Vinster:
- Använda artificiell intelligens i den opartiska beskrivningen och visuella preliminära grupperingen av fynd samt kunna särskilja kulturell-kronologisk referens från expertens arbete med referenskatalogen.
- Förmåga att förstå hur fotokvalitet (skala, ljus, färgkort) och metavisuella data som textur, profil, sammanhang avgör klassificeringsnoggrannheten.
- Förmåga att känna igen den artificiella intelligensens tendens att tvinga fram det mest välbekanta mönstret i sällsynta och atypiska fynd och bekräfta varje tillskrivning med en oberoende källa
En av de mest tröttsamma men ändå informativa uppgifterna för en utgrävning är fyndklassificering (separera hittade föremål efter typ, form och period). Tiotusentals keramiska bitar, hundratals mynt, stenverktyg (litiska), ben, glas och metallföremål som grävts fram under en säsong måste undersökas och registreras en efter en. I den här enheten kommer vi att lära oss hur bildanalys (automatiskt extrahera funktioner som form, färg, textur från ett fotografi av ett objekt) och AI-baserad klassificering påskyndar sökarbetet, men varför det slutliga tillskrivningsbeslutet alltid ligger hos experten.
Grundprincipen är denna: AI grupperar snabbt de som ser likadana ut; men man kan göra en kulturell-kronologisk referens som "det här stycket är en östgrekisk produktion från 600-talet f.Kr." baserat på referenskatalogen och expertögat. AI är en försorterings- och mätassistent, inte en typologimyndighet.
Steg för att hitta klassificering
1. Visuell fångst. Varje fynd är fotograferat i en standardordning, med en skala (linjal som visar storlek) och färgkort. Konsekvent ljus och bakgrund är avgörande för AI-bildanalys; Dåligt foto betyder dålig klassificering.
2. Funktionsextraktion. AI; Den extraherar mätbara egenskaper som kantprofil, form (kant, botten, handtag), ytbehandling (polering, glas, färg), pastafärg och textur. Deg (den brända formen av lera; dess färg och tillsatser indikerar platsen och tekniken för produktion) är ryggraden i arkeologisk typologi.
3. Förgruppering. AI sorterar tusentals delar i kluster baserat på visuell likhet: "sannolikt samma behållare", "liknande form", "liknande deg." Detta lägger ordnade högar framför experten.
4. Experttilldelning. Experten tillskriver period, produktionsplats och funktion till varje grupp genom referenskataloger, typserier och sin egen erfarenhet. AI som säger "detta är den romerska perioden" är en ledtråd, inte ett beslut.
5. Registrering. Varje fynd kommer in i databasen med dess kontextnummer, mått, fotografi och attribution (detta är föremål för enhet 5).
Tips: Låt AI:en "beskriva" ett fynd, inte "beskriva" det. "Vilken era är detta?" fråga istället "objektivt lista de mätbara egenskaperna (form, kant, yta, färg) av denna del"; Du bestämmer för perioden med referenskatalogen. Beskrivningen är tillförlitlig, tillskrivning är riskabel.
Särskild uppmärksamhet bör ägnas åt mynt och inskriptioner.
Mynt är attraktiva i bildanalys eftersom de är många och standardiserade. AI kan hjälpa till att känna igen porträttet på myntets framsida (avers) och symbolen på dess baksida (omvänd). Men myntidentifiering kräver numismatisk expertis: oavsett om det är en sliten inskription, ett förfalskat mynt eller en sällsynt variant, är felattributionen alltför uppenbar. AI som säger "det här är den kejsarens mynt" bekräftas definitivt av en standardmyntkatalog. Detsamma gäller för inskrivna och stämplade fynd.
