Hagnaður:
- Hæfni til að nota gervigreind í kvörðun geislakolefna, raðgreiningu og fjölþáttagreiningu og skilja að val á aðferðum og forsendur eru sérfræðingsins.
- Hæfni til að viðurkenna að geislakolefnisniðurstaðan hefur margvíslegar líkur og að draga úr óvissu í eitt ár er vísindaleg brenglun
- Hæfni til að efast um réttmæti úrtaks með meginreglunni um „sorp inn, sorp út“ og beita viðbragðinu að rugla ekki saman fylgni og orsakasamhengi
Fornleifafræði treystir bæði á rannsóknarstofuvísindi og tölfræði til að svara "hvenær" spurningunni. Í þessari einingu munum við sjá hvernig gervigreind flýtir fyrir verkefnum eins og aldursgreiningu (ákvörðun aldurs funds eða lags), greiningu á geislakolefni (C14), tegundafræði (flokkun og reglubundin fund eftir formeiginleikum þeirra) og röðun (aðferðin til að raða samhengi í tímaröð í samræmi við breytingar á finnategundum með tímanum), en hvers vegna túlkun á réttri aðferð er alltaf eftir sérfræðingum og niðurstöðum.
Grundvallarregla: gervigreind flýtir fyrir útreikningi, kvörðun, tölfræðilegri mynstri og myndgerð; En hvaða aðferð er viðeigandi, hvort úrtakið sé gilt eða ekki og hvað niðurstaðan þýðir krefjast vísindalegrar mats. Að setja ranga tölfræði í fallegt graf gerir það ekki rétt.
Stefnumótaaðferðir og gervigreind
Geislakolefni (C14). Aldur er reiknaður út frá rotnun geislavirks kolefnis í lífrænum leifum. Hrá niðurstaðan er kvörðuð með feril sem byggir á trjáhringjum (kvörðun — leiðrétting sem breytir hráum geislakolsaldur í raunverulegt almanaksár). AI flýtir fyrir kvörðunarútreikningum og samanburðarsýn á mörgum dagsetningum. En gervigreind þekkir ekki gildrur eins og gamla viðarvandann (sýni tekið úr tré sem hefur lifað í mörg hundruð ár er miklu eldra en atburðurinn þar sem það var notað); Dæmi um gagnrýni er starf sérfræðings.
Typology og röð. Tíðni finnategunda er breytileg með tímanum; Tegund birtist, dreifist, minnkar. Seriation flokkar samhengi með því að nota þetta „teppi“ mynstur. Gervigreind er öflug til að finna þessi mynstur í stórum gagnasöfnum og í fjölþáttagreiningu (tölfræði sem metur marga eiginleika samtímis). En sérfræðingurinn getur greint hvort niðurstaðan stafar af tímaröð eða virkni/svæðismun.
Aðrar aðferðir. Aðferðir eins og dendrochronology (tréhringur), hitaljómun og fornsegulfræði eru einnig gagnlegar við gervigreindarútreikninga og samanburð; Aðferðaval og túlkun er í höndum sérfræðingsins.
Ábending: Þegar gervigreindin keyrir tölfræði skaltu spyrja „hvaða aðferð notaðir þú og hverjar eru forsendur hennar? spyrja. Ef aðferðin er röng (t.d. meðaltal gagna sem ekki eru í röð, hunsuð frávik) verður niðurstaðan sjónrænt „hrein“ en vísindalega röng. Treystu ekki töflunni án þess að skilja aðferðina.
Styrkleikar og veikleikar gervigreindar í tölfræði
Öflugur: Endurteknir útreikningar, kvörðun, mynsturskönnun í stórum gagnasöfnum, myndun kóða fyrir sjón, fljótleg prófun á mismunandi aðferðum.
Veikt/áhættusamt:
- Ekki benda á ranga aðferð. AI getur örugglega mælt með prófi sem passar ekki við gögnin.
- Sýnatökublindu. Það sér ekki litla, hlutdræga eða mengaða sýnið; „Þetta eru gögnin,“ segir hann.
- Öfgafull athugasemd. Það getur sýnt veika fylgni sem sterka niðurstöðu; fylgni er ekki orsakasamband (bara vegna þess að tveir hlutir breytast saman þýðir það ekki að annað valdi hinu).
- Tilbúið númer. Ef þess er óskað getur það framleitt „trúverðuga“ en óraunhæfa dagsetningu eða líkur.
Varúð: Dagsetning geislakolefna er aldrei eitt „nákvæmt ár“; er líkindasvið (t.d. 750-680 f.Kr. með 95% öryggi). Ekki láta gervigreind minnka útkomuna í eitt ár; Alltaf bera með sér óvissu. Að fela óvissu er vísindaleg afbökun.
