이득:
- 편견 없는 설명과 발견물의 시각적 예비 그룹화에 인공 지능을 사용하고, 참조 카탈로그를 사용하여 전문가의 작업과 문화적 연대순 참조를 구별할 수 있습니다.
- 사진 품질(크기, 조명, 색상 카드)과 질감, 프로필, 컨텍스트와 같은 메타시각적 데이터가 분류 정확도를 결정하는 방식을 이해하는 능력.
- 희귀하고 비정형적인 발견에서 가장 친숙한 패턴을 강요하는 인공지능의 경향을 인식하고 독립적인 소스를 통해 각 속성을 확인하는 능력
발굴 작업 중 가장 피곤하면서도 유익한 작업 중 하나는 분류 찾기(발견된 유물을 유형, 형태, 기간에 따라 분리)입니다. 한 계절에 출토되는 수만 개의 도자기 조각, 수백 개의 동전, 석기(석기), 뼈, 유리, 금속 물체를 하나씩 조사하고 기록해야 합니다. 이번 단원에서는 이미지 분석(사물 사진에서 모양, 색상, 질감 등의 특징을 자동으로 추출)과 AI 기반 분류가 검색 작업 속도를 높이는 방법과 최종 귀속 결정은 항상 전문가의 몫인 이유에 대해 알아봅니다.
기본 원칙은 다음과 같습니다. AI는 유사해 보이는 항목을 빠르게 그룹화합니다. 그러나 참고문헌 목록과 전문가의 안목을 바탕으로 “이 작품은 기원전 6세기 동그리스 작품이다”와 같은 문화 연대기적 언급을 할 수는 있다. AI는 유형학 권위자가 아닌 사전 분류 및 측정 보조자입니다.
분류 찾기 단계
1. 시각적 캡처. 각 발견물은 눈금 막대(크기를 표시하는 눈금자)와 색상 카드를 사용하여 표준 순서로 사진을 찍습니다. AI 이미지 분석에는 일관된 조명과 배경이 중요합니다. 잘못된 사진은 잘못된 분류를 의미합니다.
2. 특징 추출. 일체 포함; 엣지 프로파일, 형태(테두리, 바닥, 손잡이), 표면 처리(연마, 유리, 페인트), 페이스트 색상, 질감 등 측정 가능한 특징을 추출합니다. 반죽(점토를 구운 형태, 색상과 첨가물은 생산 장소와 기술을 나타냄)은 고고학 유형학의 중추입니다.
3. 사전 그룹화. AI는 "동일한 용기", "유사한 형태", "유사한 반죽" 등 시각적 유사성을 기준으로 수천 개의 부품을 클러스터로 분류합니다. 이렇게 하면 전문가 앞에 질서정연한 더미가 놓이게 됩니다.
4. 전문가 귀속. 전문가는 참고 카탈로그, 유형 시리즈, 자신의 경험을 통해 각 그룹에 연대, 생산지 및 기능을 부여합니다. "지금은 로마 시대다"라고 말하는 AI는 결정이 아니라 힌트일 뿐이다.
5. 등록. 각 발견은 문맥 번호, 측정치, 사진 및 속성과 함께 데이터베이스에 입력됩니다(이것은 단원 5의 주제입니다).
힌트: AI가 발견물을 "설명"하는 것이 아니라 "설명"하게 하십시오. "지금은 무슨 시대입니까?" 대신 "이 부품의 측정 가능한 특징(형태, 가장자리, 표면, 색상)을 객관적으로 나열"하도록 요청하십시오. 참조 카탈로그를 통해 기간을 결정합니다. 설명은 신뢰할 수 있지만 귀속은 위험합니다.
동전과 비문에 특별한 주의를 기울여야 합니다.
동전은 숫자가 많고 표준화되어 있기 때문에 이미지 분석에 매력적입니다. AI는 동전 앞면의 초상화(뒷면)와 뒷면의 기호(뒷면)를 인식하는 데 도움을 줄 수 있습니다. 그러나 주화 식별에는 화폐학적 전문 지식이 필요합니다. 낡은 비문, 위조 주조 또는 희귀 변종이든 귀속 오류는 너무나 명백합니다. "이것이 그 황제의 주화다"라고 말하는 AI는 표준 주화 카탈로그를 통해 확실히 확인됩니다. 새겨진 발견물과 스탬프가 찍힌 발견물에도 동일하게 적용됩니다.
주의: AI는 유명한 유형과 유사한 발견을 해당 유명한 유형과 "일치"하는 경향이 있습니다. 희귀하고 지역적이거나 비정형적인 예를 가장 친숙한 패턴으로 강제합니다. 특이한 발견에서 AI에 대한 첫 번째 언급에 대해서는 기껏해야 회의적이어야 합니다.
