ค้นหาการจำแนกประเภทและการวิเคราะห์ภาพ: เซรามิก เหรียญ แร่หิน และการค้นพบขนาดเล็ก

กำไร:

• การใช้ปัญญาประดิษฐ์ในการอธิบายที่เป็นกลางและการจัดกลุ่มเบื้องต้นด้วยการมองเห็นของการค้นพบ และสามารถแยกแยะการอ้างอิงทางวัฒนธรรมและลำดับเวลาจากงานของผู้เชี่ยวชาญด้วยแค็ตตาล็อกอ้างอิง
• ความสามารถในการทำความเข้าใจว่าคุณภาพของภาพถ่าย (มาตราส่วน แสง การ์ดสี) และข้อมูลเชิงภาพ เช่น พื้นผิว โปรไฟล์ บริบท เป็นตัวกำหนดความแม่นยำในการจำแนกประเภทอย่างไร
• ความสามารถในการรับรู้แนวโน้มของปัญญาประดิษฐ์ในการบังคับใช้รูปแบบที่คุ้นเคยมากที่สุดในการค้นพบที่หายากและผิดปกติ และยืนยันการระบุแหล่งที่มาแต่ละรายการด้วยแหล่งข้อมูลอิสระ

One of the most tiring yet informative tasks of an excavation is find classification (separating found objects according to type, form and period). ชิ้นส่วนเซรามิกหลายหมื่นชิ้น เหรียญหลายร้อยเหรียญ เครื่องมือหิน (หิน) กระดูก แก้ว และวัตถุโลหะที่ขุดพบในแต่ละฤดูกาลจะต้องได้รับการตรวจสอบและบันทึกทีละชิ้น ในหน่วยนี้ เราจะได้เรียนรู้วิธีที่การวิเคราะห์ภาพ (ดึงคุณลักษณะต่างๆ เช่น รูปร่าง สี พื้นผิว ออกจากภาพถ่ายของวัตถุโดยอัตโนมัติ) และการจัดหมวดหมู่ตาม AI ช่วยเพิ่มความเร็วในการค้นหาได้อย่างไร แต่เหตุใดการตัดสินใจระบุแหล่งที่มาขั้นสุดท้ายจึงยังคงอยู่ที่ผู้เชี่ยวชาญเสมอ

หลักการพื้นฐานคือ: AI จะจัดกลุ่มสิ่งที่มีลักษณะคล้ายกันอย่างรวดเร็ว แต่เราสามารถอ้างอิงถึงวัฒนธรรมและลำดับเวลาได้ เช่น "ผลงานชิ้นนี้เป็นผลงานของกรีกตะวันออกในช่วงศตวรรษที่ 6 ก่อนคริสต์ศักราช" โดยอิงจากแคตตาล็อกอ้างอิงและสายตาของผู้เชี่ยวชาญ AI เป็นตัวช่วยก่อนการเรียงลำดับและการวัด ไม่ใช่หน่วยงานด้านการจัดประเภท

ขั้นตอนการจำแนกประเภทการค้นหา

1. การจับภาพ การค้นพบแต่ละครั้งจะถูกถ่ายภาพตามลำดับมาตรฐาน โดยมีแถบมาตราส่วน (ไม้บรรทัดแสดงขนาด) และการ์ดสี แสงและพื้นหลังที่สม่ำเสมอเป็นสิ่งสำคัญสำหรับการวิเคราะห์ภาพ AI ภาพถ่ายที่ไม่ดีหมายถึงการจัดหมวดหมู่ที่ไม่ดี

2. การแยกคุณสมบัติ AI; โดยแยกคุณสมบัติที่สามารถวัดได้ เช่น โปรไฟล์ขอบ รูปทรง (ขอบ ด้านล่าง ด้ามจับ) การรักษาพื้นผิว (การขัดเงา กระจก การทาสี) สีเพสต์ และพื้นผิว แป้ง (รูปแบบดินเผา สีและสารเติมแต่งบ่งบอกถึงสถานที่และเทคนิคการผลิต) เป็นกระดูกสันหลังของรูปแบบทางโบราณคดี

3. การจัดกลุ่มล่วงหน้า AI จัดเรียงชิ้นส่วนหลายพันรายการเป็นกลุ่มตามความคล้ายคลึงกัน: "ภาชนะที่น่าจะเหมือนกัน" "รูปแบบที่คล้ายกัน" "แป้งที่คล้ายกัน" ซึ่งจะทำให้กองเป็นระเบียบเรียบร้อยต่อหน้าผู้เชี่ยวชาญ

