Zyski:
- Wykorzystanie sztucznej inteligencji w bezstronnym opisie i wizualnym wstępnym grupowaniu znalezisk oraz umiejętność odróżnienia odniesień kulturowo-chronologicznych od pracy eksperta z katalogiem referencyjnym.
- Umiejętność zrozumienia, w jaki sposób jakość zdjęcia (skala, światło, karta kolorów) i dane metawizualne, takie jak tekstura, profil, kontekst, decydują o dokładności klasyfikacji.
- Umiejętność rozpoznawania tendencji sztucznej inteligencji do narzucania najbardziej znanych wzorców w przypadku rzadkich i nietypowych znalezisk oraz potwierdzania każdego przypisania z niezależnego źródła
Jednym z najbardziej męczących, a jednocześnie pouczających zadań wykopalisk jest klasyfikacja znalezisk (podział znalezionych obiektów według rodzaju, formy i okresu). Dziesiątki tysięcy kawałków ceramiki, setki monet, narzędzi kamiennych (litycznych), przedmiotów z kości, szkła i metalu odkopywanych w ciągu sezonu należy kolejno zbadać i udokumentować. W tej części dowiemy się, jak analiza obrazu (automatyczne wyodrębnianie takich cech, jak kształt, kolor, tekstura ze zdjęcia obiektu) i klasyfikacja oparta na sztucznej inteligencji przyspieszają wyszukiwanie, ale dlaczego ostateczna decyzja o przypisaniu zawsze należy do eksperta.
Podstawowa zasada jest następująca: sztuczna inteligencja szybko grupuje te, które wyglądają podobnie; można jednak poczynić odniesienia kulturowo-chronologiczne, takie jak „ten utwór jest produkcją wschodnio-grecką z VI wieku p.n.e.” w oparciu o katalog referencyjny i oko eksperta. AI jest asystentem w zakresie wstępnego sortowania i pomiaru, a nie autorytetem w zakresie typologii.
Etapy klasyfikacji znalezisk
1. Przechwytywanie wizualne. Każde znalezisko jest fotografowane w standardowej kolejności, z podziałką (linijką pokazującą rozmiar) i kartą kolorów. Spójne światło i tło mają kluczowe znaczenie dla analizy obrazu AI; Złe zdjęcie oznacza złą klasyfikację.
2. Ekstrakcja cech. sztuczna inteligencja; Wydobywa mierzalne cechy, takie jak profil krawędzi, forma (obręcz, spód, uchwyt), obróbka powierzchni (polerowanie, szkło, farba), kolor i tekstura pasty. Ciasto (wypalona forma gliny; jego kolor i dodatki wskazują na miejsce i technikę produkcji) jest podstawą typologii archeologicznej.
3. Wstępne grupowanie. Sztuczna inteligencja sortuje tysiące części w skupiska na podstawie podobieństwa wizualnego: „prawdopodobnie ten sam pojemnik”, „podobna forma”, „podobne ciasto”. To stawia uporządkowane stosy przed ekspertem.
4. Atrybucja ekspercka. Ekspert przypisuje każdej grupie okres, miejsce produkcji i funkcję na podstawie katalogów referencyjnych, serii typów i własnego doświadczenia. Sztuczna inteligencja mówiąca „to jest okres rzymski” jest wskazówką, a nie decyzją.
5. Rejestracja. Każde znalezisko trafia do bazy danych wraz z numerem kontekstu, pomiarami, fotografią i atrybucją (jest to temat rozdziału 5).
Wskazówka: niech sztuczna inteligencja „opisze” znalezisko, a nie „opisze” je. „Jaka to epoka?” zamiast tego zapytaj „obiektywnie wymień mierzalne cechy (formę, krawędź, powierzchnię, kolor) tej części”; Ty decydujesz o okresie, korzystając z katalogu referencyjnego. Opis jest wiarygodny, atrybucja jest ryzykowna.
Szczególną uwagę należy zwrócić na monety i napisy.
Monety są atrakcyjne w analizie obrazu, ponieważ są liczne i ustandaryzowane. Sztuczna inteligencja może pomóc rozpoznać portret na awersie monety (awers) i symbol na jej rewersie (rewers). Jednak identyfikacja monet wymaga wiedzy numizmatycznej: niezależnie od tego, czy chodzi o wytarty napis, sfałszowaną mennicę czy rzadki wariant, błędna atrybucja jest aż nazbyt oczywista. AI mówiące „to jest moneta tego cesarza” zdecydowanie potwierdza standardowy katalog monet. To samo dotyczy znalezisk inskrypcyjnych i stemplowanych.