þrjú smámál
Tilfelli 1 — Kvörðun flýtt. Eitt verkefni myndi framkvæma kvörðun og samanburðarsýn á 48 geislakolefnissýnum. Gervigreind myndaði kvörðunarkóða og samanburðargröf á mínútum frekar en klukkustundum; Sérfræðingurinn mat sjálfur sýnatökusamhengi og áhættu af gömlum viði og merkti tvö sýni sem „óáreiðanleg“.
Mál 2 - Röng aðferð gripin. Einn nemandi beitti prófi sem gervigreind lagði til til að finna tegundatíðni og fékk „tölfræðilega marktæka“ niðurstöðu. Tölfræðiráðgjafinn sýndi að gögnin hentuðu ekki þessu prófi (forsendur voru brostnar); Með réttri aðferð var útkoman marklaus. Lærdómur: val á aðferð ræður úrslitum.
Mál 3 - Óvissa sett til baka. Hópur myndi tilkynna eina dagsetningu úr gervigreindarsamantektinni fyrir lag, „720 f.Kr.“. Sérfræðingurinn sagði að kalibersviðið væri 800-680 f.Kr. og að eitt ártal væri villandi. Skýrsla leiðrétt með líkindasviði. Að bera óvissu er heiðarleiki.
Fjögur afritanleg sniðmát
1) Aðferðahæfisfyrirspurn:
Þitt hlutverk: ráðgjafi í fornleifatölfræði. Ég mun lýsa eftirfarandi gögnum og spurningu: [gagnategund, úrtaksstærð, spurning]. Segðu mér frá aðferðamöguleikum SAMÞYKKTIR með þessum gögnum, FORSENDINGAR hvers og eins og hvernig á að athuga hvort ávöxtunin standist þessar forsendur. Einnig ætti að taka á óviðeigandi aðferðum á grundvelli.
2) Túlkunarrammi fyrir geislakolefni:
Hér að neðan er ég með kvarðaða geislakolefnabilin mín: [listi]. Útskýrðu þær gildrur sem ég ætti að vera meðvitaður um þegar ég túlka þetta (gamall viður, mengun, áhrif sjávarlóns, tengsl sýnis til atburðar) og hvernig á að tjá óvissubilið rétt. Ekki gefa það eitt ár; viðhalda millibili.
3) Tölfræðiúttekt:
Ég gerði eftirfarandi greiningu: [aðferð og niðurstaða]. Vinsamlega gagnrýnið: passar aðferðin við gögnin, standast forsendurnar, er úrtakið nægjanlegt, eru einhverjar frávik/blöndur, er niðurstaðan oftúlkuð? Listaðu veiku punkta þína; Ekki staðfesta niðurstöðuna, efast um hana.
4) Sjónræn (heiðarleg):
Útbúið töflu/kóða með eftirfarandi gögnum: [gögn]. VERÐUR að sýna óvissusvið (villustiku/bil). Settu upp ásinn og kvarðann án þess að gera villandi niðurskurð. EKKI BÆTA við neinum punktum sem eru ekki í gögnunum. Útskýrðu með minnismiða hvað grafið gerir og sýnir ekki.
Veik kvaðning / Sterk kvaðning
Veik kvaðning:
Greindu þessi finna gögn og tilgreindu nákvæma dagsetningu síðunnar.
Gervigreindin gæti valið óviðeigandi aðferð og búið til eina nákvæma dagsetningu; Það felur óvissu og sér ekki úrtaksvandamál.
Öflug tilvitnun:
Þitt hlutverk: tölfræðiráðgjafi. Afrakstur: [skilgreining, úrtaksstærð]. Segðu mér fyrst hvaða aðferð og forsendur hennar henta fyrir þessi gögn, gefðu síðan niðurstöðuna með óvissubilinu ef við notum það. Ekki gefa upp eina endanlega dagsetningu. Tilgreinið einnig hvaða áhættur tengdar sýninu (lítið n, blanda, gamall viður) geta veikt niðurstöðuna.
Munurinn: hið fyrra framleiðir falska vissu; í öðru lagi heldur aðferðin opnum forsendum og óvissu.
Bayesísk nálgun, sýnatöku og „sorp inn, sorp út“
Öflug aðferð í nútíma fornleifafræðilegri stefnumótun er Bayesísk líkangerð (tölfræðileg nálgun sem sameinar fyrirliggjandi fyrri upplýsingar - t.d. "lag A undirliggjandi B" - með mælingum til að framleiða þrengri, raunhæfari dagsetningar) sem sameinar margar geislakolefnisdagsetningar með jarðlagaröðum. Þessi nálgun þrengir hina víðtæku óvissu einstakra dagsetninga með því að takmarka þær við þekkta röð laganna. AI getur hjálpað til við að byggja og reikna út þessi líkön; en hvaða fyrri upplýsingar (stratigrafísk tengsl) fara inn í líkanið er ákvörðun sérfræðinga og röng fyrri þvingun gefur örugga en ónákvæma niðurstöðu.
