Ieguvumi:
- Spēja izmantot mākslīgo intelektu radiooglekļa kalibrēšanā, seriācijā un daudzfaktoru analīzē un saprast, ka metodes izvēle un pieņēmumi ir eksperta uzdevums.
- Spēja atpazīt, ka radiooglekļa rezultātam ir dažādas varbūtības un ka nenoteiktības samazināšana līdz vienam gadam ir zinātnisks kropļojums
- Spēja apšaubīt parauga derīgumu ar principu “atkritumi iekšā, atkritumi ārā” un pielietot refleksu, lai nesajauktu korelāciju un cēloņsakarību
Arheoloģija paļaujas gan uz laboratorijas zinātnēm, gan statistiku, lai atbildētu uz jautājumu "kad". Šajā nodaļā mēs redzēsim, kā mākslīgais intelekts paātrina tādus uzdevumus kā datēšana (atraduma vai slāņa vecuma noteikšana), radiooglekļa (C14) analīze, tipoloģija (atradumu šķirošana un periodizācija pēc to formālajām īpašībām) un seriācija (kontekstu hronoloģiskās sakārtošanas metode atbilstoši atradumu veidu maiņai laika gaitā), bet kāpēc zinātnisko rezultātu pareiza interpretācija vienmēr ir atstāta ekspertu ziņā.
Pamatprincips: AI paātrina aprēķinus, kalibrēšanu, statistisko modelēšanu un vizualizāciju; Bet kura metode ir piemērota, vai paraugs ir derīgs vai nē un ko nozīmē rezultāts, ir nepieciešams zinātnisks vērtējums. Nepareizas statistikas ievietošana jaukā grafikā to nepadara pareizu.
Iepazīšanās metodes un AI
Radioogleklis (C14). Vecumu aprēķina pēc radioaktīvā oglekļa sabrukšanas organiskajās atliekās. Neapstrādātais rezultāts tiek kalibrēts ar līkni, kuras pamatā ir koku gredzeni (kalibrēšana — korekcija, kas pārvērš neapstrādāto radiooglekļa vecumu faktiskajā kalendārajā gadā). AI paātrina kalibrēšanas aprēķinus un vairāku datumu salīdzinošu vizualizāciju. Bet mākslīgais intelekts nepazīst tādas lamatas kā vecā koksnes problēma (paraugs, kas ņemts no koka, kas dzīvojis simtiem gadu, ir daudz vecāks par notikumu, kurā tas tika izmantots); Kritikas paraugs ir eksperta darbs.
Tipoloģija un seriācija. Atradumu veidu biežums laika gaitā mainās; Parādās tips, izplatās, samazinās. Seriācija kārto kontekstus, izmantojot šo "segas" modeli. AI ir spēcīgs, lai atrastu šos modeļus lielās datu kopās un daudzfaktoru analīzē (statistika, kas vienlaikus novērtē daudzas funkcijas). Taču eksperts var atšķirt, vai rezultāts ir hronoloģiskas vai funkcionālas/reģionālas atšķirības dēļ.
Citas metodes. AI aprēķināšanā un salīdzināšanā noder arī tādas metodes kā dendrohronoloģija (koka gredzens), termoluminiscence un arheomagnētisms; Metodes izvēle un interpretācija ir atstāta eksperta ziņā.
Padoms. Liekot AI veikt statistiku, jautājiet “kādu metodi izmantojāt un kādi ir tās pieņēmumi?” jautāt. Ja metode ir nepareiza (piemēram, nesecīgu datu vidējā noteikšana, izņēmuma ignorēšana), rezultāts būs vizuāli "tīrs", bet zinātniski nepareizs. Neuzticieties diagrammai, nesaprotot metodi.
AI stiprās un vājās puses statistikā
Jaudīgi: atkārtots aprēķins, kalibrēšana, modeļu skenēšana lielās datu kopās, vizualizācijas koda ģenerēšana, dažādu metožu ātra pārbaude.
Vāji/riskanti:
- Neiesakiet nepareizu metodi. AI var droši ieteikt testu, kas neatbilst datiem.
- Paraugu ņemšanas aklums. Tas neredz mazo, neobjektīvo vai piesārņoto paraugu; "Šie ir dati," viņš saka.
- Ekstrēms komentārs. Tas var parādīt vāju korelāciju kā spēcīgu rezultātu; korelācija nav cēloņsakarība (tas, ka divas lietas mainās kopā, nenozīmē, ka viena izraisa otru).
- Izdomāts numurs. Ja vēlaties, tas var radīt "ticamu", bet nereālu datumu vai varbūtību.
