles (séparant les objets trouvés selon leur type, leur forme et leur période). Des dizaines de milliers de pièces de céramique, des centaines de pièces de monnaie, des outils en pierre (lithiques), des objets en os, en verre et en métal découverts au cours d'une saison doivent être examinés et enregistrés un par un. Dans cette unité, nous apprendrons comment l'analyse d'image (extraction automatique de caractéristiques telles que la forme, la couleur, la texture d'une photographie d'un objet) et la classification basée sur l'IA accélèrent le travail de recherche, mais pourquoi la décision finale d'attribution revient toujours à l'expert.
Le principe de base est le suivant : l’IA regroupe rapidement ceux qui se ressemblent ; mais on peut faire une référence culturelle et chronologique telle que « cette pièce est une production grecque orientale du 6ème siècle avant JC » sur la base du catalogue de référence et de l'œil expert. L’IA est un assistant de pré-tri et de mesure, pas une autorité en matière de typologie.
Étapes de classification des recherches
1. Capture visuelle. Chaque trouvaille est photographiée dans un ordre standard, avec une barre d'échelle (règle indiquant la taille) et une carte de couleurs. Une lumière et un arrière-plan cohérents sont essentiels pour l’analyse d’images par l’IA ; Une mauvaise photo signifie une mauvaise classification.
2. Extraction de fonctionnalités. IA ; Il extrait des caractéristiques mesurables telles que le profil du bord, la forme (bord, fond, poignée), le traitement de surface (polissage, verre, peinture), la couleur et la texture de la pâte. La pâte (la forme cuite de l'argile ; sa couleur et ses additifs indiquent le lieu et la technique de production) est l'épine dorsale de la typologie archéologique.
3. Pré-regroupement. L’IA trie des milliers de pièces en groupes en fonction de leur similarité visuelle : « probablement le même contenant », « forme similaire », « pâte similaire ». Cela place des piles ordonnées devant l'expert.
4. Attribution des experts. L'expert attribue à chaque groupe période, lieu de production et fonction à travers des catalogues de référence, des séries types et sa propre expérience. L'IA disant "c'est la période romaine" est un indice, pas une décision.
5. Inscription. Chaque trouvaille entre dans la base de données avec son numéro de contexte, ses mesures, sa photographie et son attribution (c'est l'objet de l'unité 5).
Astuce : demandez à l'IA de « décrire » une découverte, et non de la « décrire ». "De quelle époque sommes-nous ?" demandez plutôt « énumérez objectivement les caractéristiques mesurables (forme, bord, surface, couleur) de cette pièce » ; Vous décidez de la période avec le catalogue de référence. La description est fiable, l'attribution est risquée.
Une attention particulière doit être portée aux pièces de monnaie et aux inscriptions.
Les pièces sont attractives en analyse d’images car elles sont nombreuses et standardisées. L'IA peut aider à reconnaître le portrait sur le recto de la pièce (avers) et le symbole sur son revers (revers). Mais l’identification des pièces nécessite une expertise numismatique : qu’il s’agisse d’une inscription usée, d’un tirage contrefait ou d’une variante rare, une attribution erronée n’est que trop évidente. L'IA disant "c'est la pièce de monnaie de cet empereur" est définitivement confirmée par un catalogue de pièces standard. Il en va de même pour les trouvailles inscrites et estampillées.
Attention : l'IA a tendance à « faire correspondre » une découverte qui ressemble à un type célèbre à ce type célèbre ; Il force les exemples rares, locaux ou atypiques à adopter le schéma le plus familier. Soyez au mieux sceptique quant à la première référence à l’IA dans une découverte inhabituelle.
trois mini-cases
Cas 1 — Le pré-tri a réduit la charge. 8 400 tessons de céramique ont été découverts dans une colonie de l’âge du fer. Le regroupement visuel de l'IA a divisé les parties en près de 40 groupes antérieurs ; Au lieu d’éliminer chaque pièce de zéro, l’expert a parcouru les grappes et le temps de tri a été réduit d’environ un tiers. L’expert a séparé deux lots différents de pâte que AI avait mal combinés.
