लाभ:
- निष्पक्ष विवरण र खोजहरूको दृश्य प्रारम्भिक समूहमा कृत्रिम बुद्धिमत्ता प्रयोग गर्दै, र सन्दर्भ सूचीको साथ विशेषज्ञको कामबाट सांस्कृतिक-कालक्रमिक सन्दर्भ छुट्याउन सक्षम हुनु।
- कसरी तस्बिर गुणस्तर (स्केल, प्रकाश, रंग कार्ड) र मेटाभिजुअल डेटा जस्तै बनावट, प्रोफाइल, सन्दर्भ वर्गीकरण शुद्धता निर्धारण गर्ने क्षमता।
- दुर्लभ र असामान्य खोजहरूमा सबैभन्दा परिचित ढाँचालाई बलियो बनाउन कृत्रिम बुद्धिमत्ताको प्रवृत्ति पहिचान गर्ने क्षमता र स्वतन्त्र स्रोतको साथ प्रत्येक एट्रिब्युशन पुष्टि गर्ने क्षमता।
उत्खननको सबैभन्दा थकाउने तर जानकारीमूलक कार्यहरू मध्ये एक खोज वर्गीकरण (प्रकार, फारम र अवधि अनुसार फेला परेका वस्तुहरू अलग गर्ने) हो। सिरामिकका हजारौं टुक्रा, सयौं सिक्का, ढुङ्गाका औजारहरू (लिथिक), हड्डी, सिसा र धातुका वस्तुहरू एक-एक गरेर पत्ता लगाउनु पर्छ। यस एकाइमा, हामी कसरी छवि विश्लेषण (स्वचालित रूपमा वस्तुको फोटोबाट आकार, रङ, बनावट जस्ता सुविधाहरू निकाल्ने) र AI-आधारित वर्गीकरणले खोज कार्यलाई गति दिन्छ, तर किन अन्तिम एट्रिब्युसन निर्णय सधैं विशेषज्ञसँग रहन्छ भन्ने कुरा सिक्नेछौं।
आधारभूत सिद्धान्त यो हो: AI द्रुत रूपमा समान देखिनेहरूलाई एकसाथ समूह बनाउँछ; तर सन्दर्भ सूची र विशेषज्ञ आँखामा आधारित "यो टुक्रा ईसापूर्व छैठौं शताब्दीको पूर्वी ग्रीक उत्पादन हो" जस्ता सांस्कृतिक-कालक्रमिक सन्दर्भ बनाउन सकिन्छ। AI एक पूर्व क्रमबद्ध र मापन सहायक हो, टाइपोलोजी प्राधिकरण होइन।
वर्गीकरण पत्ता लगाउने चरणहरू
1. भिजुअल क्याप्चर। प्रत्येक खोजलाई मानक क्रममा फोटो खिचिएको छ, स्केल बार (शासक देखाउने साइज) र रङ कार्डको साथ। एआई छवि विश्लेषणको लागि लगातार प्रकाश र पृष्ठभूमि महत्वपूर्ण छन्; खराब फोटो भनेको खराब वर्गीकरण हो।
2. सुविधा निकासी। AI; यसले किनारा प्रोफाइल, फारम (रिम, तल, ह्यान्डल), सतह उपचार (पालिसिङ, गिलास, रंग), टाँस्ने रङ र बनावट जस्ता मापनयोग्य सुविधाहरू निकाल्छ। आटा (माटोको निकालिएको रूप; यसको रंग र additives ले उत्पादनको स्थान र प्रविधिलाई संकेत गर्दछ) पुरातात्विक टाइपोलोजीको मेरुदण्ड हो।
3. पूर्व-समूहीकरण। AI ले दृश्य समानताको आधारमा हजारौं भागहरूलाई क्लस्टरहरूमा क्रमबद्ध गर्दछ: "सम्भवतः समान कन्टेनर," "समान फारम," "उस्तै आटा।" यसले विशेषज्ञको अगाडि व्यवस्थित पाइल्स राख्छ।
