Nyereség:
- Mesterséges intelligencia alkalmazása a leletanyag elfogulatlan leírásában és vizuális előzetes csoportosításában, valamint a kulturális-kronológiai hivatkozás megkülönböztetése a referenciakatalógussal végzett szakértői munkától.
- Képesség annak megértésére, hogy a fényképminőség (méretarány, fény, színkártya) és a metavizuális adatok, például textúra, profil, kontextus hogyan határozzák meg az osztályozás pontosságát.
- Képes felismerni a mesterséges intelligencia azon tendenciáját, hogy a ritka és atipikus leletekben a legismertebb mintát kényszerítse ki, és minden egyes attribúciót független forrással megerősítsen
Az ásatás egyik legfárasztóbb, de leginformatívabb feladata a leletosztályozás (a talált tárgyak típus, forma és időszak szerinti szétválasztása). Egy-egy szezonban előkerült több tízezer kerámiadarabot, több száz érmét, kőeszközt (litikus), csont-, üveg- és fémtárgyat kell egyenként megvizsgálni és rögzíteni. Ebben az egységben megtudhatjuk, hogy a képelemzés (az objektum fényképéről olyan jellemzők, mint az alak, szín, textúra automatikus kinyerése) és az AI-alapú osztályozás hogyan gyorsítja fel a keresési munkát, de miért marad mindig a szakértőnél a végső hozzárendelési döntés.
Az alapelv a következő: a mesterséges intelligencia gyorsan csoportosítja a hasonlónak látszókat; de lehet olyan kulturális-kronológiai utalást tenni, mint például "ez a darab egy Kr.e. VI. századi kelet-görög produkció" a referenciakatalógus és a szakértői szem alapján. Az AI egy előválogató és mérési asszisztens, nem pedig tipológiai hatóság.
Az osztályozás megtalálásának lépései
1. Vizuális rögzítés. Minden leletet szabványos sorrendben fényképeznek le, méretaránnyal (a méretet mutató vonalzóval) és színkártyával. A konzisztens fény és háttér kritikus fontosságúak az AI képelemzésben; A rossz fotó rossz besorolást jelent.
2. Funkció kivonás. AI; Mérhető jellemzőket von ki, mint például élprofil, forma (perem, fenék, fogantyú), felületkezelés (polírozás, üveg, festék), paszta színe és textúrája. A tészta (az agyag égetett formája; színe és adalékanyagai jelzik az előállítás helyét és technikáját) a régészeti tipológia gerince.
3. Előcsoportosítás. A mesterséges intelligencia alkatrészek ezreit rendezi klaszterekbe vizuális hasonlóság alapján: „valószínűleg ugyanaz a tartály”, „hasonló forma”, „hasonló tészta”. Ez rendezett kupacokat állít a szakértő elé.
4. Szakértői hozzárendelés. A szakértő referenciakatalógusokon, típussorozatokon és saját tapasztalatain keresztül az egyes csoportokhoz időszakot, gyártási helyet és funkciót rendel. A mesterséges intelligencia, amely szerint "ez a római korszak" utalás, nem döntés.
5. Regisztráció. Minden lelet bekerül az adatbázisba a kontextusszámával, méréseivel, fényképével és forrásmegjelölésével (ez az 5. egység témája).
Tipp: A mesterséges intelligencia „leírjon” egy leletet, ne „leírja”. – Milyen korszak ez? ehelyett kérdezze meg: „objektíven sorolja fel ennek a résznek a mérhető jellemzőit (forma, él, felület, szín)”; Az időszakra vonatkozóan a referenciakatalógus alapján dönt. A leírás megbízható, a hozzárendelés kockázatos.
Különös figyelmet kell fordítani az érmékre és a feliratokra.
Az érmék vonzóak a képelemzésben, mert számos és szabványosított. A mesterséges intelligencia segíthet felismerni az érme arcképét (avers) és a szimbólumot a hátoldalán (fordítva). Az érmék azonosítása azonban numizmatikai szakértelmet igényel: legyen szó kopott feliratról, hamis pénzverésről vagy ritka változatról, a téves hozzárendelés túlságosan nyilvánvaló. A mesterséges intelligencia mondása, hogy "ez annak a császárnak az érme", határozottan megerősíti egy szabványos érmekatalógusban. Ugyanez vonatkozik a feliratos és pecsétes leletekre is.