4. การระบุแหล่งที่มาของผู้เชี่ยวชาญ ผู้เชี่ยวชาญจะระบุช่วงเวลา สถานที่ผลิต และการทำงานของแต่ละกลุ่มผ่านแคตตาล็อกอ้างอิง ซีรีส์ประเภท และประสบการณ์ของเขาเอง AI ที่บอกว่า "นี่คือยุคโรมัน" เป็นเพียงคำใบ้ ไม่ใช่การตัดสินใจ

5. การลงทะเบียน การค้นพบแต่ละครั้งจะเข้าสู่ฐานข้อมูลพร้อมหมายเลขบริบท ขนาด รูปถ่าย และการระบุแหล่งที่มา (หัวข้อนี้เป็นหัวข้อของหน่วยที่ 5)

คำแนะนำ: ให้ AI "อธิบาย" สิ่งที่ค้นพบ ไม่ใช่ "อธิบาย" “นี่มันยุคไหน?” แทนที่จะถามว่า “แสดงรายการคุณลักษณะที่สามารถวัดได้ (รูปแบบ ขอบ พื้นผิว สี) ของส่วนนี้อย่างเป็นกลาง” คุณตัดสินใจเลือกช่วงเวลาด้วยแค็ตตาล็อกอ้างอิง คำอธิบายมีความน่าเชื่อถือ การระบุแหล่งที่มามีความเสี่ยง

ควรให้ความสนใจเป็นพิเศษกับเหรียญและจารึก

เหรียญมีความน่าสนใจในการวิเคราะห์ภาพเนื่องจากมีจำนวนมากและเป็นมาตรฐาน AI สามารถช่วยจดจำภาพเหมือนบนใบหน้าของเหรียญ (ตรงกันข้าม) และสัญลักษณ์ที่อยู่ด้านหลัง (กลับด้าน) แต่การระบุเหรียญต้องใช้ความเชี่ยวชาญด้านเหรียญ ไม่ว่าจะเป็นจารึกที่ชำรุด การสร้างของปลอม หรือรูปแบบที่หายาก การระบุแหล่งที่มาที่ไม่ถูกต้องล้วนชัดเจนเกินไป AI ที่บอกว่า "นี่คือเหรียญของจักรพรรดิองค์นั้น" ได้รับการยืนยันจากแคตตาล็อกเหรียญมาตรฐานอย่างแน่นอน เช่นเดียวกับการค้นพบที่มีการจารึกและประทับตรา

ข้อควรระวัง: AI มีแนวโน้มที่จะ "จับคู่" การค้นพบที่คล้ายกับประเภทที่มีชื่อเสียงกับประเภทที่มีชื่อเสียงนั้น มันบังคับตัวอย่างที่หายาก ในท้องถิ่น หรือผิดปรกติให้เป็นรูปแบบที่คุ้นเคยที่สุด จงอย่าสงสัยถึงการอ้างอิงถึง AI ครั้งแรกในการค้นพบที่ผิดปกติ

มินิเคสสามอัน

กรณีที่ 1 — การคัดแยกล่วงหน้าช่วยลดภาระงาน ชิ้นส่วนเซรามิก 8,400 ชิ้นถูกขุดพบในการตั้งถิ่นฐานยุคเหล็ก การจัดกลุ่มภาพด้วย AI แบ่งส่วนต่างๆ ออกเป็นเกือบ 40 รูปแบบจากคลัสเตอร์ก่อนหน้า แทนที่จะกำจัดแต่ละชิ้นส่วนตั้งแต่ต้น ผู้เชี่ยวชาญกลับเข้าไปในกลุ่มต่างๆ และเวลาคัดแยกก็ลดลงประมาณหนึ่งในสาม ผู้เชี่ยวชาญได้แยกแป้งสองชุดที่ AI รวมกันไม่ถูกต้อง