4. विशेषज्ञ विशेषता। विज्ञले सन्दर्भ क्याटलगहरू, प्रकार श्रृंखलाहरू, र आफ्नै अनुभवहरू मार्फत प्रत्येक समूहलाई अवधि, उत्पादनको स्थान, र कार्यको श्रेय दिन्छ। एआईले "यो रोमन अवधि हो" भनेको संकेत हो, निर्णय होइन।
5. दर्ता। प्रत्येक खोजले यसको सन्दर्भ नम्बर, मापन, फोटो र एट्रिब्युसन (यो एकाइ 5 को विषय हो) को साथ डेटाबेसमा प्रवेश गर्दछ।
सङ्केत: AI सँग एउटा खोजको "वर्णन" गर्नुहोस्, यसलाई "वर्णन" नगर्नुहोस्। "यो कस्तो जमाना हो?" यसको सट्टा "यस भागको मापनयोग्य सुविधाहरू (फारम, किनारा, सतह, रंग) वस्तुगत रूपमा सूचीबद्ध गर्नुहोस्" सोध्नुहोस्; तपाईंले सन्दर्भ सूचीको साथ अवधिको लागि निर्णय गर्नुहुन्छ। विवरण भरपर्दो छ, एट्रिब्युशन जोखिमपूर्ण छ।
सिक्का र शिलालेखहरूमा विशेष ध्यान दिनुपर्छ।
सिक्का छवि विश्लेषणमा आकर्षक छन् किनभने तिनीहरू धेरै र मानकीकृत छन्। AI ले सिक्काको अनुहारमा रहेको पोर्ट्रेट (विपरित) र यसको उल्टो (रिभर्स) चिन्हलाई चिन्न मद्दत गर्न सक्छ। तर सिक्का पहिचानको लागि संख्यात्मक विशेषज्ञता चाहिन्छ: चाहे लुकेको शिलालेख होस्, नक्कली मिन्टेज होस्, वा दुर्लभ भेरियन्ट होस्, गलत वितरण सबै धेरै स्पष्ट छ। AI भनाइ "यो त्यो सम्राटको सिक्का हो" निश्चित रूपमा मानक सिक्का सूची द्वारा पुष्टि हुन्छ। उही उत्कीर्ण र छाप लगाइएको खोजहरूमा लागू हुन्छ।
सावधानी: AI ले प्रसिद्ध प्रकारसँग मिल्दोजुल्दो फेला पार्न खोज्छ; यसले दुर्लभ, स्थानीय वा असामान्य उदाहरणहरूलाई सबैभन्दा परिचित ढाँचामा जोड दिन्छ। एउटा असामान्य खोजमा AI को पहिलो सन्दर्भको राम्रोसँग शंकास्पद हुनुहोस्।
तीन मिनी केसहरू
केस 1 - पूर्व-क्रमबद्धले लोड कम गर्यो। फलाम युगको बस्तीमा 8,400 सिरेमिक शेर्डहरू पत्ता लगाइयो। एआई भिजुअल ग्रुपिङले भागहरूलाई लगभग ४० फारम पूर्व क्लस्टरहरूमा विभाजन गर्यो; प्रत्येक टुक्रालाई स्क्र्याचबाट हटाउनुको सट्टा, विशेषज्ञ क्लस्टरहरू मार्फत गए, र क्रमबद्ध गर्ने समय लगभग एक तिहाइले घटाइयो। विज्ञले एआईले गलत तरिकाले मिलाएको आटाको दुई फरक ब्याच छुट्याए।