Uzmanību: radiokarbona datums nekad nav viens "precīzs gads"; ir varbūtības diapazons (piemēram, 750-680 BC ar 95% ticamību). Neļaujiet AI samazināt rezultātu līdz vienam gadam; Vienmēr nēsājiet līdzi nenoteiktību. Nenoteiktības slēpšana ir zinātnisks sagrozījums.
trīs mini futrāļi
1. gadījums — paātrināta kalibrēšana. Viens projekts veiktu 48 radiooglekļa paraugu kalibrēšanu un salīdzinošo vizualizāciju. AI ģenerēja kalibrēšanas kodu un salīdzināšanas grafikus minūtēs, nevis stundās; Pats eksperts novērtēja vecas koksnes paraugu ņemšanas kontekstus un risku un divus paraugus atzīmēja kā "neuzticamus".
2. gadījums — konstatēta nepareiza metode. Viens students izmantoja AI ieteikto testu, lai atrastu tipa frekvences, un ieguva "statistiski nozīmīgu" rezultātu. Statistikas konsultants parādīja, ka dati nav piemēroti šim testam (pieņēmumi tika pārkāpti); Izmantojot pareizo metodi, rezultāts bija bezjēdzīgs. Nodarbība: metodes izvēle nosaka rezultātu.
3. gadījums — nenoteiktība tiek atgriezta. Komanda ziņotu par vienu datumu no AI kopsavilkuma slānim "720 BC". Eksperts norādīja, ka kalibra diapazons ir 800-680 pirms mūsu ēras un ka viens gads ir maldinošs. Pārskats labots ar varbūtības diapazonu. Nenoteiktības izturēšana ir godīgums.
Četras kopējamas veidnes
1) Vaicājums par metodes piemērotību:
Jūsu loma: arheoloģiskās statistikas konsultants. Es aprakstīšu šādus datus un jautājumu: [datu veids, izlases lielums, jautājums]. Pastāstiet man par metodes opcijām, kas APSTIPRINĀTAS ar šiem datiem, katras pieņēmumiem un to, kā pārbaudīt, vai raža atbilst šiem pieņēmumiem. Nepiemērotās metodes būtu jārisina arī iemeslu dēļ.
2) Radiooglekļa interpretācijas sistēma:
Zemāk ir mani kalibrētie radiooglekļa intervāli: [saraksts]. Izskaidrojiet nepilnības, kas man būtu jāzina, interpretējot tās (veca koksne, piesārņojums, jūras rezervuāra efekts, parauga un notikuma attiecības) un kā pareizi izteikt nenoteiktības intervālu. Nedodiet tai vienu gadu; uzturēt intervālus.
3) Statistikas audits:
Es veicu šādu analīzi: [metode un rezultāts]. Lūdzu, kritizējiet: vai metode atbilst datiem, vai pieņēmumi ir spēkā, vai paraugs ir pietiekams, vai ir kādi novirzes/maisījumi, vai rezultāts ir pārmērīgi interpretēts? Uzskaitiet savus vājos punktus; Neapstipriniet rezultātu, apšaubiet to.
4) Vizualizācija (godīga):
Sagatavojiet diagrammu/kodu ar šādiem datiem: [dati]. OBLIGĀTI jāuzrāda nenoteiktības diapazoni (kļūdu josla/diapazons). Iestatiet asi un mērogu, neveicot maldinošus griezumus. NEPIEVIENOT punktus, kas nav datos. Paskaidrojiet ar piezīmi, ko grafiks parāda un ko nerāda.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Analizējiet šos atraduma datus un norādiet precīzu vietnes datumu.
AI var izvēlēties nepiemērotu metodi un noteikt vienu precīzu datumu; Tas slēpj nenoteiktību un nesaskata izlases problēmas.
Spēcīga uzvedne:
Jūsu loma: statistikas konsultants. Ienesīgums: [definīcija, izlases lielums]. Vispirms pastāstiet man metodi un tās pieņēmumus, kas ir piemēroti šiem datiem, pēc tam norādiet rezultātu ar nenoteiktības diapazonu, ja mēs to izmantojam. Nenorādiet konkrētu datumu. Norādiet arī, kuri ar paraugu saistītie riski (mazs n, maisījums, veca koksne) var vājināt rezultātu.
Atšķirība: pirmais rada nepatiesu noteiktību; otrkārt, metode saglabā atklātus pieņēmumus un nenoteiktību.
Bajesiska pieeja, paraugu ņemšana un "atkritumi iekšā, atkritumi ārā"
Spēcīga metode mūsdienu arheoloģiskajā datēšanā ir Beijesa modelēšana (statistikas pieeja, kas apvieno esošo iepriekšējo informāciju, piemēram, “slānis A ir B pamatā” ar mērījumiem, lai iegūtu šaurākus, reālistiskākus datumu diapazonus), kas apvieno vairākus radiooglekļa datumus ar stratigrāfiskām sekvencēm. Šī pieeja sašaurina atsevišķu datumu plašo nenoteiktību, ierobežojot tos līdz zināmajai slāņu secībai. AI var palīdzēt izveidot un aprēķināt šos modeļus; bet kāda iepriekšējā informācija (stratigrāfiskās attiecības) tiek iekļauta modelī, ir eksperta lēmums, un nepareizs iepriekšējais ierobežojums rada pārliecinošu, bet neprecīzu rezultātu.
