Keuntungan:
- Keupayaan untuk menggunakan kecerdasan buatan dalam penentukuran radiokarbon, analisis siri dan multivariat, dan memahami bahawa pemilihan kaedah dan andaian adalah milik pakar.
- Keupayaan untuk mengenali bahawa hasil radiokarbon mempunyai julat kebarangkalian dan mengurangkan ketidakpastian kepada satu tahun adalah herotan saintifik
- Kebolehan menyoal kesahan sampel dengan prinsip 'sampah masuk, sampah keluar' dan mengaplikasikan refleks korelasi dan sebab akibat yang tidak mengelirukan.
Arkeologi bergantung pada kedua-dua sains makmal dan statistik untuk menjawab soalan "bila". Dalam unit ini, kita akan melihat bagaimana AI mempercepatkan tugas seperti pentarikhan (menentukan umur penemuan atau lapisan), analisis radiokarbon (C14), tipologi (penyisihan dan penentuan tempoh penemuan mengikut ciri formalnya) dan seriasi (kaedah menyusun konteks secara kronologi mengikut perubahan jenis carian dari semasa ke semasa), tetapi mengapa tafsiran keputusan saintifik dan kaedah yang betul sentiasa diserahkan kepada pakar.
Prinsip asas: AI mempercepatkan pengiraan, penentukuran, corak statistik dan visualisasi; Tetapi kaedah mana yang sesuai, sama ada sampel itu sah atau tidak, dan maksud keputusannya memerlukan pertimbangan saintifik. Meletakkan statistik yang salah ke dalam graf yang bagus tidak menjadikannya betul.
Kaedah dating dan AI
Radiokarbon (C14). Umur dikira daripada pereputan karbon radioaktif dalam sisa organik. Hasil mentah ditentukur dengan lengkung berdasarkan gelang pokok (penentukuran — pembetulan yang menukar umur radiokarbon mentah kepada tahun kalendar sebenar). AI mempercepatkan pengiraan penentukuran dan visualisasi perbandingan berbilang tarikh. Tetapi AI tidak mengetahui perangkap seperti masalah kayu lama (sampel yang diambil dari pokok yang telah hidup selama beratus-ratus tahun jauh lebih tua daripada peristiwa di mana ia digunakan); Kritikan contoh adalah tugas seorang pakar.
Tipologi dan seri. Kekerapan jenis carian berbeza mengikut masa; Satu jenis muncul, menjadi meluas, berkurangan. Seriasi mengisih konteks menggunakan corak "selimut" ini. AI berkuasa mencari corak ini dalam set data yang besar dan dalam analisis multivariate (statistik yang menilai banyak ciri secara serentak). Tetapi pakar boleh membezakan sama ada keputusan itu disebabkan oleh perbezaan kronologi atau fungsi/serantau.
Kaedah lain. Kaedah seperti dendrochronology (cincin pokok), thermoluminescence, dan archaeomagnetism juga membantu dalam pengiraan dan perbandingan AI; Pemilihan kaedah dan tafsiran diserahkan kepada pakar.
Petua: Apabila AI menjalankan statistik, tanya "apa kaedah yang anda gunakan dan apakah andaiannya?" bertanya. Jika kaedahnya salah (cth. purata data tidak berurutan, mengabaikan outlier) hasilnya akan menjadi "bersih" secara visual tetapi tidak betul dari segi saintifik. Jangan percaya carta tanpa memahami kaedahnya.
Kekuatan dan kelemahan AI dalam statistik
Berkuasa: Pengiraan berulang, penentukuran, pengimbasan corak dalam set data yang besar, penjanaan kod visualisasi, ujian pantas kaedah yang berbeza.
Lemah/berisiko:
- Jangan cadangkan kaedah yang salah. AI dengan yakin boleh mengesyorkan ujian yang tidak sesuai dengan data.
- Persampelan buta. Ia tidak melihat sampel yang kecil, berat sebelah atau tercemar; "Ini adalah data," katanya.
- Komen melampau. Ia boleh menunjukkan korelasi yang lemah sebagai hasil yang kukuh; korelasi bukan sebab (hanya kerana dua perkara berubah bersama tidak bermakna satu menyebabkan yang lain).
- Nombor yang dibuat-buat. Jika dikehendaki, ia boleh menghasilkan tarikh atau kebarangkalian yang "masuk akal" tetapi tidak realistik.
