Dobici:
- Sposobnost korištenja umjetne inteligencije u radiokarbonskoj kalibraciji, serijaciji i multivarijantnoj analizi, te razumijevanje da odabir metode i pretpostavke pripadaju stručnjaku.
- Sposobnost prepoznavanja da radiokarbonski rezultat ima raspon vjerojatnosti i da je smanjenje nesigurnosti na jednu godinu znanstveno iskrivljenje
- Sposobnost preispitivanja valjanosti uzorka po principu 'smeće unutra, smeće van' i primijeniti refleks ne brkanja korelacije i uzročnosti
Arheologija se oslanja i na laboratorijske znanosti i na statistiku kako bi odgovorila na pitanje "kada". U ovoj cjelini vidjet ćemo kako umjetna inteligencija ubrzava zadatke kao što su datiranje (određivanje starosti nalaza ili sloja), radiokarbonska (C14) analiza, tipologija (sortiranje i periodiziranje nalaza prema njihovim formalnim karakteristikama) i serijacija (metoda kronološkog rasporeda konteksta prema promjeni tipova nalaza tijekom vremena), ali zašto je interpretacija znanstvenih rezultata uvijek prepuštena stručnjaku i ispravnoj metodi.
Osnovno načelo: AI ubrzava izračun, kalibraciju, statističko uzorkovanje i vizualizaciju; No koja je metoda prikladna, je li uzorak valjan ili ne i što rezultat znači zahtijeva znanstvenu prosudbu. Stavljanje krive statistike u lijep grafikon ne čini ga ispravnim.
Metode datiranja i AI
Radiokarbon (C14). Starost se izračunava iz raspada radioaktivnog ugljika u organskim ostacima. Neobrađeni rezultat je kalibriran pomoću krivulje koja se temelji na godovima drveća (kalibracija — korekcija koja pretvara neobrađenu radiokarbonsku starost u stvarnu kalendarsku godinu). AI ubrzava izračune kalibracije i komparativnu vizualizaciju više datuma. Ali umjetna inteligencija ne poznaje zamke kao što je problem starog drva (uzorak uzet sa stabla koje je živjelo stotinama godina mnogo je stariji od događaja u kojem je korišten); Kritika uzorka posao je stručnjaka.
Tipologija i serijacija. Učestalost tipova nalaza varira tijekom vremena; Vrsta se pojavljuje, postaje raširena, smanjuje se. Serijacija razvrstava kontekste pomoću ovog uzorka "deke". AI je moćan u pronalaženju tih obrazaca u velikim skupovima podataka i u multivarijatnoj analizi (statistika koja procjenjuje mnoge značajke istovremeno). Ali stručnjak može razlučiti je li rezultat rezultat kronološke ili funkcionalne/regionalne razlike.
Ostale metode. Metode kao što su dendrokronologija (prsten stabla), termoluminiscencija i arheomagnetizam također su od pomoći u AI izračunu i usporedbi; Izbor metode i interpretacija prepušteni su stručnjaku.
Savjet: kada umjetna inteligencija pokrene statistiku, pitajte "koju ste metodu koristili i koje su njezine pretpostavke?" pitati. Ako je metoda pogrešna (npr. izračunavanje prosjeka nesekvencijalnih podataka, ignoriranje outliera), rezultat će biti vizualno "čist", ali znanstveno netočan. Nemojte vjerovati grafikonu bez razumijevanja metode.
Snage i slabosti umjetne inteligencije u statistici
Snažan: Ponavljajući izračun, kalibracija, skeniranje uzoraka u velikim skupovima podataka, generiranje koda za vizualizaciju, brzo testiranje različitih metoda.
Slabo/rizično:
- Nemojte predlagati krivu metodu. AI može pouzdano preporučiti test koji ne odgovara podacima.
- Sljepoća uzorkovanja. Ne vidi mali, pristrani ili kontaminirani uzorak; "Ovo su podaci", kaže.
- Ekstreman komentar. Može prikazati slabu korelaciju kao jak rezultat; korelacija nije uzročnost (samo zato što se dvije stvari mijenjaju zajedno ne znači da jedna uzrokuje drugu).
- Izmišljeni broj. Ako se želi, može dati "uvjerljiv", ali nerealan datum ili vjerojatnost.
