Zyski:
- Możliwość zachowania integralności danych podczas digitalizacji i standaryzacji jednostek zapisu, takich jak kontekst/miejsce, stratygrafia i matryca Harrisa ze sztuczną inteligencją
- Możliwość ochrony surowych danych i możliwość śledzenia każdej transformacji przed ryzykiem uzupełnienia brakujących danych przez sztuczną inteligencję i wprowadzenia cichych zmian
- Zrozum, dlaczego kontrolowany słownik, metadane i zasady otwarte/FAIR są niezbędne dla przyszłej użyteczności danych.
Wartość naukowa wykopalisk nie leży w znaleziskach złota, które z nich wynikają, ale w jakości ich zapisów. Odkrycie, które nie jest dobrze udokumentowane, jest prawie nieistotne dla nauki; Bo jest to obiekt nie wiadomo gdzie, w jakiej warstwie i z czym się znajduje, jest to po prostu piękny obiekt. W tej części przyjrzymy się rejestrowaniu wykopalisk (systematycznej transkrypcji i bazie danych każdego kontekstu, znaleziska i obserwacji) oraz temu, jak sztuczna inteligencja może przyspieszyć wprowadzanie danych, organizację i standaryzację, ale jednocześnie dlaczego odpowiedzialność za integralność danych pozostaje po stronie ludzi.
Podstawowa zasada: sztuczna inteligencja pomaga porządkować rozproszone zapisy, standaryzować je i znajdować niespójności; Jednak to, które dane są dokładne, czy zapis odzwierciedla prawdę i za integralność danych, odpowiada człowiek. AI koryguje kształt danych, nie gwarantuje ich dokładności.
Podstawowe jednostki zapisu archeologicznego
Kontekst/miejsce. Każde wykopalisko dzieli miejsce na jednostki kontekstu (kontekst/miejsce — pojedyncze złoże, warstwa, dół lub ściana; najmniejsza jednostka znaczeniowa wykopu). Każdy kontekst otrzymuje unikalny numer i wszystkie znaleziska są powiązane z tym numerem.
Stratygrafia i macierz Harrisa. Stratygrafia (stosunek warstw przed i po) jest podstawą datowania względnego. Macierz Harrisa (schemat przedstawiający kolejność kontekstów względem siebie) wizualizuje te relacje. Sztuczna inteligencja pomaga wykryć niespójne relacje stratygraficzne (np. cykliczny błąd „A jest zarówno powyżej, jak i poniżej B”).
Znajdź zapasy. Każde znalezisko; Kontekst jest rejestrowany za pomocą numeru, typu, rozmiaru, materiału, stanu i fotografii.
Standardy danych. Aby zapisy można było udostępniać i porównywać, stosowane są wspólne standardy. CIDOC-CRM (międzynarodowe ramy koncepcyjne/ontologia opracowana w celu opisu danych dotyczących dziedzictwa kulturowego) umożliwia komunikację danych z różnych instytucji. Stosowany jest kontrolowany słownik terminów (zatwierdzona lista zapewniająca, że wszyscy używają tego samego terminu w odniesieniu do tego samego pojęcia).
Wskazówka: używaj sztucznej inteligencji do „organizowania i kontrolowania” danych, a nie do ich „interpretowania”. „Jakie numery kontekstu są sprzeczne w tych zapisach?” To dobre pytanie; „Do jakiego okresu należy ten kontekst?” To decyzja eksperta. Najsilniejsza sztuczna inteligencja sprawdza spójność.
Rola AI w rejestracji i bazach danych
- Digitalizacja. Ręcznie pisane notatki z wykopalisk, karty inwentaryzacyjne i stare rysunki są importowane do bazy danych za pomocą rozpoznawania tekstu opartego na sztucznej inteligencji (to link do HTR w części 6).
- Normalizacja. Różne pisownie („byzantium”, „Byzantium”, „byz.”) są odwzorowywane w kontrolowanym słowniku; daty i wymiary zostały ujednolicone.
- Kontrola spójności. Zaznaczane są błędy takie jak brak numeru kontekstu, sprzeczna stratygrafia, użycie tego samego numeru w dwóch różnych znaleziskach.
- Zapytanie i podsumowanie. Zapytania takie jak „Wszystkie znalezione szkła w następującym kontekście” i tabele podsumowujące są generowane szybko.