กรณีที่ 2 — ตรวจพบการระบุแหล่งที่มาอันเป็นเท็จ นักศึกษาฝึกงานแนะนำเหรียญให้กับ AI; AI เชื่อถือว่าเป็นประเภทโรมันที่รู้จักกันดีอย่างมั่นใจ เมื่อผู้เชี่ยวชาญด้านเหรียญเปรียบเทียบกับแคตตาล็อก เขาพบว่าลำดับสัญลักษณ์และคำอธิบายย้อนกลับ (เขียนบนเหรียญ) นั้นแตกต่างกัน และนี่คืองานสร้างเลียนแบบระดับภูมิภาค AI ได้บังคับประเภทที่คุ้นเคยที่สุด

กรณีที่ 3 — ปัญหาสีไม่สอดคล้องกัน ทีมหนึ่งป้อนภาพถ่าย AI ที่ถ่ายในแต่ละวันด้วยแสงที่ต่างกัน สีแป้งไม่สอดคล้องกันและการแบ่งกลุ่มขาด เมื่อทีมเปลี่ยนไปใช้การ์ดสีและรูปแบบแสงคงที่ ความแม่นยำในการจัดกลุ่มก็เพิ่มขึ้นอย่างมาก บทเรียน: คุณภาพของภาพคือคุณภาพการจัดประเภท

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) คำอธิบายที่เป็นกลาง:

บทบาทของคุณ: พบผู้ช่วยคำอธิบายแล้ว ฉันจะให้ภาพถ่าย/ข้อมูลการค้นหาแก่คุณ ระบุเฉพาะคุณลักษณะที่สังเกตได้อย่างเป็นกลาง: รูปทรง (ปาก/ด้านล่าง/ตัวเครื่อง/ที่จับ) ขนาดโดยประมาณ ผิวสำเร็จ สี การตกแต่ง สภาพการแตกหัก/การสึกหรอ ห้ามอ้างอิงถึงช่วงเวลา วัฒนธรรม หรือสถานที่ผลิต หากคุณไม่แน่ใจเกี่ยวกับคุณลักษณะนี้ ให้เขียนว่า "ไม่แน่ใจ"

2) การจัดกลุ่มล่วงหน้า:

ด้านล่างนี้ฉันจะวางข้อมูลคำอธิบายของส่วน [N] แบ่งเป็นกลุ่มตามรูปแบบและความคล้ายคลึงกันของแป้ง สำหรับแต่ละกลุ่ม: เขียนคุณลักษณะทั่วไป หมายเลขชิ้นส่วนที่อยู่ในกลุ่ม และเกณฑ์ที่เชื่อมโยงกลุ่ม ใส่ส่วนที่ยังไม่ชัดเจนลงในรายการ "ที่ต้องตรวจสอบ" แยกต่างหาก อย่าให้ชื่อประเภทที่แน่นอน

3) การผลิตรายการตรวจสอบเพื่อการอ้างอิง:

บทบาทของคุณ: ที่ปรึกษาผู้เชี่ยวชาญด้านเซรามิก สำหรับกลุ่มต่อไปนี้ ให้ระบุเกณฑ์ที่ฉันจำเป็นต้องตรวจสอบเมื่อตรวจสอบช่วงเวลา/รายการการผลิต (การวิเคราะห์แป้ง แค็ตตาล็อกอ้างอิง การค้นหาแบบขนาน วันที่ตามบริบท ฯลฯ) อย่าอ้างอิง; บอกฉันว่าฉันควรตรวจสอบอะไร

4) การตรวจสอบคุณภาพของภาพถ่าย:

ประเมินภาพถ่ายที่พบต่อไปนี้: มีแถบมาตราส่วน, แสงสม่ำเสมอ, การ์ดสีมองเห็นได้, พื้นหลังเรียบๆ, ชิ้นส่วนชัดเจนหรือไม่ ภาพถ่ายใดควรถูกถ่ายใหม่เพื่อจัดหมวดหมู่? แสดงรายการปัญหาเกี่ยวกับหมายเลขชิ้นส่วน

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

เครื่องปั้นดินเผาชิ้นนี้มาจากอารยธรรมใด มีอายุเท่าไหร่ และใช้เพื่ออะไร?