Awas: Tarikh radiokarbon bukanlah satu "tahun tepat"; ialah julat kebarangkalian (cth. 750-680 SM dengan keyakinan 95%). Jangan biarkan AI mengurangkan hasilnya kepada satu tahun; Sentiasa membawa ketidakpastian. Menyembunyikan ketidakpastian adalah herotan saintifik.
tiga kes mini
Kes 1 — Penentukuran dipercepatkan. Satu projek akan melaksanakan penentukuran dan visualisasi perbandingan 48 sampel radiokarbon. AI menjana kod penentukuran dan graf perbandingan dalam beberapa minit berbanding jam; Pakar itu sendiri menilai konteks pensampelan dan risiko kayu lama dan menandakan dua sampel sebagai "tidak boleh dipercayai".
Kes 2 — Kaedah yang salah ditangkap. Seorang pelajar menggunakan ujian yang dicadangkan oleh AI untuk mencari frekuensi jenis dan mendapat keputusan "signifikan secara statistik". Perunding statistik menunjukkan bahawa data tidak sesuai untuk ujian ini (andaian telah dilanggar); Dengan kaedah yang betul, hasilnya tidak bermakna. Pengajaran: pilihan kaedah menentukan hasilnya.
Kes 3 — Ketidakpastian diletakkan semula. Pasukan akan melaporkan satu tarikh daripada ringkasan AI untuk lapisan, "720 SM." Pakar itu menyatakan bahawa julat berkaliber adalah 800-680 SM, dan tahun tunggal itu mengelirukan. Laporan diperbetulkan dengan julat kebarangkalian. Menanggung ketidakpastian adalah kejujuran.
Empat templat yang boleh disalin
1) Pertanyaan kesesuaian kaedah:
Peranan anda: perunding statistik arkeologi. Saya akan menerangkan data dan soalan berikut: [jenis data, saiz sampel, soalan]. Beritahu saya tentang pilihan kaedah DILULUSKAN dengan data ini, ANDAIAN setiap satu dan cara menyemak sama ada hasil memenuhi andaian tersebut. Kaedah yang tidak sesuai juga harus ditangani atas alasan.
2) Rangka kerja tafsiran radiokarbon:
Di bawah saya mempunyai selang radiokarbon yang ditentukur saya: [senarai]. Terangkan perangkap yang perlu saya ketahui semasa mentafsir ini (kayu lama, pencemaran, kesan takungan marin, hubungan sampel-ke-peristiwa) dan cara menyatakan selang ketidakpastian dengan betul. Jangan berikannya satu tahun; mengekalkan selang waktu.
3) Audit statistik:
Saya menjalankan analisis berikut: [kaedah dan keputusan]. Sila kritik: adakah kaedah itu sesuai dengan data, adakah andaian itu berlaku, adakah sampel mencukupi, adakah terdapat sebarang penyimpangan/campuran, adakah hasilnya terlalu ditafsirkan? Senaraikan kelemahan anda; Jangan sahkan keputusannya, persoalkannya.
4) Visualisasi (jujur):
Sediakan carta/kod dengan data berikut: [data]. MESTI menunjukkan julat ketidakpastian (bar ralat/julat). Sediakan paksi dan skala tanpa membuat potongan yang mengelirukan. JANGAN TAMBAH mana-mana mata yang tiada dalam data. Terangkan dengan nota apa yang graf lakukan dan tidak tunjukkan.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Analisis data carian ini dan nyatakan tarikh sebenar tapak tersebut.
AI mungkin memilih kaedah yang tidak sesuai dan membuat satu tarikh tepat; Ia menyembunyikan ketidakpastian dan tidak melihat masalah pensampelan.
Gesaan kuat:
Peranan anda: perunding statistik. Hasil: [definisi, saiz sampel]. Mula-mula beritahu saya kaedah dan andaian yang sesuai untuk data ini, kemudian berikan hasil dengan julat ketidakpastian jika kami menggunakannya. Jangan berikan satu tarikh pasti. Juga nyatakan risiko yang berkaitan dengan sampel (n kecil, campuran, kayu lama) boleh melemahkan keputusan.
Perbezaannya: yang pertama menghasilkan kepastian palsu; kedua, kaedah ini mengekalkan andaian terbuka dan ketidakpastian.