Cas 2 — Fausse attribution détectée. Un stagiaire a introduit une pièce de monnaie dans l'IA ; L'IA l'a attribué avec confiance à un type romain bien connu. Lorsque l'expert en numismatique l'a comparé au catalogue, il a constaté que l'ordre des symboles au revers et de la légende (écriture sur la pièce) était différent et qu'il s'agissait d'un tirage d'imitation régional. L'IA avait forcé le type le plus familier.
Cas 3 — Problème d'incohérence des couleurs. Une équipe a alimenté les photos de l'IA prises à différents jours sous un éclairage différent ; Les couleurs de la pâte étaient incohérentes et le regroupement était rompu. Lorsque l’équipe est passée à une carte de couleurs et à un système de lumière constante, la précision du regroupement a considérablement augmenté. Leçon : la qualité de l’image est la qualité de la classification.
Quatre modèles copiables
1) Description neutre :
Votre rôle : assistant de description trouvée. Je vais vous donner une photo/données de recherche. Ne lister que les caractéristiques OBSERVABLES de manière objective : forme (bouche/fond/corps/poignée), taille estimée, état de surface, couleur, décoration, état de casse/usure. NE PAS FAIRE RÉFÉRENCE À UNE PÉRIODE, UNE CULTURE OU UN LIEU DE PRODUCTION. Si vous n'êtes pas sûr de cette fonctionnalité, écrivez « incertain ».
2) Pré-regroupement :
Ci-dessous, je vais coller les données de description de [N] pièces. Divisez-les en groupes selon la forme et la similitude de la pâte. Pour chaque groupe : écrivez les caractéristiques communes, les numéros de pièces qui entrent dans le groupe et les critères qui relient le groupe. Mettez toutes les parties qui restent floues sur une liste distincte « à réviser ». Ne donnez pas de nom de type exact.
3) Production d'une liste de contrôle pour la citation :
Votre rôle : consultant expert en céramique. Pour le groupe suivant, listez les critères que je dois vérifier lors de la VÉRIFICATION de l'élément de période/production (analyse de la pâte, catalogue de référence, recherche parallèle, date de contexte, etc.). Ne faites pas cette référence ; Dites-moi ce que je dois vérifier.
4) Contrôle de la qualité des photos :
Évaluez les photos trouvées suivantes : y a-t-il une barre d'échelle, la lumière est-elle cohérente, la carte de couleurs est-elle visible, le fond est-il uni, la pièce est-elle claire ? Quelles photos doivent être reprises pour le classement ? Répertoriez les problèmes avec le numéro de pièce.
Invite faible/Invite forte
Invite faible :
De quelle civilisation provient cette poterie, quel âge avait-elle et à quoi servait-elle ?
L’IA concocte une civilisation précise, un âge précis et une fonction précise à partir d’une seule photographie ; Tous sont sans fondement et confiants.
Invite puissante :
Votre rôle : assistant de description trouvée. Décrivez uniquement les caractéristiques observables de la pièce sur la photographie : forme de la pièce (bouche/fond ?), surface (émaillée/non émaillée, brunie ?), couleur, décor, épaisseur estimée. Ensuite, sur la base de cette description, dites-moi quelles données supplémentaires (analyse de la pâte, dessin de profil, contexte) sont nécessaires pour clarifier la fonction et la période. Ne faites pas de référence précise à la civilisation/à l’âge.
Différence : le premier nécessite une décision et est ajusté ; la seconde nécessite une description et une feuille de route vérifiable.
Au-delà du visuel : pâte, contexte et profil
L’un des pièges de l’analyse d’images IA est qu’elle ne s’intéresse qu’à l’apparence de la surface. Cependant, l’épine dorsale de la typologie archéologique est souvent invisible à l’œil nu. La pâte (l'état cuit de l'argile, ses additifs et sa texture dans la section brisée) révèle où et comment un récipient a été produit et quelle source d'argile a été utilisée ; Même si deux pièces sont similaires en surface, si leur pâte est différente, elles peuvent appartenir à des traditions de production différentes. Par conséquent, une classification sérieuse nécessite que la section cassée de la pièce soit photographiée.
