Winst:
- Gebruik maken van kunstmatige intelligentie bij de onbevooroordeelde beschrijving en visuele voorlopige groepering van vondsten, en het kunnen onderscheiden van cultureel-chronologische referenties van het werk van de deskundige met de referentiecatalogus.
- Vermogen om te begrijpen hoe fotokwaliteit (schaal, licht, kleurenkaart) en metavisuele gegevens zoals textuur, profiel en context de nauwkeurigheid van de classificatie bepalen.
- Vermogen om de neiging van kunstmatige intelligentie te herkennen om het meest bekende patroon in zeldzame en atypische vondsten te forceren en elke toeschrijving te bevestigen met een onafhankelijke bron
Een van de meest vermoeiende en toch informatieve taken van een opgraving is het classificeren van vondsten (het scheiden van gevonden voorwerpen op basis van type, vorm en periode). Tienduizenden keramische stukken, honderden munten, stenen werktuigen (lithisch), botten, glas en metalen voorwerpen die in een seizoen zijn opgegraven, moeten één voor één worden onderzocht en geregistreerd. In deze unit leren we hoe beeldanalyse (het automatisch extraheren van kenmerken zoals vorm, kleur en textuur uit een foto van een object) en op AI gebaseerde classificatie het vondstwerk versnellen, maar waarom de uiteindelijke beslissing over de toeschrijving altijd bij de expert ligt.
Het basisprincipe is dit: AI groepeert snel degenen die op elkaar lijken; maar men kan een cultureel-chronologische referentie maken zoals "dit stuk is een Oost-Griekse productie uit de 6e eeuw voor Christus", gebaseerd op de referentiecatalogus en het oog van een deskundige. AI is een voorsorteer- en meetassistent, geen typologische autoriteit.
Stappen voor classificatie van vondsten
1. Visuele opname. Elke vondst wordt in een standaardvolgorde gefotografeerd, met een schaalbalk (liniaal die de maat aangeeft) en kleurenkaart. Consistent licht en achtergrond zijn van cruciaal belang voor AI-beeldanalyse; Slechte foto betekent slechte classificatie.
2. Functie-extractie. AI; Het extraheert meetbare kenmerken zoals randprofiel, vorm (rand, onderkant, handvat), oppervlaktebehandeling (polijsten, glas, verf), pastakleur en textuur. Deeg (de gebakken vorm van klei; de kleur en toevoegingen geven de plaats en techniek van productie aan) is de ruggengraat van de archeologische typologie.
3. Voorgroepering. AI sorteert duizenden onderdelen in clusters op basis van visuele gelijkenis: ‘waarschijnlijk dezelfde container’, ‘soortgelijke vorm’, ‘soortgelijk deeg’. Zo worden er geordende stapels voor de deskundige gelegd.
4. Toekenning van deskundigen. De deskundige kent aan elke groep periode, plaats van productie en functie toe via referentiecatalogi, typereeksen en zijn eigen ervaring. De AI die zegt "dit is de Romeinse tijd" is een hint, geen beslissing.
5. Registratie. Elke vondst komt de databank binnen met contextnummer, afmetingen, foto en toeschrijving (dit is het onderwerp van unit 5).
Tip: Laat de AI een vondst ‘beschrijven’, en niet ‘beschrijven’. "Welk tijdperk is dit?" vraag in plaats daarvan “maak een objectieve lijst van de meetbare kenmerken (vorm, rand, oppervlak, kleur) van dit onderdeel”; U bepaalt de periode met de referentiecatalogus. Beschrijving is betrouwbaar, attributie is riskant.
Er moet speciale aandacht worden besteed aan munten en inscripties.
Munten zijn aantrekkelijk in beeldanalyse omdat ze talrijk en gestandaardiseerd zijn. AI kan helpen bij het herkennen van het portret op de voorkant van de munt (afkerig) en het symbool op de achterkant (achterkant). Maar de identificatie van munten vereist numismatische expertise: of het nu gaat om een versleten inscriptie, een valse oplage of een zeldzame variant, verkeerde toeschrijving is maar al te duidelijk. AI die zegt "dit is de munt van die keizer" wordt definitief bevestigd door een standaard muntencatalogus. Hetzelfde geldt voor ingeschreven en gestempelde vondsten.
