Ganhos:
- Utilizar a inteligência artificial na descrição imparcial e no agrupamento visual preliminar dos achados, e ser capaz de distinguir a referência cronológica-cultural do trabalho do especialista com o catálogo de referência.
- Capacidade de compreender como a qualidade da foto (escala, luz, cartela de cores) e dados metavisuais como textura, perfil e contexto determinam a precisão da classificação.
- Capacidade de reconhecer a tendência da inteligência artificial de forçar o padrão mais familiar em descobertas raras e atípicas e confirmar cada atribuição com uma fonte independente
Uma das tarefas mais cansativas, porém informativas, de uma escavação é a classificação de achados (separar os objetos encontrados de acordo com tipo, forma e período). Dezenas de milhares de peças de cerâmica, centenas de moedas, ferramentas de pedra (líticas), objetos de osso, vidro e metal desenterrados numa estação devem ser examinados e registrados um por um. Nesta unidade, aprenderemos como a análise de imagens (extrair automaticamente características como forma, cor, textura de uma fotografia de um objeto) e a classificação baseada em IA acelera o trabalho de localização, mas por que a decisão final de atribuição permanece sempre com o especialista.
O princípio básico é este: a IA agrupa rapidamente aqueles que parecem semelhantes; mas pode-se fazer uma referência cronológica-cultural como "esta peça é uma produção da Grécia Oriental do século VI aC" com base no catálogo de referência e no olhar especializado. A IA é um assistente de pré-classificação e medição, não uma autoridade de tipologia.
Etapas de classificação de localização
1. Captura visual. Cada achado é fotografado em ordem padrão, com barra de escala (régua mostrando o tamanho) e cartão colorido. Luz e fundo consistentes são essenciais para a análise de imagens de IA; Foto ruim significa classificação ruim.
2. Extração de recursos. IA; Extrai características mensuráveis como perfil de borda, forma (aro, fundo, alça), tratamento de superfície (polimento, vidro, pintura), cor e textura da pasta. A massa (a forma cozida do barro; a sua cor e aditivos indicam o local e a técnica de produção) é a espinha dorsal da tipologia arqueológica.
3. Pré-agrupamento. A IA classifica milhares de peças em grupos com base na semelhança visual: “provavelmente o mesmo recipiente”, “forma semelhante”, “massa semelhante”. Isso coloca pilhas ordenadas na frente do especialista.
4. Atribuição de especialistas. O especialista atribui período, local de produção e função a cada grupo por meio de catálogos de referência, séries de tipos e sua própria experiência. A IA dizendo “este é o período romano” é uma dica, não uma decisão.
5. Registro. Cada achado entra na base de dados com seu número de contexto, medidas, fotografia e atribuição (este é o assunto da unidade 5).
Dica: faça com que a IA “descreva” uma descoberta, e não “descreva”. “Que época é esta?” em vez disso, peça “liste objetivamente as características mensuráveis (forma, borda, superfície, cor) desta peça”; Você decide o período com o catálogo de referência. A descrição é confiável, a atribuição é arriscada.
Atenção especial deve ser dada às moedas e às inscrições.
As moedas são atraentes na análise de imagens porque são numerosas e padronizadas. A IA pode ajudar a reconhecer o retrato na face da moeda (avesso) e o símbolo no seu reverso (reverso). Mas a identificação de moedas requer conhecimentos numismáticos: seja uma inscrição gasta, uma cunhagem falsificada ou uma variante rara, a atribuição errada é demasiado óbvia. A IA dizendo "esta é a moeda daquele imperador" é definitivamente confirmada por um catálogo de moedas padrão. O mesmo se aplica a achados inscritos e carimbados.