Varning: AI tenderar att "matcha" ett fynd som liknar en berömd typ med den berömda typen; Det tvingar in sällsynta, lokala eller atypiska exempel i det mest välbekanta mönstret. Var i bästa fall skeptisk till den första referensen till AI i ett ovanligt fynd.
tre minifodral
Fall 1 — Försortering minskade belastningen. 8 400 keramiska skärvor grävdes fram i en bosättning från järnåldern. AI visuell gruppering delade delarna i nästan 40 tidigare kluster; Istället för att eliminera varje bit från grunden gick experten igenom klustren, och sorteringstiden minskade med ungefär en tredjedel. Experten separerade två olika partier av deg som AI hade kombinerat felaktigt.
Fall 2 – Falsk tillskrivning fångad. En praktikant introducerade ett mynt till AI; AI tillskrev den med tillförsikt en välkänd romersk typ. När den numismatiska experten jämförde den med katalogen såg han att den omvända symbolen och legenden (skriven på myntet) ordningen var annorlunda och att detta var en regional imitation. AI:n hade tvingat fram den mest välbekanta typen.
Fall 3 — Problem med färginkonsekvens. Ett team matade AI-bilderna tagna på olika dagar i olika ljus; Degens färger var inkonsekventa och grupperingen var bruten. När teamet bytte till ett färgkort och konstant ljusschema ökade grupperingsnoggrannheten avsevärt. Lektion: bildkvalitet är klassificeringskvalitet.
Fyra kopierbara mallar
1) Neutral beskrivning:
Din roll: hittade beskrivningsassistent. Jag ska ge dig ett fyndfoto/data. Lista endast observerbara egenskaper objektivt: form (mun/botten/kropp/handtag), uppskattad storlek, ytfinish, färg, dekoration, brott/slitage. REFERENS INTE TILL EN PERIOD, KULTUR ELLER PRODUKTIONSPLATS. Om du inte är säker på funktionen, skriv "osäker".
2) Förgruppering:
Nedan kommer jag att klistra in beskrivningsdata för [N] delar. Dela in dem i grupper efter form och deglikhet. För varje grupp: skriv de gemensamma egenskaperna, artikelnumren som ingår i gruppen och kriterierna som förbinder gruppen. Lägg alla delar som förblir otydliga på en separat "att granska"-lista. Ge inte ett exakt typnamn.
3) Checklistaproduktion för citering:
Din roll: keramikexpertkonsult. För följande grupp, ange de kriterier jag måste kontrollera när jag VERIFIERAR perioden/produktionsobjektet (deganalys, referenskatalog, parallellfynd, sammanhangsdatum, etc.). Gör inte referensen; Säg vad jag ska kolla.
4) Bildkvalitetsinspektion:
Utvärdera följande hittade bilder: finns det en skala, är ljuset konsekvent, är färgkortet synligt, är bakgrunden slät, är biten klar? Vilka foton ska tas om för klassificering? Lista problem med artikelnummer.
Svag prompt / Stark prompt
Svag uppmaning:
Vilken civilisation kom den här keramikbiten från, hur gammal var den och vad användes den till?
AI skapar exakt civilisation, exakt ålder och exakt funktion från ett enda fotografi; Alla är grundlösa och självsäkra.
Kraftfull uppmaning:
Din roll: hittade beskrivningsassistent. Beskriv endast de observerbara egenskaperna hos verket på fotografiet: formdel (mun/botten?), yta (glaserad/oglaserad, polerad?), färg, dekoration, uppskattad tjocklek. Berätta sedan utifrån denna beskrivning vilken ytterligare data (deganalys, profilritning, sammanhang) som behövs för att klargöra funktion och period. Gör inte exakt referens till civilisation/ålder.
Skillnad: den första kräver beslut och får passning; den andra kräver beskrivning och en verifierbar färdkarta.
Bortom det visuella: deg, sammanhang och profil
En fallgrop i AI-bildanalys är att den bara tittar på ytans utseende. Men ryggraden i den arkeologiska typologin är ofta osynlig för blotta ögat. Degen (det brända tillståndet hos leran, dess tillsatser och dess textur i den brutna delen) avslöjar var och hur ett kärl tillverkades och vilken lerkälla som användes; Även om två bitar är lika på ytan, om deras deg är olika, kan de tillhöra olika produktionstraditioner. Därför kräver en allvarlig klassificering att den trasiga delen av pjäsen fotograferas.