Let op: AI heeft de neiging een vondst die lijkt op een beroemd type te 'matchen' met dat beroemde type; Het dwingt zeldzame, lokale of atypische voorbeelden tot het meest bekende patroon. Wees op zijn best sceptisch over de eerste verwijzing naar AI bij een ongewone vondst.
drie minikoffers
Geval 1 — Voorsorteren verminderde de belasting. In een nederzetting uit de ijzertijd werden 8.400 keramische scherven opgegraven. AI-visuele groepering verdeelde de onderdelen in bijna 40 eerdere clusters; In plaats van elk stuk helemaal opnieuw te elimineren, doorliep de expert de clusters en werd de sorteertijd met ongeveer een derde verkort. De expert scheidde twee verschillende partijen deeg die AI verkeerd had gecombineerd.
Geval 2 – Valse toeschrijving betrapt. Een stagiair introduceerde een munt bij de AI; De AI schreef het vol vertrouwen toe aan een bekend Romeins type. Toen de numismatische deskundige deze met de catalogus vergeleek, zag hij dat de volgorde van de omgekeerde symbolen en legenden (schrift op de munt) anders was en dat dit een regionale imitatie-oplage was. De AI had het meest bekende type geforceerd.
Geval 3 — Probleem met kleurinconsistentie. Eén team voedde de AI-foto’s die op verschillende dagen waren gemaakt in ander licht; De deegkleuren waren inconsistent en de groepering was verbroken. Toen het team overschakelde op een kleurenkaart en een constant lichtschema, nam de nauwkeurigheid van de groepering aanzienlijk toe. Les: beeldkwaliteit is classificatiekwaliteit.
Vier kopieerbare sjablonen
1) Neutrale omschrijving:
Jouw rol: gevonden beschrijvingsassistent. Ik geef je een vondstfoto/gegevens. Vermeld alleen objectief waarneembare kenmerken: vorm (mond/bodem/lichaam/handvat), geschatte grootte, oppervlakteafwerking, kleur, decoratie, breuk/slijtage. VERWIJS NIET NAAR EEN PERIODE, CULTUUR OF PLAATS VAN PRODUCTIE. Als u niet zeker bent van de functie, schrijf dan 'onzeker'.
2) Voorgroepering:
Hieronder plak ik de beschrijvingsgegevens van [N] onderdelen. Verdeel ze in groepen op basis van vorm en gelijkenis van het deeg. Voor elke groep: noteer de gemeenschappelijke kenmerken, de onderdeelnummers die in de groep vallen en de criteria die de groep verbinden. Zet alle onderdelen die onduidelijk blijven op een aparte 'te beoordelen'-lijst. Geef geen exacte typenaam op.
3) Controlelijst voor citeren:
Jouw rol: keramiekexpert-adviseur. Geef voor de volgende groep de criteria op die ik moet controleren bij het VERIFICEREN van de periode/productie-item (deeganalyse, referentiecatalogus, parallelle vondst, contextdatum, enz.). Maak de verwijzing niet; Vertel me wat ik moet controleren.
4) Inspectie van de fotokwaliteit:
Evalueer de volgende gevonden foto's: is er een schaalbalk, is het licht consistent, is de kleurenkaart zichtbaar, is de achtergrond effen, is het stuk duidelijk? Welke foto's moeten opnieuw worden gemaakt voor classificatie? Maak een lijst van problemen met het onderdeelnummer.
Zwakke prompt/sterke prompt
Zwakke prompt:
Uit welke beschaving kwam dit stuk aardewerk, hoe oud was het en waarvoor werd het gebruikt?
AI verzint een precieze beschaving, een precieze ouderdom en een precieze functie uit één enkele foto; Ze zijn allemaal ongegrond en zelfverzekerd.
Krachtige prompt:
Jouw rol: gevonden beschrijvingsassistent. Beschrijf alleen de waarneembare kenmerken van het stuk op de foto: vormdeel (mond/bodem?), oppervlak (geglazuurd/ongeglazuurd, gepolijst?), kleur, decoratie, geschatte dikte. Vertel mij vervolgens op basis van deze beschrijving welke aanvullende gegevens (deeganalyse, profieltekening, context) nodig zijn om functie en periode te verduidelijken. Maak geen precieze verwijzing naar beschaving/leeftijd.
Verschil: de eerste vereist beslissing en wordt passend; de tweede vereist beschrijving en een verifieerbare routekaart.
Voorbij het visuele: deeg, context en profiel
Een valkuil bij AI-beeldanalyse is dat er alleen naar het uiterlijk van het oppervlak wordt gekeken. De ruggengraat van de archeologische typologie is echter vaak onzichtbaar voor het blote oog. Deeg (de gebakken toestand van de klei, de toevoegingen en de textuur ervan in het gebroken gedeelte) onthult waar en hoe een vat werd geproduceerd en welke kleibron werd gebruikt; Ook al zijn twee stukken qua uiterlijk gelijk, als hun deeg verschillend is, kunnen ze tot verschillende productietradities behoren. Daarom vereist een serieuze classificatie dat het gebroken gedeelte van het stuk wordt gefotografeerd.