Uwaga: sztuczna inteligencja ma tendencję do „dopasowywania” znalezisk przypominających znany typ do tego słynnego typu; Wprowadza rzadkie, lokalne lub nietypowe przykłady w najbardziej znany wzór. Bądź co najwyżej sceptyczny wobec pierwszej wzmianki o sztucznej inteligencji w niezwykłym znalezisku.
trzy mini etui
Przypadek 1 — Sortowanie wstępne zmniejszyło ładunek. W osadzie z epoki żelaza odkopano 8400 fragmentów ceramiki. Wizualne grupowanie AI podzieliło części na prawie 40 z poprzednich klastrów; Zamiast eliminować każdy element od zera, ekspert przejrzał skupienia, a czas sortowania skrócił się o około jedną trzecią. Ekspert oddzielił dwie różne partie ciasta, które sztuczna inteligencja nieprawidłowo połączyła.
Przypadek 2 — wykryto fałszywe przypisanie. Stażysta przedstawił AI monetę; Sztuczna inteligencja z pewnością przypisała to dobrze znanemu typowi rzymskiemu. Kiedy numizmatyk porównał ją z katalogiem, stwierdził, że kolejność symbolu rewersu i legendy (napisu na monecie) jest odmienna i że jest to imitacja regionalna. Sztuczna inteligencja wymusiła najbardziej znany typ.
Przypadek 3 — Problem niespójności kolorów. Jeden zespół karmił zdjęcia AI zrobione w różne dni przy różnym świetle; Kolory ciasta były niespójne, a grupowanie załamane. Kiedy zespół przeszedł na kartę kolorów i schemat stałego oświetlenia, dokładność grupowania znacznie wzrosła. Lekcja: jakość obrazu to jakość klasyfikacji.
Cztery szablony do kopiowania
1) Opis neutralny:
Twoja rola: znaleziono asystenta opisu. Dam ci znalezione zdjęcie/dane. Obiektywnie wymień tylko OBSERWALNE cechy: kształt (usta/spód/korpus/uchwyt), szacunkowy rozmiar, wykończenie powierzchni, kolor, dekoracja, stan złamania/zużycia. NIE NALEŻY ODWOŁAĆ SIĘ DO OKRESU, KULTURY ANI MIEJSCA PRODUKCJI. Jeśli nie masz pewności co do tej funkcji, napisz „niepewny”.
2) Wstępne grupowanie:
Poniżej wkleję dane opisowe [N] części. Podziel je na grupy według kształtu i podobieństwa ciasta. Dla każdej grupy: zapisz wspólne cechy, numery części należące do grupy i kryteria łączące grupę. Umieść wszelkie części, które pozostają niejasne, na osobnej liście „do przejrzenia”. Nie podawaj dokładnej nazwy typu.
3) Przygotowanie listy kontrolnej do cytowania:
Twoja rola: konsultant-ekspert w dziedzinie ceramiki. Dla poniższej grupy wymień kryteria, które muszę sprawdzić podczas WERYFIKACJI okresu/elementu produkcji (analiza ciasta, katalog referencyjny, znalezisko równoległe, data kontekstowa itp.). Nie rób odniesienia; Powiedz mi, co mam sprawdzić.
4) Kontrola jakości zdjęcia:
Oceń następujące znalezione zdjęcia: czy na zdjęciu znajduje się pasek skali, czy światło jest spójne, czy widoczna jest karta kolorów, czy tło jest gładkie, czy fragment jest wyraźny? Które zdjęcia należy powtórzyć w celu klasyfikacji? Lista problemów z numerem części.
Słaba zachęta/silna zachęta
Słaba zachęta:
Z jakiej cywilizacji pochodził ten kawałek ceramiki, ile miał lat i do czego był używany?
Sztuczna inteligencja tworzy precyzyjną cywilizację, dokładny wiek i precyzyjną funkcję na podstawie jednego zdjęcia; Wszystkie są bezpodstawne i pewne siebie.
Potężny monit:
Twoja rola: znaleziono asystenta opisu. Opisz jedynie widoczne cechy przedmiotu na fotografii: część formy (ust/dół?), powierzchnia (szkliwiona/nieszkliwiona, polerowana?), kolor, dekoracja, szacunkowa grubość. Następnie na podstawie tego opisu powiedz mi, jakie dodatkowe dane (analiza ciasta, rysunek profilu, kontekst) są potrzebne do wyjaśnienia funkcji i okresu. Nie podawaj dokładnych odniesień do cywilizacji/wieku.
Różnica: pierwsza wymaga decyzji i zostaje dopasowana; drugi wymaga opisu i weryfikowalnego planu działania.
Poza tym, co wizualne: ciasto, kontekst i profil
Pułapką w analizie obrazu AI jest to, że uwzględnia ona jedynie wygląd powierzchni. Jednak szkielet typologii archeologicznej jest często niewidoczny gołym okiem. Ciasto (stan wypalenia gliny, jej dodatki i tekstura w połamanej części) ujawnia, gdzie i w jaki sposób wyprodukowano naczynie oraz z jakiego źródła gliny skorzystano; Chociaż dwa kawałki są podobne na powierzchni, jeśli ich ciasto jest inne, mogą należeć do różnych tradycji produkcyjnych. Dlatego poważna klasyfikacja wymaga sfotografowania uszkodzonej części fragmentu.