Oprez: Radiokarbonski datum nikada nije jedna "točna godina"; je raspon vjerojatnosti (npr. 750-680 pr. Kr. s 95% pouzdanosti). Ne dopustite umjetnoj inteligenciji da svede ishod na jednu godinu; Uvijek nosi neizvjesnost. Skrivanje neizvjesnosti znanstveno je iskrivljavanje.
tri mini kućišta
Slučaj 1 — Ubrzana kalibracija. Jedan projekt bi izvršio kalibraciju i komparativnu vizualizaciju 48 uzoraka radioaktivnog ugljika. AI je generirao kalibracijski kod i usporedne grafikone u minutama umjesto satima; Vještak je sam procijenio kontekste uzorkovanja i rizik starog drva te je dva uzorka označio "nepouzdanima".
Slučaj 2 — Uhvaćena pogrešna metoda. Jedan je učenik primijenio test koji je predložila umjetna inteligencija za pronalaženje frekvencija tipa i dobio "statistički značajan" rezultat. Statistički konzultant pokazao je da podaci nisu prikladni za ovaj test (pretpostavke su povrijeđene); S pravom metodom rezultat je bio besmislen. Pouka: izbor metode određuje ishod.
Slučaj 3 — Vraćena neizvjesnost. Tim bi izvijestio o jednom datumu iz AI sažetka za sloj, "720. pr. Kr." Stručnjak je izjavio da je raspon kalibra bio 800-680 pr. Kr., te da je samo jedna godina pogrešna. Izvješće ispravljeno s rasponom vjerojatnosti. Podnošenje neizvjesnosti je poštenje.
Četiri predloška za kopiranje
1) Upit o prikladnosti metode:
Vaša uloga: savjetnik za arheološku statistiku. Opisat ću sljedeće podatke i pitanje: [vrsta podataka, veličina uzorka, pitanje]. Recite mi o opcijama metoda ODOBRENIH s ovim podacima, PRETPOSTAVKAMA svake od njih i kako provjeriti ispunjava li prinos te pretpostavke. Neprikladne metode također treba rješavati na temelju.
2) Okvir interpretacije radiokarbona:
Ispod imam svoje kalibrirane radiokarbonske intervale: [popis]. Objasnite zamke kojih bih trebao biti svjestan kada ih tumačim (staro drvo, kontaminacija, učinak morskog rezervoara, odnos uzorak-događaj) i kako ispravno izraziti interval nesigurnosti. Ne dajte mu ni jednu godinu; održavati intervale.
3) Revizija statistike:
Proveo sam sljedeću analizu: [metoda i rezultat]. Molimo kritizirajte: odgovara li metoda podacima, vrijede li pretpostavke, je li uzorak dovoljan, postoje li odstupanja/mješavine, je li rezultat pretjerano interpretiran? Navedite svoje slabe točke; Nemojte potvrditi rezultat, preispitajte ga.
4) Vizualizacija (iskreno):
Pripremite grafikon/kod sa sljedećim podacima: [podaci]. MORA prikazati raspone nesigurnosti (traka pogreške/raspon). Postavite os i mjerilo bez pravljenja pogrešnih rezova. NEMOJTE DODAVATI točke koje nisu u podacima. Objasnite uz napomenu što grafikon radi, a što ne prikazuje.
Slab upit / Jak upit
Slab upit:
Analizirajte ove podatke o nalazima i navedite točan datum nalazišta.
AI može odabrati neprikladnu metodu i napraviti jedan točan datum; Skriva nesigurnost i ne vidi probleme s uzorkovanjem.
Snažan upit:
Vaša uloga: statistički savjetnik. Prinos: [definicija, veličina uzorka]. Prvo mi recite metodu i njezine pretpostavke prikladne za ove podatke, a zatim dajte rezultat s rasponom nesigurnosti ako ga primijenimo. Nemojte davati niti jedan definitivan datum. Također navedite koji rizici povezani s uzorkom (mali n, mješavina, staro drvo) mogu oslabiti rezultat.
Razlika: prvi proizvodi lažnu sigurnost; drugo, metoda ostavlja otvorene pretpostavke i nesigurnosti.