세 개의 미니 케이스
사례 1 - 사전 정렬을 통해 부하가 감소했습니다. 철기 시대 정착지에서는 8,400개의 도자기 파편이 발굴되었습니다. AI 시각적 그룹화는 부품을 거의 40개의 이전 클러스터 형태로 나눴습니다. 전문가가 처음부터 각 조각을 제거하는 대신 클러스터를 살펴보았고, 정렬 시간이 약 3분의 1로 단축되었습니다. 전문가는 AI가 잘못 결합한 두 개의 서로 다른 반죽 배치를 분리했습니다.
사례 2 — 허위 귀속이 발견되었습니다. 인턴이 AI에 코인을 소개했습니다. AI는 이를 잘 알려진 로마 유형에 속한다고 자신있게 밝혔습니다. 화폐전문가가 카탈로그와 비교해 보니 역기호와 전설(동전에 적힌 글씨) 순서가 다르고 지역별 모조조폐물이라는 것을 알 수 있었습니다. AI는 가장 친숙한 유형을 강요했다.
사례 3 - 색상 불일치 문제. 한 팀은 다른 날에 다른 조명에서 찍은 AI 사진을 제공했습니다. 반죽 색상이 일정하지 않았고 그룹화가 깨졌습니다. 팀이 컬러 카드와 지속적인 조명 방식으로 전환하자 그룹화 정확도가 크게 향상되었습니다. 교훈: 이미지 품질은 분류 품질입니다.
복사 가능한 템플릿 4개
1) 중립적인 설명:
귀하의 역할: 발견된 설명 보조자. 찾아낸 사진/데이터를 알려드리겠습니다. 형태(입/바닥/몸체/손잡이), 추정 크기, 표면 마감, 색상, 장식, 파손/마모 상태 등 객관적으로 관찰 가능한 특징만 나열합니다. 생산 기간, 문화 또는 장소를 언급하지 마십시오. 해당 기능에 대해 확실하지 않은 경우 "불확실함"이라고 기재하세요.
2) 사전 그룹화:
아래에는 [N]개 부품의 설명 데이터를 붙여넣겠습니다. 형태와 반죽의 유사성에 따라 그룹으로 나눕니다. 각 그룹에 대해 공통 기능, 그룹에 속하는 부품 번호, 그룹을 연결하는 기준을 작성합니다. 명확하지 않은 부분은 별도의 "검토" 목록에 올려놓으십시오. 정확한 유형 이름을 지정하지 마십시오.
3) 인용을 위한 체크리스트 작성:
귀하의 역할: 도자기 전문 컨설턴트. 다음 그룹에 대해 기간/생산 항목을 확인할 때 확인해야 할 기준(반죽 분석, 참조 카탈로그, 병행 찾기, 컨텍스트 날짜 등)을 나열하십시오. 언급하지 마십시오. 무엇을 확인해야 하는지 알려주세요.
4) 사진 품질 검사:
다음 발견된 사진을 평가하십시오. 눈금 막대가 있습니까? 빛이 일정합니까? 색상 카드가 보입니까? 배경이 단순합니까? 조각이 깨끗합니까? 분류를 위해 어떤 사진을 다시 촬영해야 합니까? 부품 번호 문제를 나열합니다.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
이 도자기는 어느 문명의 것이며, 얼마나 오래되었으며, 어떤 용도로 사용되었습니까?
AI는 한 장의 사진에서 정확한 문명, 정확한 연령, 정확한 기능을 만들어냅니다. 모두 근거가 없고 자신감이 넘친다.
강력한 프롬프트:
귀하의 역할: 발견된 설명 보조자. 형태 부분(입/바닥?), 표면(유약/초벌구이, 광택 처리?), 색상, 장식, 예상 두께 등 사진에서 관찰 가능한 작품의 특징만 설명하세요. 그리고 이 설명을 바탕으로 기능과 기간을 명확히 하기 위해 어떤 추가 데이터(반죽 분석, 프로파일 도면, 컨텍스트)가 필요한지 알려주세요. 정확한 문명/연령을 언급하지 마세요.
차이점: 첫 번째는 결정이 필요하고 적합성을 받습니다. 두 번째에는 설명과 검증 가능한 로드맵이 필요합니다.
시각적인 것 너머: 반죽, 맥락, 프로필
AI 이미지 분석의 함정은 표면의 겉모습만 본다는 점이다. 그러나 고고학 유형학의 중추는 육안으로는 보이지 않는 경우가 많습니다. 반죽(점토의 소성 상태, 첨가제 및 부서진 부분의 질감)은 그릇이 어디서 어떻게 생산되었는지, 어떤 점토 원료가 사용되었는지를 보여줍니다. 두 조각이 표면적으로 유사하더라도 반죽이 다르다면 서로 다른 생산 전통에 속할 수 있습니다. 따라서 심각한 분류를 위해서는 조각의 파손된 부분을 사진으로 촬영해야 합니다.