Op dezelfde manier definieert het profiel (tekening op schaal van het zij-lichaam-ondergedeelte van een vat) de vorm veel nauwkeuriger dan een enkele foto; Mondhoek, randdikte en bodemvorm zijn indicatoren van de periode. AI kan helpen de profieltekening automatisch te extraheren en vergelijkbare profielen te groeperen, maar de expert verifieert de tekening en meting. Ten slotte is de context (in welke laag het stuk is gevonden, waarmee) een sterke dateringsaanwijzing, onafhankelijk van visuele gelijkenis: stukken in dezelfde gesloten context komen vaak uit dezelfde periode. Als je de AI alleen de foto geeft en de textuur, het profiel en de context overslaat, negeer je je meest waardevolle bewijsmateriaal.
Tip: Wanneer u een artefact aan de AI geeft, geef dan indien mogelijk drie weergaven: buitenoppervlak, binnenoppervlak en gebroken gedeelte. Vermeld ook het contextnummer en eventuele profielafmetingen. Hoe meer onbevooroordeelde gegevens, hoe betrouwbaarder de groepering.
AI-gebruikstabel per zoektype
Soort vondst
AI is krachtig
Risicovolle/menselijke zaak
Verplichte verificatie
keramiek
Vorm/deeg voorgroeperen
Periode, plaats van productiereferentie
Referentiecatalogus, deeganalyse
munt
Gezichts-/pictogramvoorherkenning
Toeschrijving, imitatie/zeldzame detectie
Muntcatalogus, expert
Lithisch (stenen werktuig)
Type- en maatmeting
Functie, technologiebeoordeling
Gebruik-slijtageanalyse
glas/metaal
Kleur, vormvoorscheiding
Samenstelling, chronologie
Laboratoriumanalyse
kleine vondst
Matching van inventarisfoto's
Functie, betekenisinterpretatie
Context, parallel voorbeeld
Veel voorkomende fouten
- Vraag om referenties in plaats van beschrijvingen. Vraag AI naar ‘hoe het eruit ziet’, niet naar ‘wat het is’; Maak uw keuze aan de hand van de catalogus.
- Classificeren met slechte foto. Zonder schaal, licht en kleurenkaart is de uitvoer onbetrouwbaar.
- Acceptatie van AI's eerste verwijzing naar de zeldzame vondst. AI dwingt het atypische patroon tot het meest bekende patroon.
- Plak-/contextgegevens overslaan. Visuele gelijkenis alleen is misleidend; deeg en context zijn doorslaggevend.
- Het verwarren van voorlopige groepering met definitieve typologie. Groeperen is een begin; Typologie is een expert- en naslagwerk.
Samengevat
AI in gevonden classificatie; Het bespaart veel tijd bij visuele beschrijving, extractie van functies en voorbereidende groeperingstaken. Maar cultureel-chronologische attributie, imitatie/zeldzame detectie en functionele interpretatie behoren tot de expert- en referentiecatalogi. Zeg tegen AI ‘beschrijf’ en niet ‘beschrijf’; standaardiseer de fotokwaliteit; verifieer elke toeschrijving met onafhankelijke bronnen; Wees bij zeldzame vondsten zeer sceptisch over het eerste antwoord van de AI.
Applicatie taak
Bereid 10 gevonden afbeeldingen voor (of kies uit een catalogus) in standaardformaat. Beschrijf ze allemaal met de sjabloon 'Neutrale beschrijving' en groepeer ze vervolgens met de sjabloon 'Voorgroepering'. Vergelijk vervolgens een groep met een echte referentiecatalogus en noteer waar de AI-groepering klopte en waar deze verkeerd was.
controlelijst
- [ ] De foto's heb ik gestandaardiseerd met een schaal-, licht- en kleurenkaart.
- [ ] Ik wilde een neutrale beschrijving van AI, geen attributie.
- [ ] Ik controleerde de voorlopige groepering met een deskundig oog en referentiecatalogus.
- [ ] Ik zette vraagtekens bij de initiële toeschrijving van AI bij zeldzame/atypische vondsten.
- [ ] Elke cultureel-chronologische referentie heb ik geverifieerd met onafhankelijke bronnen.