Podobnie profil (rysunek w skali boku-dna statku) określa formę znacznie dokładniej niż pojedyncza fotografia; Kąt ust, grubość krawędzi i kształt dna są wskaźnikami okresu. Sztuczna inteligencja może pomóc automatycznie wyodrębnić rysunek profilu i pogrupować podobne profile, ale ekspert weryfikuje rysunek i pomiar. Wreszcie kontekst (w której warstwie i z czym utwór został znaleziony) stanowi silną wskazówkę randkową niezależną od podobieństwa wizualnego: dzieła w tym samym zamkniętym kontekście często pochodzą z tego samego okresu. Jeśli dasz AI tylko zdjęcie i pominiesz teksturę, profil i kontekst, ignorujesz najcenniejszy dowód.
Wskazówka: przekazując artefakt sztucznej inteligencji, jeśli to możliwe, zapewnij trzy widoki: powierzchnię zewnętrzną, powierzchnię wewnętrzną i przekrój uszkodzony. Uwzględnij także numer kontekstu i wszelkie wymiary profilu. Im bardziej bezstronne dane oznaczają bardziej wiarygodne grupowanie.
Tabela użycia AI według typu wyszukiwania
Rodzaj znaleziska
Sztuczna inteligencja jest potężna
Ryzykowny/ludzki biznes
Obowiązkowa weryfikacja
ceramika
Wstępne grupowanie formy/ciasta
Okres, miejsce odniesienia do produkcji
Katalog referencyjny, analiza ciasta
moneta
Wstępne rozpoznawanie twarzy/ikony
Atrybucja, imitacja/rzadkie wykrycie
Katalog monet, ekspert
Lit (narzędzie kamienne)
Pomiar typu i rozmiaru
Funkcja, przegląd technologii
Analiza użytkowania i zużycia
szkło/metal
Kolor, wstępna separacja formy
Skład, chronologia
Analiza laboratoryjna
małe znalezisko
Dopasowywanie zdjęć inwentarza
Funkcja, interpretacja znaczenia
Kontekst, przykład równoległy
Typowe błędy
- Proszę o referencje, a nie opisy. Zapytaj sztuczną inteligencję o „jak to wygląda”, a nie „co to jest”; Podejmij decyzję, korzystając z katalogu.
- Klasyfikacja ze złym zdjęciem. Bez skali, światła i karty kolorów wynik jest zawodny.
- Akceptując pierwszą wzmiankę AI o rzadkim znalezisku. Sztuczna inteligencja wymusza nietypowy wzór na najbardziej znanym.
- Pomijanie danych wklejania/kontekstu. Samo podobieństwo wizualne wprowadza w błąd; ciasto i kontekst są decydujące.
- Mylenie wstępnego grupowania z ostateczną typologią. Grupowanie to początek; Typologia jest pracą ekspercką i referencyjną.
Podsumowując
AI w znalezionej klasyfikacji; Oszczędza to dużo czasu na opisie wizualnym, wyodrębnianiu cech i wstępnych zadaniach grupowania. Ale atrybucja kulturowo-chronologiczna, wykrywanie imitacji/rzadkich i interpretacja funkcjonalna należą do katalogów eksperckich i referencyjnych. Powiedz AI „opisz”, a nie „opisz”; standaryzować jakość zdjęć; zweryfikuj każde przypisanie w niezależnych źródłach; W rzadkich przypadkach bądź najbardziej sceptyczny wobec pierwszej odpowiedzi AI.
Zadanie aplikacji
Przygotuj 10 znalezionych obrazów, które posiadasz (lub wybierz z katalogu) w standardowym formacie. Opisz każdy szablonem „Opis neutralny”, a następnie zgrupuj je szablonem „Grupowanie wstępne”. Następnie porównaj grupę z prawdziwym katalogiem referencyjnym i zanotuj, gdzie grupowanie dokonane przez sztuczną inteligencję było trafne, a gdzie błędne.
lista kontrolna
- [ ] Zdjęcia ujednoliciłam za pomocą skali, światła i karty kolorów.
- [ ] Chciałem neutralnego opisu ze strony AI, a nie przypisania.
- [ ] Wstępne grupowanie sprawdziłem okiem fachowca i katalogiem referencyjnym.
- [ ] Kwestionowałem początkowe przypisanie sztucznej inteligencji do rzadkich/nietypowych znalezisk.
- [ ] Każde odniesienie kulturowo-chronologiczne zweryfikowałem w niezależnych źródłach.