केस २ - गलत एट्रिब्युसन समातियो। एक इन्टर्नले AI मा एक सिक्का पेश गर्यो; एआईले विश्वस्तताका साथ यसलाई एक प्रसिद्ध रोमन प्रकारलाई श्रेय दियो। जब संख्यात्मक विशेषज्ञले यसलाई क्याटलगसँग तुलना गरे, उनले देखे कि उल्टो प्रतीक र किंवदंती (सिक्कामा लेख्ने) क्रम फरक थियो र यो एक क्षेत्रीय नक्कल मिन्टेज थियो। एआईले सबैभन्दा परिचित प्रकारलाई बाध्य पारेको थियो।
केस 3 - रङ असंगति समस्या। एउटा टोलीले फरक-फरक दिनमा खिचेका एआई फोटोहरू फरक-फरक प्रकाशमा खुवाइयो; आटा रङहरू असंगत थिए र समूह टुटेको थियो। जब टोलीले रङ कार्ड र स्थिर प्रकाश योजनामा स्विच गर्यो, समूहको शुद्धता उल्लेखनीय रूपमा बढ्यो। पाठ: छवि गुणस्तर वर्गीकरण गुणस्तर हो।
चार प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू
1) तटस्थ विवरण:
तपाईंको भूमिका: विवरण सहायक भेटियो। म तपाईंलाई एउटा फेला पार्ने फोटो/डेटा दिनेछु। केवल अवलोकनयोग्य सुविधाहरू वस्तुनिष्ठ रूपमा सूचीबद्ध गर्नुहोस्: फारम (मुख/तल/शरीर/ह्यान्डल), अनुमानित आकार, सतह समाप्त, रंग, सजावट, भाँचिएको/लगाउने अवस्था। अवधि, संस्कृति वा उत्पादनको स्थानलाई सन्दर्भ नगर्नुहोस्। यदि तपाइँ सुविधाको बारेमा निश्चित हुनुहुन्न भने, "अनिश्चित" लेख्नुहोस्।
२) पूर्व-समूहीकरण:
तल म [N] भागहरूको विवरण डाटा टाँस्नेछु। तिनीहरूलाई फारम र आटा समानता अनुसार समूहहरूमा विभाजन गर्नुहोस्। प्रत्येक समूहको लागि: साझा सुविधाहरू, समूहमा पर्ने भाग नम्बरहरू, र समूह जोड्ने मापदण्डहरू लेख्नुहोस्। अस्पष्ट रहने कुनै पनि भागहरूलाई छुट्टै "समीक्षा गर्न" सूचीमा राख्नुहोस्। ठ्याक्कै प्रकारको नाम नदिनुहोस्।
3) उद्धरणको लागि चेकलिस्ट उत्पादन:
तपाईंको भूमिका: सिरेमिक विशेषज्ञ सल्लाहकार। निम्न समूहको लागि, अवधि/उत्पादन वस्तु (आटा विश्लेषण, सन्दर्भ क्याटलग, समानान्तर खोज, सन्दर्भ मिति, आदि) प्रमाणित गर्दा मैले जाँच गर्न आवश्यक मापदण्डहरू सूचीबद्ध गर्नुहोस्। सन्दर्भ नगर्नुहोस्; मलाई के जाँच गर्नुपर्छ मलाई भन्नुहोस्।
4) फोटो गुणस्तर निरीक्षण:
निम्न फेला परेका तस्बिरहरूको मूल्याङ्कन गर्नुहोस्: के त्यहाँ स्केल बार छ, के प्रकाश एकरूप छ, के रंग कार्ड देखिने छ, के पृष्ठभूमि सादा छ, के टुक्रा स्पष्ट छ? वर्गीकरणको लागि कुन फोटोहरू पुन: लिनुपर्छ? भाग नम्बरको साथ समस्याहरू सूचीबद्ध गर्नुहोस्।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
यो भाँडाको टुक्रा कुन सभ्यताको थियो, यो कति पुरानो थियो, र यो के को लागी प्रयोग गरिएको थियो?