No šejienes mēs nonākam pie moduļa visvienkāršākā statistikas principa: "atkritumi iekšā, atkritumi ārā". Pat vismodernākā AI un elegantākā statistika nevar dot labus rezultātus no sliktiem datiem. Piesārņots radiooglekļa paraugs, atradumi no jaukta konteksta vai neobjektīvs paraugs paliks nederīgi neatkarīgi no apstrādes. AI nevar redzēt šīs problēmas, jo tas neskatās uz datiem "no ārpuses"; Tā pieņem jūsu sniegtos skaitļus kā īstus. Tikai eksperts, kurš pārzina jomu, var novērtēt, kā paraugs tika savākts, no kāda konteksta tas iegūts un ko tas pārstāv.
Tāpēc, pirms uzticaties statistikas rezultātiem, uzdodiet šos trīs jautājumus: vai izlase ir pietiekami liela un reprezentatīva? Vai konteksti ir uzticami un nepārprotami? Vai mērīšanas metode ir piemērota šim jautājumam? Ja uz šiem trim jautājumiem nevarat atbildēt "jā", nav nozīmes tam, cik "nozīmīgs" šķiet rezultāts.
Padoms. Novērtējot statistikas rezultātu, vispirms apskatiet ievadi, nevis rezultātu. "No kurienes, kā, ar cik paraugiem ir iegūti šie dati?" jautājums novērš lielāko daļu nepatiesu secinājumu, pirms pat aplūkojat grafiku.
Analīzes uzdevumu tabula
Meklējumi
AI loma
cilvēka lēmums
verifikācija
C14 kalibrēšana
Aprēķins, vizualizācija
Izlases derīgums
Konteksts, vecs koks
sērija
raksta skenēšana
Hronoloģija/funkciju atdalīšana
Salīdzinājums ar stratigrāfiju
daudzmainīgs
statistikas kalkulators
Metodes izvēle
pieņēmumu pārbaude
vizualizācija
Grafika/kods
godīga pārstāvība
nenoteiktība, mērogs
komentēt
Kopsavilkuma melnraksts
nozīme, robeža
eksperts, literatūra
Biežas kļūdas
- Metodes pielietošana bez iztaujāšanas. Nepareizs tests dod "tīru", bet nepareizu rezultātu.
- Nenoteiktības samazināšana līdz vienam gadam. Radiokarbons ir diapazons; Viens gads ir maldinošs.
- Izlases problēmu apiešana. Mazs/netīrs/neobjektīvs paraugs padara rezultātu par nederīgu.
- Kļūdaina korelācija ar cēloņsakarību. Mainīt kopā nav cēlonis un sekas.
- Maldināt ar grafiku. Pārtrauktā ass, slēptā nenoteiktība ir zinātniski kropļojumi.
Rezumējot
AI iepazīšanās un statistikas jomā; Tas ir spēcīgs paātrinātājs kalibrēšanai, modeļu skenēšanai, aprēķiniem un vizualizēšanai. Bet metodes izvēle, parauga kritika, godīga nenoteiktības izpausme un rezultāta interpretācija pieder zinātniskam spriedumam. Neuzticieties diagrammai, nesaprotot metodi; vienmēr nēsā līdzi nenoteiktību; un pretoties uzstājībai par vienu "precīzu datumu".
Lietojumprogrammas uzdevums
Sagatavojiet parauga atrašanas frekvenču tabulu vai kalibrētu radiooglekļa intervālu kopu. Atbilstošo analīzi un tās pieņēmumus identificējiet ar veidni "Metodes piemērotības vaicājums", pēc tam novērtējiet analīzi, izmantojot veidni "Statistikas audits". Izveidojiet diagrammas skici, kurā parādīti nenoteiktības diapazoni, izmantojot veidni “Vizualizācija (godīgs)”, un izvairieties no viena gada atlaides.
kontrolsaraksts
- [ ] Esmu pārbaudījis metodes izvēli un pieņēmumus.
- [ ] Es apšaubīju parauga derīgumu (izmērs, maisījums, veca koksne).
- [ ] Es saglabāju nenoteiktību kā intervālu, nesamazināju to līdz vienam gadam.
- [ ] Es nejaucu korelāciju ar cēloņsakarību.
- [ ] Diagrammā esmu godīgi parādījis mērogu un nenoteiktību.