Bayesov pristup, uzorkovanje i "smeće unutra, smeće van"
Snažna metoda u modernom arheološkom datiranju je Bayesovo modeliranje (statistički pristup koji kombinira postojeće prethodne informacije - npr. "sloj A ispod B" - s mjerenjima za proizvodnju užih, realističnijih raspona datuma) koji kombinira višestruke radiokarbonske datume sa stratigrafskim nizovima. Ovaj pristup sužava široku nesigurnost pojedinačnih datuma ograničavajući ih na poznati redoslijed slojeva. AI može pomoći u izradi i izračunavanju ovih modela; ali koje prethodne informacije (stratigrafski odnosi) ulaze u model je odluka stručnjaka, a netočno prethodno ograničenje daje pouzdan, ali netočan rezultat.
Odavde dolazimo do najosnovnijeg statističkog principa modula: "smeće unutra, smeće van." Čak ni najnaprednija umjetna inteligencija i najelegantnija statistika ne mogu proizvesti dobre rezultate iz loših podataka. Kontaminirani uzorak radioaktivnim ugljikom, nalazi iz mješovitog konteksta ili pristrani uzorak ostat će nevažeći bez obzira na to koliko se obrade izvršilo. AI ne može vidjeti te probleme jer ne gleda podatke "izvana"; Prihvaća brojeve koje mu date kao stvarne. Samo stručnjak koji poznaje to područje može ocijeniti kako je uzorak prikupljen, iz kakvog konteksta dolazi i što predstavlja.
Dakle, prije nego što povjerujete bilo kakvim statističkim rezultatima, postavite ova tri pitanja: Je li uzorak velik i dovoljno reprezentativan? Jesu li konteksti pouzdani i nekonfuzni? Je li metoda mjerenja prikladna za ovo pitanje? Ako ne možete odgovoriti s "da" na ova tri pitanja, nije važno koliko se rezultat čini "značajnim".
Savjet: kada procjenjujete izlaz statistike, prvo pogledajte ulaz, a ne ishod. "Odakle ti podaci, kako, s koliko uzoraka?" pitanje eliminira većinu lažnih zaključaka čak i prije nego što pogledate grafikon.
Tablica zadataka analize
Potraga
Uloga umjetne inteligencije
ljudska odluka
provjera
C14 kalibracija
Izračun, vizualizacija
Valjanost uzorkovanja
Kontekst, staro drvo
serijacija
skeniranje uzoraka
Odvajanje kronologije/funkcije
Usporedba sa stratigrafijom
multivarijabilan
statistički kalkulator
Izbor metode
provjera pretpostavke
vizualizacija
Grafika/kod
pošteno zastupanje
neizvjesnost, razmjer
Komentirajte
Nacrt sažetka
značenje, granica
stručnjak, književnost
Uobičajene greške
- Primjena metode bez propitivanja. Pogrešan test daje "čist", ali pogrešan rezultat.
- Smanjenje neizvjesnosti na jednu godinu. Radiokarbon je raspon; Jedna godina je varljiva.
- Zaobilaženje problema uzorkovanja. Mali/prljavi/pristrani uzorak poništava rezultat.
- Zamjena korelacije za uzročnost. Zajedničko mijenjanje nije uzrok i posljedica.
- Zavarati grafikom. Isprekidana os, skrivena neizvjesnost je znanstveno iskrivljenje.
Ukratko
AI u datiranju i statistici; To je snažan akcelerator za kalibraciju, skeniranje uzoraka, proračun i vizualizaciju. Ali izbor metode, kritika uzorka, iskreno izražavanje nesigurnosti i tumačenje rezultata pripadaju znanstvenoj prosudbi. Nemojte vjerovati grafikonu bez razumijevanja metode; uvijek nosi neizvjesnost; i oduprijeti se inzistiranju na jednom "točnom datumu".
Zadatak aplikacije
Pripremite uzorak tablice učestalosti nalaza ili skup kalibriranih intervala radiokarbona. Neka se odgovarajuća analiza i njezine pretpostavke identificiraju s predloškom "Upit o prikladnosti metode", a zatim neka se analiza kritizira s predloškom "Statistical audit". Izradite skicu grafikona koja prikazuje raspone nesigurnosti s predloškom "Vizualizacija (pošteno)" i izbjegnite jednogodišnje diskontiranje.
popis za provjeru
- [ ] Provjerio sam odabir metode i pretpostavke.
- [ ] Doveo sam u pitanje valjanost uzorka (veličina, mješavina, staro drvo).
- [ ] Neizvjesnost sam zadržao kao interval, nisam je sveo na jednu godinu.
- [ ] Nisam brkao korelaciju s uzročnom vezom.
- [ ] Iskreno sam pokazao razmjere i neizvjesnost u grafikonu.