एआईले एकल तस्बिरबाट सटीक सभ्यता, सटीक उमेर, र सटीक प्रकार्यको कल्पना गर्दछ; सबै आधारहीन र विश्वस्त छन्।
शक्तिशाली प्रम्प्ट:
तपाईंको भूमिका: विवरण सहायक भेटियो। तस्बिरमा टुक्राको अवलोकनयोग्य विशेषताहरू मात्र वर्णन गर्नुहोस्: फारम भाग (मुख/तल?), सतह (चमकिएको/अनग्लेज्ड, जलेको?), रङ, सजावट, अनुमानित मोटाई। त्यसपछि, यस विवरणको आधारमा, कार्य र अवधि स्पष्ट गर्नको लागि कुन अतिरिक्त डेटा (आटा विश्लेषण, प्रोफाइल रेखाचित्र, सन्दर्भ) आवश्यक छ मलाई भन्नुहोस्। सटीक सभ्यता/उमेर सन्दर्भ नगर्नुहोस्।
भिन्नता: पहिलो निर्णय चाहिन्छ र फिटिंग प्राप्त गर्दछ; दोस्रो विवरण र एक प्रमाणित सडक नक्सा आवश्यक छ।
दृश्य बाहिर: आटा, सन्दर्भ र प्रोफाइल
एआई छवि विश्लेषणमा एउटा समस्या यो हो कि यसले सतहको उपस्थितिलाई मात्र हेर्छ। यद्यपि, पुरातात्विक टाइपोलोजीको मेरुदण्ड प्रायः नाङ्गो आँखाले अदृश्य हुन्छ। आटा (माटोको फ्याँकिएको अवस्था, यसको थप्ने र भाँचिएको खण्डमा यसको बनावट) कहाँ र कसरी भाँडा उत्पादन गरिएको थियो र कुन माटोको स्रोत प्रयोग गरिएको थियो भनेर बताउँछ; सतहमा दुई टुक्रा समान भए तापनि, यदि तिनीहरूको आटा फरक छ भने, तिनीहरू फरक उत्पादन परम्पराहरूसँग सम्बन्धित हुन सक्छन्। त्यसकारण, गम्भीर वर्गीकरणको लागि टुक्राको टुक्रा टुक्रा फोटो खिच्न आवश्यक छ।
त्यस्तै गरी, प्रोफाइल (भाँडाको छेउ-शरीर-तल खण्डको स्केल रेखाचित्र) ले फारमलाई एकल फोटो भन्दा धेरै सटीक रूपमा परिभाषित गर्दछ; मुखको कोण, किनाराको मोटाई र तलको आकार अवधिका सूचकहरू हुन्। AI ले स्वचालित रूपमा प्रोफाइल रेखाचित्र निकाल्न र समान प्रोफाइलहरू समूह बनाउन मद्दत गर्न सक्छ, तर विशेषज्ञले रेखाचित्र र मापन प्रमाणित गर्दछ। अन्तमा, सन्दर्भ (कुन तहमा टुक्रा फेला पर्यो, के संग) भिजुअल समानताबाट स्वतन्त्र डेटिङ क्लू हो: एउटै बन्द सन्दर्भमा टुक्राहरू प्राय: समान अवधिका हुन्छन्। यदि तपाईंले AI लाई फोटो मात्र दिनुभयो र बनावट, प्रोफाइल र सन्दर्भ छोड्नुभयो भने, तपाईंले आफ्नो सबैभन्दा बहुमूल्य प्रमाणलाई बेवास्ता गर्दै हुनुहुन्छ।
सुझाव: AI लाई कलाकृति दिँदा, सम्भव भएमा तीनवटा दृश्यहरू प्रदान गर्नुहोस्: बाहिरी सतह, भित्री सतह, र टुक्रिएको खण्ड। सन्दर्भ नम्बर र कुनै प्रोफाइल मापन पनि समावेश गर्नुहोस्। अधिक निष्पक्ष डेटा भनेको अधिक विश्वसनीय समूहीकरण हो।
खोज प्रकार द्वारा AI उपयोग तालिका
खोज को प्रकार
एआई शक्तिशाली छ
जोखिमपूर्ण/मानव व्यवसाय
अनिवार्य प्रमाणीकरण
सिरेमिक
फारम/आटा पूर्व-समूहीकरण