마찬가지로, 프로필(선박의 측면-동체-바닥 부분의 축척 도면)은 단일 사진보다 형태를 훨씬 더 정확하게 정의합니다. 입 각도, 가장자리 두께 및 바닥 모양은 기간을 나타내는 지표입니다. AI는 자동으로 프로파일 도면을 추출하고 유사한 프로파일을 그룹화하는 데 도움을 줄 수 있지만 전문가가 도면과 측정을 검증합니다. 마지막으로, 맥락(작품이 어떤 층에서 발견되었는지, 무엇과 함께)은 시각적 유사성과 관계없이 강력한 연대 측정 단서입니다. 동일한 닫힌 맥락에 있는 작품은 종종 같은 시대의 작품입니다. AI에게 사진만 주고 질감, 프로필, 맥락을 건너뛴다면 가장 귀중한 증거를 무시하는 것입니다.
팁: AI에 아티팩트를 제공할 때 가능하면 외부 표면, 내부 표면, 파손된 단면의 세 가지 보기를 제공하십시오. 또한 컨텍스트 번호와 프로필 측정값도 포함하세요. 편견이 없는 데이터가 많을수록 그룹화의 신뢰성이 높아집니다.
찾기 유형별 AI 활용표
찾기 유형
AI는 강력하다
위험한/인간적인 사업
필수 검증
도자기
형태/반죽 사전 그룹화
기간, 생산지 참고
참고 카탈로그, 반죽 분석
동전
얼굴/아이콘 사전 인식
귀속, 모방/희귀 검출
코인 카탈로그, 전문가
석기(석기)
유형 및 크기 측정
기능, 기술 검토
사용 마모 분석
유리/금속
색상, 형태 사전 분리
구성, 연대기
실험실 분석
작은 발견
재고 사진 일치
기능, 중요성 해석
컨텍스트, 병렬 예
일반적인 실수
- 설명보다는 참고자료를 요청합니다. AI에게 "그것이 무엇인지"가 아니라 "어떻게 생겼는지"를 물어보세요. 카탈로그를 보고 결정하세요.
- 불량 사진으로 분류합니다. 스케일, 조명 및 컬러 카드가 없으면 출력을 신뢰할 수 없습니다.
- 희귀한 발견에 대한 AI의 첫 번째 언급을 받아들입니다. AI는 비정형 패턴을 가장 친숙한 패턴으로 강제합니다.
- 붙여넣기/컨텍스트 데이터를 건너뜁니다. 시각적 유사성만으로는 오해의 소지가 있습니다. 반죽과 맥락이 결정적입니다.
- 최종 유형론에 대한 예비 그룹화를 착각합니다. 그룹화는 시작입니다. 유형학은 전문가이자 참고 자료입니다.
요약하면
발견된 분류의 AI; 시각적 설명, 특징 추출 및 예비 그룹화 작업에 소요되는 시간을 크게 절약해 줍니다. 그러나 문화적 연대기적 귀속, 모방/희귀 탐지 및 기능적 해석은 전문가 및 참고 카탈로그에 속합니다. AI에게 "설명"이 아닌 "설명"을 지시하십시오. 사진 품질을 표준화합니다. 독립적인 소스를 사용하여 각 속성을 확인합니다. 드물지만 AI의 첫 번째 답변에 대해 가장 회의적인 경우도 있습니다.
응용과제
표준 형식으로 가지고 있는(또는 카탈로그에서 선택) 10개의 발견된 이미지를 준비하십시오. "중립적인 설명" 템플릿을 사용하여 각 항목을 설명하고 "사전 그룹화" 템플릿을 사용하여 그룹화합니다. 그런 다음 그룹을 실제 참조 카탈로그와 비교하고 AI의 그룹화가 올바른 위치와 잘못된 위치를 확인합니다.
체크리스트
- [ ] 축척, 조명, 컬러 카드를 사용하여 사진을 표준화했습니다.
- [ ] 귀속이 아닌 AI의 중립적인 설명을 원했습니다.
- [ ] 전문가의 눈과 참고 카탈로그를 통해 예비 그룹화를 확인했습니다.
- [ ] 나는 드물거나 비정형적인 발견에서 AI의 초기 속성에 의문을 제기했습니다.
- [ ] 나는 독립적인 출처를 통해 각각의 문화적, 연대적 참고 자료를 확인했습니다.