På samma sätt definierar profilen (skalig ritning av sidokroppen-bottensektionen av ett kärl) formen mycket mer exakt än ett enda fotografi; Munvinkel, kanttjocklek och bottenform är indikatorer på perioden. AI kan hjälpa till att automatiskt extrahera profilritningen och gruppera liknande profiler, men experten verifierar ritningen och mätningen. Slutligen är sammanhang (i vilket lager stycket hittades, med vad) en stark dateringsledtråd oberoende av visuell likhet: bitar i samma slutna sammanhang är ofta från samma period. Om du bara ger AI:n bilden och hoppar över texturen, profilen och sammanhanget, ignorerar du dina mest värdefulla bevis.
Tips: När du ger en artefakt till AI:n, tillhandahåll om möjligt tre vyer: yttre yta, inre yta och bruten sektion. Inkludera även kontextnumret och eventuella profilmått. Ju mer opartisk data innebär desto mer tillförlitlig gruppering.
AI-användningstabell efter söktyp
Typ av fynd
AI är kraftfullt
Riskfyllda/mänskliga affärer
Obligatorisk verifiering
keramik
Form/deg förgruppering
Period, produktionsplats referens
Referenskatalog, deganalys
mynt
Föridentifiering av ansikte/ikon
Attribution, imitation/sällsynt upptäckt
Myntkatalog, expert
Lithic (stenverktyg)
Typ och storleksmått
Funktion, teknikgranskning
Användningsslitageanalys
glas/metall
Färg, form förseparation
Komposition, kronologi
Laboratorieanalys
lite fynd
Lagerfotomatchning
Funktion, betydelse tolkning
Sammanhang, parallellt exempel
Vanliga misstag
- Be om referenser snarare än beskrivningar. Fråga AI om "hur det ser ut", inte "vad det är"; Ta ditt beslut med katalogen.
- Klassificering med dåligt foto. Utan skala, ljus och färgkort är resultatet opålitligt.
- Accepterar AI:s första referens till det sällsynta fyndet. AI tvingar in det atypiska mönstret till det mest välbekanta mönstret.
- Hoppa över klistra/kontextdata. Enbart visuell likhet är vilseledande; deg och sammanhang är avgörande.
- Misstag preliminär gruppering för definitiv typologi. Gruppering är en början; Typologi är ett expert- och referensverk.
Sammanfattningsvis
AI i hittad klassificering; Det sparar seriös tid i visuell beskrivning, funktionsextraktion och preliminära grupperingsuppgifter. Men kulturell-kronologisk tillskrivning, imitation/sällsynt upptäckt och funktionell tolkning hör till expert- och referenskatalogerna. Säg till AI "beskriv" inte "beskriv"; standardisera fotokvalitet; verifiera varje tillskrivning med oberoende källor; I sällsynta fall, var mest skeptisk till AI:s första svar.
Applikationsuppgift
Förbered 10 hittade bilder du har (eller välj från en katalog) i standardformat. Beskriv var och en med mallen "Neutral beskrivning" och gruppera dem sedan med mallen "Förgruppering". Jämför sedan en grupp med en riktig referenskatalog och notera var AI:s gruppering var perfekt och var den var fel.
checklista
- [ ] Jag standardiserade fotona med skala, ljus och färgkort.
- [ ] Jag ville ha neutral beskrivning från AI, inte tillskrivning.
- [ ] Jag kontrollerade den preliminära grupperingen med ett expertöga och referenskatalog.
- [ ] Jag ifrågasatte den initiala tillskrivningen av AI i sällsynta/atypiska fynd.
- [ ] Jag har verifierat varje kulturell-kronologisk referens med oberoende källor.