Uwaga: podczas standaryzacji sztuczna inteligencja może po cichu modyfikować dane, próbując je „naprawić”; na przykład może zaokrąglić pomiar do „rozsądnej” wartości lub wypełnić niepewny odczyt własnymi szacunkami. Każda automatyczna zmiana musi być identyfikowalna i należy zachować oryginalny zapis. Surowe dane nigdy nie są nadpisywane.
trzy mini etui
Przypadek 1 – Digitalizacja uratowała archiwum. Muzeum przechowywało przez 40 lat ręcznie pisane karty inwentarzowe (około 22 000 kart) zagrożone utratą. Rozpoznawanie tekstu i standaryzacja oparte na sztucznej inteligencji zaimportowały karty do bazy danych z możliwością przeszukiwania; Każda karta została sprawdzona na podstawie próbki przez osobę badającą, a obszary nieczytelne zostały oznaczone jako „niejasne”.
Przypadek 2 – Kontrola niespójności wykazała błędy. Zespół wykopaliskowy zlecił AI audyt bazy danych na koniec sezonu; YZ zaznaczył, że trzy znaleziska miały ten sam numer kontekstu, ale sprzeczne informacje o warstwie. Przegląd ujawnił błąd przy wprowadzaniu danych; gdyby nie zostało to skorygowane, zniekształciłoby to interpretację stratygraficzną.
Przypadek 3 — Wychwycono cichą zmianę. Podczas standaryzacji pomiarów asystent zauważył, że sztuczna inteligencja interpretowała niektóre wartości „0” jako „zero”, a nie „brak”; zniekształciło to długość połamanych elementów. Proces został przebudowany, aby zachować oryginalne dane, ale zachować zmiany w osobnej kolumnie.
Cztery szablony do kopiowania
1) Standaryzacja (słownik kontrolowany):
Twoja rola: asystent ds. przetwarzania danych. Mapuj wartości [field:material/period/type] w następujących rekordach do następującego kontrolowanego słownika: [dictionarylist]. ZMIEŃ wartości, które nie mają odpowiedników w słowniku; Oznacz to jako „brak dopasowania”. Zgłaszaj każdą zmianę jako parę oryginał-nowy; usuwanie surowych danych.
2) Kontrola spójności:
Znajdź niespójności w następujących zapisach wykopalisk: powtarzające się numery kontekstu, brakujące pola obowiązkowe, sprzeczne relacje stratygraficzne, nieprawidłowe daty/pomiary. Wypisz każdy problem z numerem rejestracyjnym i zostaw go MNIE, aby go naprawić; nie zmieniaj tego sam.
3) Sterowanie logiczne Harris Matrix:
Poniżej przedstawiono zależności stratygraficzne pomiędzy kontekstami (A powyżej/poniżej B). Czy istnieje logiczna sprzeczność (pętla, relacja dwukierunkowa)? Pokaż, jakie konteksty, jeśli w ogóle. Nie komentuj; po prostu sprawdź spójność logiczną.
4) Zapytanie i tabela podsumowująca:
Poniższy ekstrakt ze zrzutu bazy danych: [np. znajdź rozkład typów według kontekstu]. Podaj wynik w formie tabeli, określając, z jakich rekordów pochodzi każdy wiersz. NIE DODAWAJ żadnej wartości, która nie istnieje w danych; Jeśli jest puste, wpisz „brak danych”.
Słaba zachęta/silna zachęta
Słaba zachęta:
Popraw dane wykopaliskowe i uzupełnij brakujące elementy.
„Wypełnij luki” pozwala sztucznej inteligencji dopasować dane; Rezultatem jest niewiarygodna baza danych, w której fakty i fikcja mieszają się.
Potężny monit:
Zaznacz WYŁĄCZNIE niespójności formalne (pisownia, format daty, duplikat identyfikatora) w poniższych danych wykopaliskowych. UZUPEŁNIJ brakujące wartości; Pozostaw jako „niekompletny”. Wymień każdą proponowaną zmianę wraz z oryginałem; Udzielę zgody. Zmiana surowych danych.
Różnica: ta pierwsza psuje dane po cichu; Drugi kontroluje i pozostawia decyzję człowiekowi.
Dobry model danych: pola, relacje i metadane
Archeologiczna baza danych nie jest dowolną tabelą, ale przemyślanym modelem danych (planem, które tabele, jakie pola i jakie relacje będą zorganizowane dane). Podstawowa zasada jest taka, że wszystko zależy od kontekstu: znaleziska do kontekstu, konteksty do siebie (stratygrafia) i do pola. Każdy rekord ma unikalną tożsamość (ID), a relacje są ustanawiane na podstawie tych tożsamości; Znalezisko odnosi się do pojedynczego kontekstu, kontekst może zawierać wiele znalezisk.