AI ผสมผสานอารยธรรมที่แม่นยำ อายุที่แม่นยำ และฟังก์ชันที่แม่นยำจากภาพถ่ายเดียว ล้วนไร้เหตุผลและมั่นใจ

พรอมต์อันทรงพลัง:

บทบาทของคุณ: พบผู้ช่วยคำอธิบายแล้ว อธิบายเฉพาะลักษณะที่สังเกตได้ของชิ้นงานในภาพถ่าย: ส่วนที่เป็นรูป (ปาก/ด้านล่าง?), พื้นผิว (เคลือบ/ไม่เคลือบ, ขัดเงา?), สี, การตกแต่ง, ความหนาโดยประมาณ จากนั้น ตามคำอธิบายนี้ บอกฉันว่าจำเป็นต้องมีข้อมูลเพิ่มเติมใดบ้าง (การวิเคราะห์แป้ง การวาดโปรไฟล์ บริบท) เพื่อชี้แจงฟังก์ชันและช่วงเวลา อย่าอ้างอิงถึงอารยธรรม/อายุอย่างแม่นยำ

ความแตกต่าง: ครั้งแรกต้องมีการตัดสินใจและได้รับความเหมาะสม ส่วนที่สองต้องมีคำอธิบายและแผนที่ถนนที่ตรวจสอบได้

นอกเหนือจากภาพ: แป้ง บริบท และโปรไฟล์

ข้อผิดพลาดในการวิเคราะห์ภาพ AI คือการมองเพียงรูปลักษณ์ของพื้นผิวเท่านั้น อย่างไรก็ตาม กระดูกสันหลังของการจำแนกประเภททางโบราณคดีมักมองไม่เห็นด้วยตาเปล่า แป้ง (สถานะการเผาของดินเหนียว สารเติมแต่ง และเนื้อสัมผัสในส่วนที่แตก) เผยให้เห็นสถานที่และวิธีการผลิตภาชนะ และแหล่งที่มาของดินเหนียวที่ใช้ แม้ว่าพื้นผิวสองชิ้นจะคล้ายกัน แต่หากแป้งแตกต่างกัน ก็อาจเป็นประเพณีการผลิตที่แตกต่างกัน Therefore, a serious classification requires the broken section of the piece to be photographed.

ในทำนองเดียวกัน โปรไฟล์ (การวาดขนาดของส่วนด้านข้าง-ลำตัว-ด้านล่างของเรือ) จะกำหนดรูปแบบได้แม่นยำกว่าภาพถ่ายเพียงภาพเดียว มุมปาก ความหนาของขอบ และรูปร่างด้านล่างเป็นตัวบ่งชี้ช่วงเวลา AI สามารถช่วยแยกการวาดโปรไฟล์และจัดกลุ่มโปรไฟล์ที่คล้ายกันได้โดยอัตโนมัติ แต่ผู้เชี่ยวชาญจะตรวจสอบการวาดและการวัด สุดท้ายนี้ บริบท (ซึ่งเลเยอร์ของชิ้นส่วนถูกค้นพบ กับอะไร) ถือเป็นเบาะแสการออกเดทที่ชัดเจน โดยไม่ขึ้นอยู่กับความคล้ายคลึงกันของภาพ: ชิ้นส่วนในบริบทปิดเดียวกันมักจะมาจากช่วงเวลาเดียวกัน หากคุณให้ AI เพียงรูปถ่ายและข้ามพื้นผิว โปรไฟล์ และบริบท คุณจะเพิกเฉยต่อหลักฐานที่มีค่าที่สุดของคุณ

เคล็ดลับ: เมื่อมอบสิ่งประดิษฐ์ให้กับ AI ให้จัดเตรียมมุมมองสามประการหากเป็นไปได้: พื้นผิวด้านนอก พื้นผิวด้านใน และส่วนที่แตกหัก รวมถึงหมายเลขบริบทและการวัดโปรไฟล์ด้วย ข้อมูลที่เป็นกลางมากขึ้นหมายถึงการจัดกลุ่มที่เชื่อถือได้มากขึ้น

ตารางการใช้งาน AI ตามประเภทการค้นหา

ประเภทของการค้นหา

เอไอมีพลังมาก

ความเสี่ยง/ธุรกิจของมนุษย์

การตรวจสอบภาคบังคับ

เซรามิกส์

การจัดกลุ่มแบบฟอร์ม/แป้งล่วงหน้า

ช่วงเวลา สถานที่อ้างอิงการผลิต

แค็ตตาล็อกอ้างอิงการวิเคราะห์แป้ง

เหรียญ

การจดจำใบหน้า/ไอคอนล่วงหน้า

การระบุแหล่งที่มา การเลียนแบบ/การตรวจจับที่หายาก

แคตตาล็อกเหรียญผู้เชี่ยวชาญ

ลิธิก (เครื่องมือหิน)