De même, le profil (dessin à l'échelle de la partie latérale du fond d'un navire) définit la forme beaucoup plus précisément qu'une simple photographie ; L'angle de la bouche, l'épaisseur des bords et la forme du fond sont des indicateurs de l'époque. L'IA peut aider à extraire automatiquement le dessin du profil et à regrouper les profils similaires, mais l'expert vérifie le dessin et les mesures. Enfin, le contexte (dans quelle couche la pièce a été trouvée, avec quoi) est un indice de datation puissant, indépendant de la similitude visuelle : les pièces situées dans un même contexte fermé sont souvent de la même période. Si vous donnez à l'IA uniquement la photo et ignorez la texture, le profil et le contexte, vous ignorez vos preuves les plus précieuses.
Astuce : Lorsque vous donnez un artefact à l'IA, fournissez si possible trois vues : surface extérieure, surface intérieure et section brisée. Incluez également le numéro de contexte et toutes les mesures de profil. Plus les données sont impartiales, plus le regroupement est fiable.
Tableau d'utilisation de l'IA par type de recherche
Type de trouvaille
L'IA est puissante
Entreprise risquée/humaine
Vérification obligatoire
céramique
Pré-regroupement forme/pâte
Période, référence du lieu de production
Catalogue de référence, analyse des pâtes
pièce de monnaie
Pré-reconnaissance de visage/icône
Attribution, imitation/détection rare
Catalogue de monnaies, expert
Lithique (outil en pierre)
Mesure du type et de la taille
Fonction, revue de la technologie
Analyse d'usure
verre/métal
Couleur, forme pré-séparation
Composition, chronologie
Analyse en laboratoire
petite trouvaille
Correspondance des photos d'inventaire
Fonction, interprétation de l'importance
Contexte, exemple parallèle
Erreurs courantes
- Demander des références plutôt que des descriptions. Demandez à l’IA « à quoi elle ressemble » et non « à quoi elle est » ; Prenez votre décision avec le catalogue.
- Classement avec mauvaise photo. Sans échelle, lumière et carte de couleurs, la sortie n'est pas fiable.
- Accepter la première référence d'AI à la trouvaille rare. L’IA force le modèle atypique à devenir le modèle le plus familier.
- Sauter les données de collage/contexte. La similarité visuelle à elle seule est trompeuse ; la pâte et le contexte sont décisifs.
- Confondre un regroupement préliminaire avec une typologie définitive. Le regroupement est un début ; La typologie est un ouvrage d'expertise et de référence.
En résumé
IA dans la classification trouvée ; Cela permet de gagner beaucoup de temps dans la description visuelle, l’extraction de fonctionnalités et les tâches de regroupement préliminaires. Mais l'attribution culturelle et chronologique, la détection d'imitation/rare et l'interprétation fonctionnelle appartiennent aux catalogues d'experts et de référence. Dites à l’IA « décrire » et non « décrire » ; normaliser la qualité des photos ; vérifier chaque attribution auprès de sources indépendantes ; Dans des cas rares, soyez très sceptique quant à la première réponse de l'IA.
Tâche de candidature
Préparez 10 images trouvées dont vous disposez (ou choisissez dans un catalogue) au format standard. Décrivez chacun d'entre eux avec le modèle "Description neutre", puis regroupez-les avec le modèle "Pré-regroupement". Comparez ensuite un groupe à un véritable catalogue de référence et notez où le regroupement de l'IA était parfait et où il était erroné.
liste de contrôle
- [ ] J'ai standardisé les photos avec une carte d'échelle, de lumière et de couleurs.
- [ ] Je voulais une description neutre de l'IA, pas une attribution.
- [ ] J'ai vérifié le regroupement préliminaire avec un œil expert et un catalogue de référence.
- [ ] J'ai remis en question l'attribution initiale de l'IA dans les découvertes rares/atypiques.
- [ ] J'ai vérifié chaque référence culturelle et chronologique auprès de sources indépendantes.