Pendekatan Bayesian, pensampelan dan "sampah masuk, sampah keluar"
Kaedah yang berkuasa dalam pentarikhan arkeologi moden ialah pemodelan Bayesian (pendekatan statistik yang menggabungkan maklumat terdahulu sedia ada—mis., "lapisan A mendasari B"—dengan ukuran untuk menghasilkan julat tarikh yang lebih sempit dan lebih realistik) yang menggabungkan berbilang tarikh radiokarbon dengan jujukan stratigrafi. Pendekatan ini mengecilkan ketidakpastian luas tarikh individu dengan mengehadkannya kepada susunan lapisan yang diketahui. AI boleh membantu membina dan mengira model ini; tetapi maklumat terdahulu (hubungan stratigrafi) yang dimasukkan ke dalam model adalah keputusan pakar, dan kekangan terdahulu yang salah menghasilkan keputusan yang yakin tetapi tidak tepat.
Dari sini kita sampai kepada prinsip statistik paling asas modul: "sampah masuk, sampah keluar." Malah AI yang paling maju dan statistik yang paling elegan tidak dapat menghasilkan hasil yang baik daripada data yang buruk. Sampel radiokarbon yang tercemar, penemuan daripada konteks bercampur atau sampel berat sebelah akan kekal tidak sah tidak kira berapa banyak pemprosesan yang dilakukan. AI tidak dapat melihat masalah ini kerana ia tidak melihat data "dari luar"; Ia menerima nombor yang anda berikan sebagai nyata. Hanya pakar yang mengetahui bidang itu boleh menilai cara sampel dikumpulkan, konteks asalnya dan perkara yang diwakilinya.
Jadi sebelum mempercayai sebarang keputusan statistik, tanya tiga soalan ini: Adakah sampel itu besar dan cukup mewakili? Adakah konteks boleh dipercayai dan tidak mengelirukan? Adakah kaedah pengukuran sesuai untuk soalan ini? Jika anda tidak dapat menjawab "ya" kepada tiga soalan ini, tidak kira betapa "signifikan" hasilnya.
Petua: Apabila menilai output statistik, lihat dahulu pada input, bukan hasil. "Dari mana datangnya data ini, bagaimana, dengan berapa banyak sampel?" soalan menghapuskan kebanyakan kesimpulan palsu sebelum melihat graf.
Jadual tugas analisis
Pencarian
Peranan AI
keputusan manusia
pengesahan
penentukuran C14
Pengiraan, visualisasi
Kesahan pensampelan
Konteks, kayu lama
seri
pengimbasan corak
Pemisahan kronologi/fungsi
Perbandingan dengan stratigrafi
pelbagai pembolehubah
kalkulator statistik
Pemilihan kaedah
pemeriksaan andaian
visualisasi
Grafik/kod
perwakilan yang jujur
ketidakpastian, skala
Komen
Draf ringkasan
maksudnya, had
pakar, sastera
Kesilapan biasa
- Mengaplikasikan kaedah tanpa menyoal. Ujian yang salah memberikan hasil yang "bersih" tetapi salah.
- Mengurangkan ketidakpastian kepada satu tahun. Radiokarbon ialah julat; Satu tahun mengelirukan.
- Melangkau masalah pensampelan. Sampel kecil/kotor/berat sebelah membatalkan keputusan.
- Tersalah korelasi untuk sebab musabab. Berubah bersama bukan sebab dan akibat.
- Mengelirukan dengan grafik. Paksi putus-putus, ketidakpastian tersembunyi adalah herotan saintifik.
Secara ringkasnya
AI dalam temu janji dan statistik; Ia adalah pemecut berkuasa untuk penentukuran, pengimbasan corak, pengiraan dan visualisasi. Tetapi pilihan kaedah, kritikan sampel, ekspresi jujur ketidakpastian, dan tafsiran keputusan adalah milik pertimbangan saintifik. Jangan percaya carta tanpa memahami kaedahnya; sentiasa membawa ketidakpastian; dan menolak desakan pada satu "tarikh tepat".
Tugasan permohonan
Sediakan contoh jadual kekerapan mencari atau set selang radiokarbon yang ditentukur. Sediakan analisis yang sesuai dan andaiannya dikenal pasti dengan templat "Pertanyaan kesesuaian kaedah", kemudian buat analisis yang dikritik dengan templat "Audit statistik". Hasilkan lakaran carta yang menunjukkan julat ketidakpastian dengan templat "Visualisasi (jujur)" dan elakkan diskaun satu tahun.
senarai semak
- [ ] Saya telah menyemak pemilihan kaedah dan andaian.
- [ ] Saya mempersoalkan kesahihan sampel (saiz, campuran, kayu lama).
- [ ] Saya mengekalkan ketidakpastian sebagai selang waktu, saya tidak mengurangkannya kepada satu tahun.
- [ ] Saya tidak mengelirukan korelasi dengan sebab.
- [ ] Saya telah menunjukkan skala dan ketidakpastian secara jujur dalam carta.