ประเภทและการวัดขนาด

ฟังก์ชั่น ทบทวนเทคโนโลยี

การวิเคราะห์การใช้งาน-การสึกหรอ

แก้ว/โลหะ

ลงสี คัดแยกแบบก่อน

องค์ประกอบลำดับเหตุการณ์

การวิเคราะห์ทางห้องปฏิบัติการ

พบเพียงเล็กน้อย

การจับคู่ภาพถ่ายสินค้าคงคลัง

หน้าที่ การตีความความสำคัญ

บริบทตัวอย่างคู่ขนาน

ข้อผิดพลาดทั่วไป

• การขอข้อมูลอ้างอิงมากกว่าคำอธิบาย ถาม AI ว่า "มันดูเหมือนอะไร" ไม่ใช่ "มันคืออะไร" ตัดสินใจด้วยแคตตาล็อก
• จำแนกด้วยภาพที่ไม่ดี หากไม่มีการ์ดมาตราส่วน แสง และสี ผลลัพธ์จะไม่น่าเชื่อถือ
• ยอมรับการอ้างอิงครั้งแรกของ AI เกี่ยวกับการค้นพบที่หายาก AI บังคับให้รูปแบบที่ผิดปกติเป็นรูปแบบที่คุ้นเคยที่สุด
• ข้ามข้อมูลการวาง/บริบท ความคล้ายคลึงกันทางสายตาเพียงอย่างเดียวทำให้เข้าใจผิด แป้งและบริบทเป็นสิ่งที่ชี้ขาด
• การจัดกลุ่มเบื้องต้นผิดพลาดสำหรับประเภทที่ชัดเจน การจัดกลุ่มเป็นจุดเริ่มต้น Typology เป็นงานผู้เชี่ยวชาญและเป็นงานอ้างอิง

โดยสรุป

AI ในการจำแนกประเภทที่พบ ช่วยประหยัดเวลาอย่างมากในการอธิบายด้วยภาพ การแยกคุณลักษณะ และงานการจัดกลุ่มเบื้องต้น แต่การระบุแหล่งที่มาทางวัฒนธรรมตามลำดับเวลา การเลียนแบบ/การตรวจจับที่หายาก และการตีความเชิงฟังก์ชันเป็นของแคตตาล็อกผู้เชี่ยวชาญและการอ้างอิง บอก AI “อธิบาย” ไม่ใช่ “อธิบาย”; สร้างมาตรฐานคุณภาพของภาพถ่าย ตรวจสอบการระบุแหล่งที่มาแต่ละรายการด้วยแหล่งข้อมูลอิสระ ในการค้นพบที่หายาก จงสงสัยคำตอบแรกของ AI ให้มากที่สุด

งานสมัคร

เตรียมรูปภาพที่พบ 10 รูปที่คุณมี (หรือเลือกจากแค็ตตาล็อก) ในรูปแบบมาตรฐาน อธิบายแต่ละรายการด้วยเทมเพลต "คำอธิบายที่เป็นกลาง" จากนั้นจัดกลุ่มด้วยเทมเพลต "การจัดกลุ่มล่วงหน้า" จากนั้นเปรียบเทียบกลุ่มกับแค็ตตาล็อกอ้างอิงจริง และสังเกตว่าการจัดกลุ่มของ AI อยู่ที่จุดใดและจุดใดที่ผิด

รายการตรวจสอบ

• [ ] ฉันสร้างมาตรฐานให้กับภาพถ่ายด้วยการ์ดมาตราส่วน แสง และสี
• [ ] ฉันต้องการคำอธิบายที่เป็นกลางจาก AI ไม่ใช่การระบุแหล่งที่มา
• [ ] ฉันตรวจสอบการจัดกลุ่มเบื้องต้นกับผู้เชี่ยวชาญและแค็ตตาล็อกอ้างอิง
• [ ] ฉันตั้งคำถามถึงการระบุแหล่งที่มาเบื้องต้นของ AI ในการค้นพบที่หายาก/ผิดปกติ
• [ ] ฉันได้ตรวจสอบการอ้างอิงทางวัฒนธรรมและลำดับเหตุการณ์แต่ละรายการด้วยแหล่งข้อมูลที่เป็นอิสระ