अवधि, उत्पादन सन्दर्भको स्थान
सन्दर्भ सूची, आटा विश्लेषण
सिक्का
अनुहार/प्रतिमा पूर्व मान्यता
विशेषता, अनुकरण/दुर्लभ पत्ता लगाउने
सिक्का सूची, विशेषज्ञ
लिथिक (ढुङ्गाको औजार)
प्रकार र आकार मापन
प्रकार्य, प्रविधि समीक्षा
प्रयोग-पहन विश्लेषण
गिलास / धातु
रंग, फारम पूर्व विभाजन
रचना, कालक्रम
प्रयोगशाला विश्लेषण
थोरै खोज
सूची फोटो मिलान
कार्य, महत्व व्याख्या
सन्दर्भ, समानान्तर उदाहरण
सामान्य गल्तीहरू
- विवरणहरू भन्दा सन्दर्भहरूको लागि सोध्दै। AI लाई सोध्नुहोस् "यो कस्तो देखिन्छ," होइन "यो कस्तो छ"; सूची संग आफ्नो निर्णय गर्नुहोस्।
- खराब फोटो संग वर्गीकरण। स्केल, प्रकाश र रंग कार्ड बिना आउटपुट अविश्वसनीय छ।
- दुर्लभ खोजको लागि AI को पहिलो सन्दर्भ स्वीकार गर्दै। AI ले atypical ढाँचालाई सबैभन्दा परिचित ढाँचामा जोड दिन्छ।
- टाँस्ने/सन्दर्भ डेटा छोड्दै। दृश्य समानता मात्र भ्रामक छ; आटा र सन्दर्भ निर्णायक छन्।
- निश्चित टाइपोलोजीको लागि प्रारम्भिक समूहलाई गलत गर्दै। समूहीकरण एक सुरुवात हो; Typology एक विशेषज्ञ र सन्दर्भ कार्य हो।
संक्षेपमा
एआई फेला परेको वर्गीकरणमा; यसले दृश्य विवरण, सुविधा निकासी र प्रारम्भिक समूहीकरण कार्यहरूमा गम्भीर समय बचत गर्छ। तर सांस्कृतिक-कालानुक्रमिक एट्रिब्युशन, अनुकरण/दुर्लभ पत्ता लगाउने र कार्यात्मक व्याख्या विशेषज्ञ र सन्दर्भ क्याटलगहरूसँग सम्बन्धित छन्। AI लाई "वर्णन" भन्नुहोस् "वर्णन" होइन; फोटो गुणस्तर मानकीकरण; स्वतन्त्र स्रोतहरूसँग प्रत्येक एट्रिब्युशन प्रमाणित गर्नुहोस्; दुर्लभ खोजमा, AI को पहिलो जवाफको बारेमा धेरै शंकास्पद हुनुहोस्।
आवेदन कार्य
मानक ढाँचामा तपाईसँग भएका 10 फेला परेका छविहरू तयार गर्नुहोस् (वा क्याटलगबाट छनौट गर्नुहोस्)। प्रत्येकलाई "तटस्थ विवरण" टेम्प्लेटको साथ वर्णन गर्नुहोस्, त्यसपछि तिनीहरूलाई "पूर्व-समूह" टेम्प्लेटको साथ समूहबद्ध गर्नुहोस्। त्यसपछि एउटा समूहलाई वास्तविक सन्दर्भ क्याटलगसँग तुलना गर्नुहोस् र नोट गर्नुहोस् कि AI को समूह कहाँ थियो र कहाँ गलत थियो।
चेकलिस्ट
- [ ] मैले तस्विरहरूलाई स्केल, लाइट र कलर कार्डको साथ मानकीकृत गरें।
- [ ] म AI बाट तटस्थ विवरण चाहन्थे, एट्रिब्युशन होइन।
- [ ] मैले प्रारम्भिक समूहलाई विशेषज्ञ आँखा र सन्दर्भ सूचीको साथ जाँच गरें।
- [ ] मैले दुर्लभ / असामान्य खोजहरूमा AI को प्रारम्भिक एट्रिब्युशनमा प्रश्न गरे।
- [ ] मैले स्वतन्त्र स्रोतहरूसँग प्रत्येक सांस्कृतिक-कालक्रमिक सन्दर्भ प्रमाणित गरेको छु।