Cuidado: a IA tende a “combinar” uma descoberta que se assemelhe a um tipo famoso com esse tipo famoso; Força exemplos raros, locais ou atípicos no padrão mais familiar. Seja, na melhor das hipóteses, cético em relação à primeira referência à IA em uma descoberta incomum.
três mini cases
Caso 1 — A pré-triagem reduziu a carga. 8.400 fragmentos de cerâmica foram descobertos em um assentamento da Idade do Ferro. O agrupamento visual da IA dividiu as partes em quase 40 grupos anteriores; Em vez de eliminar cada peça do zero, o especialista examinou os clusters e o tempo de classificação foi reduzido em cerca de um terço. O especialista separou dois lotes diferentes de massa que a IA combinou incorretamente.
Caso 2 — Atribuição falsa detectada. Um estagiário apresentou uma moeda à IA; A IA atribuiu-o com segurança a um tipo romano bem conhecido. Quando o especialista em numismática comparou com o catálogo, viu que a ordem do símbolo reverso e da legenda (escrita na moeda) eram diferentes e que se tratava de uma imitação de cunhagem regional. A IA forçou o tipo mais familiar.
Caso 3 — Problema de inconsistência de cores. Uma equipe alimentou as fotos de IA tiradas em dias diferentes com luzes diferentes; As cores da massa eram inconsistentes e o agrupamento estava quebrado. Quando a equipe mudou para um cartão colorido e um esquema de luz constante, a precisão do agrupamento aumentou significativamente. Lição: qualidade de imagem é qualidade de classificação.
Quatro modelos copiáveis
1) Descrição neutra:
Sua função: assistente de descrição encontrado. Vou lhe dar uma foto/dados encontrados. Liste apenas características OBSERVÁVEIS objetivamente: forma (boca/fundo/corpo/cabo), tamanho estimado, acabamento superficial, cor, decoração, condição de quebra/desgaste. NÃO FAZER REFERÊNCIA A UM PERÍODO, CULTURA OU LOCAL DE PRODUÇÃO. Se você não tiver certeza sobre o recurso, escreva “incerto”.
2) Pré-agrupamento:
Abaixo irei colar os dados descritivos das [N] peças. Divida-os em grupos de acordo com a forma e a semelhança da massa. Para cada grupo: escreva as características comuns, os números das peças que se enquadram no grupo e os critérios que conectam o grupo. Coloque todas as partes que ainda não estão claras em uma lista separada "para revisão". Não forneça um nome de tipo exato.
3) Produção de checklist para citação:
Sua função: consultor especialista em cerâmica. Para o grupo a seguir, liste os critérios que preciso verificar ao VERIFICAR o período/item de produção (análise de massa, catálogo de referência, busca paralela, data de contexto, etc.). Não faça a referência; Diga-me o que devo verificar.
4) Inspeção de qualidade fotográfica:
Avalie as seguintes fotos encontradas: há barra de escala, a luz é consistente, a cartela de cores é visível, o fundo é liso, a peça está nítida? Quais fotos devem ser tiradas novamente para classificação? Liste os problemas com o número da peça.
Alerta fraco / Alerta forte
Alerta fraco:
De que civilização veio esta peça de cerâmica, quantos anos ela tinha e para que era usada?
A IA inventa civilização precisa, idade precisa e função precisa a partir de uma única fotografia; Todos são infundados e confiantes.
Alerta poderoso:
Sua função: assistente de descrição encontrado. Descrever apenas as características observáveis da peça na fotografia: forma (boca/fundo?), superfície (vidrada/não vidrada, polida?), cor, decoração, espessura estimada. Então, com base nesta descrição, diga-me quais dados adicionais (análise de massa, desenho de perfil, contexto) são necessários para esclarecer função e período. Não faça referência precisa de civilização/idade.
Diferença: a primeira exige decisão e recebe ajuste; a segunda requer descrição e um roteiro verificável.