Równie ważne jak nagranie są metadane (dane o samych danych: kto je nagrał, kiedy, jaką metodą, w jakiej wersji). Zapis, który nie jest znany przez kogo, kiedy i z jaką pewnością został wprowadzony, nie może być w przyszłości kwestionowany. Sztuczna inteligencja jest pomocna w sprawdzaniu spójności wypełniania pól metadanych i sygnalizowaniu brakujących metadanych.
Kolejną kluczową zasadą jest otwarty i zrównoważony format. Zamiast zamykać dane w zastrzeżonym, zamkniętym oprogramowaniu, utrzymywanie ich blisko otwartych standardów (tabele tekstowe, udokumentowane schematy) gwarantuje, że dane będą mogły zostać odczytane kilkadziesiąt lat później. Dane archeologiczne powstają nie na potrzeby pojedynczej publikacji, ale dla przyszłych pokoleń; Dlatego zasady FAIR (znajdowanie, dostępność, interoperacyjność i możliwość ponownego wykorzystania danych) stają się coraz bardziej standardem. Sztuczna inteligencja jest przydatna w oznaczaniu danych zgodnie z tymi zasadami i znajdowaniu braków; Ale to Ty decydujesz, które dane pozostaną otwarte, a które wrażliwe (poufne).
Wskazówka: konfigurując bazę danych, zadaj sobie pytanie: „Czy ktoś, kto tego nie zna, może ją otworzyć i zrozumieć za 10 lat?” zapytać. Wyjaśnij skróty w glosariuszu, wypełnij pola metadanych i wykonaj kopię zapasową nieprzetworzonych danych w otwartym formacie.
Tabela zadań rekordu/bazy danych
Zadanie
Rola sztucznej inteligencji
ludzka decyzja
zasada ochrony
digitalizacja
rozpoznawanie tekstu
Niejasne potwierdzenie odczytu
Surowy skan jest zapisywany
standaryzacja
Mapa do słownika
Niedopasowana decyzja dotycząca wartości
Oryginał został zachowany
Spójność
Oznaczenie sprzeczności
korekta
Zmiany są śledzone
stratygrafia
Sterowanie logiczne
Komentarz
Zatwierdzenie eksperta ds. matrycy
Zapytanie/podsumowanie
Produkcja stołów
Komentarz, wybór
Wierność danym
Typowe błędy
- Uzupełnianie brakujących danych. Sztuczna inteligencja nadrabia; Brakujące muszą pozostać „niekompletne”.
- Nadpisywanie surowych danych. Oryginał jest zawsze zachowywany; zmiany są przechowywane oddzielnie.
- Nie zauważając cichych zmian. Każda automatyczna konwersja powinna być raportowana i kontrolowana.
- Pomijanie standardu. Bez kontrolowanego słownika i wspólnego modelu nie można udostępniać danych.
- Wykorzystanie sztucznej inteligencji do przeprowadzenia interpretacji stratygraficznej. AI znajduje logiczną sprzeczność; Komentarz jest dla eksperta.
Podsumowując
Sztuczna inteligencja w zapisie wykopalisk i bazie danych; Zapewnia dużą szybkość w digitalizacji, standaryzacji, sprawdzaniu spójności i pracach związanych z zapytaniami. Jednak integralność danych jest święta: żadne brakujące części nie pozostają nienaruszone, surowe dane są zachowywane, każda zmiana jest śledzona, a interpretacja stratygraficzna należy do eksperta. Dobre zapisy są najcenniejszym dziedzictwem, jakie wykopaliska pozostawiają w przyszłości.
Zadanie aplikacji
Przygotuj małą przykładową tabelę danych wykopaliskowych (10–20 rekordów); celowo umieściłem tam kilka niespójności (zduplikowany identyfikator, zniekształcona data, sprzeczna warstwa). Niech sztuczna inteligencja znajdzie je za pomocą wzorców „sprawdzania spójności” i „sprawdzania logiki Harrisa Matrixa”; następnie napisz kontrolowany słownik i zmapuj pole materiału na szablon „Standardyzacja” i pamiętaj o zachowaniu surowych danych.
lista kontrolna
- [ ] Zapisałem surowe dane osobno, niezmodyfikowane.
- [ ] Nie kazałem AI uzupełnić brakujących części; Zostawiłem jako „niekompletny”.
- [ ] Sprawdziłem każdą automatyczną zmianę z oryginałem.
- [ ] Użyłem kontrolowanego słownika i standardu danych.
- [ ] Interpretacji stratygraficznej dokonałem w oparciu o ocenę ekspercką.