Héðan komum við að grundvallarreglu tölfræðieiningarinnar: "sorp inn, rusl út." Jafnvel fullkomnasta gervigreind og glæsilegasta tölfræði getur ekki skilað góðum árangri með slæmum gögnum. Mengað geislakolefnissýni, fund úr blönduðu samhengi eða hlutdrægt sýni verður áfram ógilt, sama hversu mikil vinnsla fer fram. AI getur ekki séð þessi vandamál vegna þess að það lítur ekki á gögnin „utan frá“; Það samþykkir tölurnar sem þú gefur því sem raunverulegar. Aðeins sérfræðingur sem þekkir til á þessu sviði getur metið hvernig úrtakinu var safnað, úr hvaða samhengi það kom og hvað það táknar.
Svo áður en þú treystir einhverjum tölfræðilegum niðurstöðum skaltu spyrja þessara þriggja spurninga: Er úrtakið nógu stórt og dæmigert? Eru samhengin áreiðanleg og órugluð? Er mæliaðferðin viðeigandi fyrir þessa spurningu? Ef þú getur ekki svarað þessum þremur spurningum „já“ þá skiptir ekki máli hversu „marktæk“ niðurstaðan virðist.
Ábending: Þegar þú metur úttak tölfræði skaltu fyrst líta á inntakið, ekki útkomuna. "Hvaðan komu þessi gögn, hvernig, með hversu mörgum sýnum?" spurningin útilokar flestar rangar ályktanir áður en þú horfir á línuritið.
Verkefnatafla greiningar
Leit
Hlutverk gervigreindar
mannleg ákvörðun
sannprófun
C14 kvörðun
Útreikningur, sjónræn
Réttmæti sýnatöku
Samhengi, gamall viður
röð
mynsturskönnun
Tímafræði/fallaskilnaður
Samanburður við jarðlagafræði
fjölbreytilegur
tölfræði reiknivél
Aðferðaval
forsenda athugun
sjónræning
Grafík/kóði
heiðarleg framsetning
óvissa, mælikvarði
Athugasemd
Yfirlitsdrög
merking, takmörk
sérfræðingur, bókmenntir
Algeng mistök
- Að beita aðferðinni án þess að spyrja. Rangt próf gefur "hreina" en ranga niðurstöðu.
- Að draga úr óvissu í eitt ár. Geislakolefni er svið; Eitt ár er villandi.
- Framhjá sýnatökuvandamálum. Lítið/óhreint/hlutdrægt sýni ógildir niðurstöðuna.
- Að misskilja fylgni fyrir orsakasamhengi. Að breytast saman er ekki orsök og afleiðing.
- Afvegaleiða með grafík. Strikaða ásinn, falin óvissa er vísindaleg afbökun.
Í stuttu máli
AI í stefnumótum og tölfræði; Það er öflugur hraðall fyrir kvörðun, mynsturskönnun, útreikninga og sjónræningu. En val á aðferð, úrtaksgagnrýni, heiðarleg tjáning á óvissu og túlkun á niðurstöðunni tilheyrir vísindalegu mati. Treystu ekki töflunni án þess að skilja aðferðina; bera alltaf óvissu; og standast kröfuna um eina „nákvæma dagsetningu“.
Umsóknarverkefni
Útbúið sýnishornsfund-tíðnitöflu eða sett af kvörðuðum geislakolefnisbilum. Láttu viðeigandi greiningu og forsendur hennar auðkenna með sniðmátinu „Miðferðahæfisfyrirspurn“ og láttu síðan gagnrýna greiningu með sniðmátinu „Tölfræðileg endurskoðun“. Búðu til grafskissu sem sýnir óvissusvið með sniðmátinu „Sjónvæðing (heiðarleg)“ og forðastu eins árs afslátt.
gátlisti
- [ ] Ég hef athugað aðferðavalið og forsendur.
- [ ] Ég efaðist um réttmæti sýnishornsins (stærð, blanda, gamall viður).
- [ ] Ég hélt óvissunni sem bili, ég minnkaði hana ekki niður í eitt ár.
- [ ] Ég ruglaði ekki saman fylgni og orsakasambandi.
- [ ] Ég hef sýnt umfang og óvissu heiðarlega í töflunni.