Vigyázat: a mesterséges intelligencia hajlamos egy híres típusra emlékeztető leletet a híres típusra "megegyezni"; A ritka, helyi vagy atipikus példákat a legismertebb mintába kényszeríti. A legjobb esetben is legyen szkeptikus a mesterséges intelligencia első utalásával kapcsolatban egy szokatlan leletben.
három mini tok
1. eset – Az előválogatás csökkentette a terhelést. 8400 kerámiaszilánk került elő egy vaskori településen. Az AI vizuális csoportosítása a részeket közel 40 korábbi klaszterre osztotta; Ahelyett, hogy minden egyes darabot a semmiből eltávolított volna, a szakértő végigjárta a klasztereket, és a válogatási idő körülbelül harmadával csökkent. A szakértő két különböző tésztát választott szét, amelyeket az AI helytelenül kombinált.
2. eset – Hamis attribúciót észleltek. Egy gyakornok bevezetett egy érmét az MI-be; Az AI magabiztosan egy jól ismert római típusnak tulajdonította. Amikor a numizmatikus összevetette a katalógussal, azt látta, hogy a fordított szimbólum és jelmagyarázat (az érmére való írás) sorrendje eltérő, és ez egy regionális pénzverés utánzat. Az AI a legismertebb típust kényszerítette ki.
3. eset – Színkonzisztencia probléma. Az egyik csapat különböző napokon, különböző fényben készült mesterséges intelligencia-fotókat táplálta; A tészta színei nem voltak egységesek, és a csoportosítás megszakadt. Amikor a csapat színkártyára és állandó fénysémára váltott, a csoportosítási pontosság jelentősen megnőtt. Tanulság: a képminőség az osztályozás minősége.
Négy másolható sablon
1) Semleges leírás:
Az Ön szerepköre: megtalált leíró asszisztens. Adok egy leletképet/adatot. Csak a MEGFIGYELHETŐ jellemzőket sorolja fel objektíven: forma (száj/alsó/test/fogantyú), becsült méret, felületkezelés, szín, díszítés, törés/kopás állapota. NE HIVATKOZzék AZ IDŐSZAKRA, KULTÚRÁRA VAGY GYÁRTÁSI HELYRE. Ha nem biztos a funkcióban, írja be, hogy "bizonytalan".
2) Előzetes csoportosítás:
Alább [N] alkatrész leírási adatait fogom beilleszteni. Osszuk csoportokba őket forma és tészta hasonlóság szerint. Minden csoporthoz: írja le a közös jellemzőket, a csoportba tartozó cikkszámokat és a csoportot összekötő kritériumokat. Tegye fel a tisztázatlan részeket egy külön „ellenőrizendő” listára. Ne adjon meg pontos típusnevet.
3) Ellenőrzőlista létrehozása idézéshez:
Feladata: kerámia szakértő tanácsadó. A következő csoporthoz sorolja fel azokat a kritériumokat, amelyeket ellenőriznem kell az időszak/termelési cikk ELLENŐRZÉSE során (tésztaelemzés, referenciakatalógus, párhuzamos keresés, kontextus dátuma stb.). Ne hivatkozzon; Mondd meg, mit kell ellenőriznem.
4) Fényképminőség-ellenőrzés:
Értékelje a következő talált képeket: van-e skála, egyenletes-e a fény, látható-e a színkártya, sima a háttér, tiszta a darab? Mely fényképeket kell újra készíteni az osztályozáshoz? Sorolja fel a problémákat a cikkszámmal.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Melyik civilizációból származott ez a kerámiadarab, hány éves volt és mire használták?
A mesterséges intelligencia egyetlen fényképből precíz civilizációt, pontos életkort és pontos funkciót hoz létre; Mindegyik alaptalan és magabiztos.
Erőteljes felszólítás:
Az Ön szerepköre: megtalált leíró asszisztens. A képen csak a darab megfigyelhető jellemzőit írja le: formarész (száj/alsó?), felület (mázas/mázatlan, csiszolt?), szín, díszítés, becsült vastagság. Majd a leírás alapján mondja meg, hogy milyen további adatok (tésztaelemzés, profilrajz, kontextus) szükségesek a funkció és az időszak tisztázásához. Ne tegyen pontos civilizációra/korra utalást.
Különbség: az első döntést igényel és illeszkedést kap; a másodikhoz leírás és ellenőrizhető útiterv szükséges.
A látványon túl: tészta, kontextus és profil
Az AI képelemzés buktatója, hogy csak a felület megjelenését veszi figyelembe. A régészeti tipológia gerince azonban gyakran szabad szemmel láthatatlan. A tészta (az agyag égetett állapota, adalékanyagai és állaga a törött szakaszban) megmutatja, hol és hogyan készült egy edény, és melyik agyagforrást használták fel; Annak ellenére, hogy két darab felülete hasonló, ha a tésztájuk más, akkor eltérő gyártási hagyományokhoz tartozhat. Ezért a komoly besorolás megköveteli, hogy a darab törött szakaszát lefényképezzék.