Além do visual: massa, contexto e perfil
Uma armadilha na análise de imagens de IA é que ela observa apenas a aparência da superfície. No entanto, a espinha dorsal da tipologia arqueológica é muitas vezes invisível a olho nu. A massa (o estado de cozimento da argila, seus aditivos e sua textura na seção quebrada) revela onde e como um recipiente foi produzido e qual fonte de argila foi utilizada; Embora duas peças sejam semelhantes na superfície, se a massa for diferente, podem pertencer a tradições de produção diferentes. Portanto, uma classificação séria exige que o trecho quebrado da peça seja fotografado.
Da mesma forma, o perfil (desenho em escala da seção lateral-corpo-fundo de uma embarcação) define a forma com muito mais precisão do que uma única fotografia; O ângulo da boca, a espessura da borda e o formato do fundo são indicadores do período. A IA pode ajudar a extrair automaticamente o desenho do perfil e agrupar perfis semelhantes, mas o especialista verifica o desenho e a medição. Finalmente, o contexto (em que camada a peça foi encontrada, com que) é uma forte pista de datação independente da semelhança visual: peças no mesmo contexto fechado são muitas vezes do mesmo período. Se você fornecer à IA apenas a foto e pular a textura, o perfil e o contexto, estará ignorando suas evidências mais valiosas.
Dica: Ao fornecer um artefato à IA, forneça três visualizações, se possível: superfície externa, superfície interna e seção quebrada. Inclua também o número do contexto e quaisquer medidas do perfil. Quanto mais dados imparciais significam um agrupamento mais confiável.
Tabela de uso de IA por tipo de busca
Tipo de descoberta
IA é poderosa
Negócio arriscado/humano
Verificação obrigatória
cerâmica
Pré-agrupamento de forma/massa
Período, referência do local de produção
Catálogo de referência, análise de massa
moeda
Pré-reconhecimento de rosto/ícone
Atribuição, imitação/detecção rara
Catálogo de moedas, especialista
Lítico (ferramenta de pedra)
Medição de tipo e tamanho
Função, revisão de tecnologia
Análise de uso e desgaste
vidro/metal
Cor, pré-separação de formas
Composição, cronologia
Análise laboratorial
pequeno achado
Correspondência de fotos do inventário
Função, interpretação de importância
Contexto, exemplo paralelo
Erros comuns
- Pedindo referências em vez de descrições. Pergunte à IA “como é”, não “o que é”; Tome a sua decisão com o catálogo.
- Classificando com foto ruim. Sem escala, luz e cartão colorido, a saída não é confiável.
- Aceitando a primeira referência da AI ao achado raro. A IA força o padrão atípico ao padrão mais familiar.
- Ignorando dados de colagem/contexto. A semelhança visual por si só é enganosa; massa e contexto são decisivos.
- Confundir agrupamento preliminar com tipologia definitiva. O agrupamento é um começo; Tipologia é uma obra especializada e de referência.
Resumindo
IA na classificação encontrada; Ele economiza muito tempo na descrição visual, extração de recursos e tarefas preliminares de agrupamento. Mas a atribuição cronológica-cultural, a imitação/detecção rara e a interpretação funcional pertencem aos catálogos de especialistas e de referência. Diga à IA “descreva” e não “descreva”; padronizar a qualidade da foto; verifique cada atribuição com fontes independentes; Em casos raros, seja muito cético em relação à primeira resposta da IA.
Tarefa de aplicativo
Prepare 10 imagens encontradas (ou escolha em um catálogo) em formato padrão. Descreva cada um com o modelo “Descrição neutra” e agrupe-os com o modelo “Pré-agrupamento”. Em seguida, compare um grupo com um catálogo de referência real e observe onde o agrupamento da IA estava certo e onde estava errado.
lista de verificação
- [ ] Padronizei as fotos com escala, luz e cartela de cores.
- [] Eu queria uma descrição neutra da IA, não uma atribuição.
- [] Verifiquei o agrupamento preliminar com um olhar especializado e um catálogo de referência.
- [] Questionei a atribuição inicial da IA em achados raros/atípicos.
- [ ] Verifiquei cada referência cronológica-cultural com fontes independentes.