Ugyanígy a profil (az edény oldaltest-fenék szakaszának méretarányos rajza) sokkal pontosabban határozza meg a formát, mint egyetlen fénykép; A szájszög, az élvastagság és a fenékforma a korszak mutatói. Az AI segíthet a profilrajz automatikus kibontásában és a hasonló profilok csoportosításában, de a szakértő ellenőrzi a rajzot és a mérést. Végül a kontextus (melyik rétegben találták meg a darabot, mivel) egy erős datálási támpont, amely független a vizuális hasonlóságtól: az azonos zárt kontextusban lévő darabok gyakran ugyanabból az időszakból származnak. Ha csak a fotót adja meg az MI-nek, és kihagyja a textúrát, a profilt és a kontextust, akkor figyelmen kívül hagyja a legértékesebb bizonyítékait.
Tipp: Ha műterméket ad az MI-nek, lehetőleg három nézetet adjon meg: külső felület, belső felület és törött szakasz. Adja meg a környezeti számot és az esetleges profilméreteket is. Minél elfogulatlanabb az adat, annál megbízhatóbb a csoportosítás.
AI használati táblázat keresési típus szerint
A lelet típusa
Az AI erős
Kockázatos/emberi üzlet
Kötelező ellenőrzés
kerámia
Forma/tészta előcsoportosítás
Időszak, gyártási hely referencia
Referencia katalógus, tésztaelemzés
érme
Arc/ikon előfelismerés
Attribúció, utánzás/ritka észlelés
Érmekatalógus, szakértő
Litium (kőszerszám)
Típus és méret mérés
Funkció, technológia áttekintése
Használati kopáselemzés
üveg/fém
Színezés, forma előleválasztás
Összetétel, kronológia
Laboratóriumi elemzés
kis lelet
Leltár fénykép egyeztetése
Funkció, fontosság értelmezése
Kontextus, párhuzamos példa
Gyakori hibák
- Leírás helyett referenciákat kérek. Kérdezd az AI-t, hogy „hogy néz ki”, ne „mi az”; Döntse el a katalógus segítségével.
- Osztályozás rossz fotóval. Skála, fény és színkártya nélkül a kimenet megbízhatatlan.
- Elfogadjuk a mesterséges intelligencia első utalását a ritka leletre. Az AI az atipikus mintát a legismertebb mintába kényszeríti.
- Beillesztés/kontextus adatok kihagyása. A vizuális hasonlóság önmagában is félrevezető; a tészta és a kontextus a meghatározó.
- Félrevezető előzetes csoportosítás a végleges tipológiához. A csoportosítás a kezdet; A tipológia szakértői és referenciamunka.
Összefoglalva
AI a talált osztályozásban; Komoly időt takarít meg a vizuális leírásban, a jellemzők kinyerésében és az előzetes csoportosítási feladatokban. De a kulturális-kronológiai attribúció, az utánzás/ritka észlelés és a funkcionális értelmezés a szakértői és referenciakatalógusok közé tartozik. Mondja az AI-nak, hogy „leírja”, ne „leírja”; szabványosítsa a fényképminőséget; minden hozzárendelést független forrással ellenőrizni; Ritka találkozás esetén legyen a legszkeptikusabb az AI első válaszával kapcsolatban.
Pályázati feladat
Készítsen elő 10 talált képet (vagy válasszon egy katalógusból) szabványos formátumban. Írja le mindegyiket a "Semleges leírás" sablonnal, majd csoportosítsa őket az "Előcsoportosítás" sablonnal. Ezután hasonlítson össze egy csoportot egy valódi referenciakatalógussal, és jegyezze meg, hol volt helyénvaló az AI csoportosítása, és hol hibás.
ellenőrző lista
- [ ] A fényképeket méretarányos, fény- és színkártyával szabványosítottam.
- [ ] Semleges leírást akartam AI-tól, nem forrásmegjelölést.
- [ ] Az előzetes csoportosítást szakértő szemmel és referenciakatalógussal ellenőriztem.
- [ ] Megkérdőjeleztem a mesterséges intelligencia kezdeti tulajdonítását a ritka/atipikus leletekben.
- [ ] Az egyes kulturális-kronológiai hivatkozásokat független forrásokkal igazoltam.