Прибуток:
- Здатність використовувати штучний інтелект у радіовуглецевому калібруванні, серіації та багатовимірному аналізі, а також розуміти, що вибір методу та припущення належать експерту.
- Здатність визнати, що радіовуглецевий результат має діапазон імовірності і що зменшення невизначеності до одного року є науковим спотворенням
- Здатність поставити під сумнів валідність зразка за принципом «сміття входить, сміття виходить» і застосовувати рефлекс не плутати кореляцію та причинність
Археологія покладається як на лабораторні науки, так і на статистику, щоб відповісти на запитання «коли». У цьому розділі ми побачимо, як штучний інтелект прискорює такі завдання, як датування (визначення віку знахідки або шару), радіовуглецевий (C14) аналіз, типологія (сортування та періодизація знахідок відповідно до їх формальних характеристик) і серіація (метод упорядкування контекстів у хронологічному порядку відповідно до зміни типів знахідок з часом), але чому інтерпретація наукових результатів завжди залишається за експертом і правильним методом.
Основний принцип: AI прискорює обчислення, калібрування, статистичне моделювання та візуалізацію; Але який метод є доцільним, чи дійсний зразок чи ні, і що означає результат, потрібне наукове судження. Розміщення неправильної статистики в гарному графіку не робить його правильним.
Методи датування та ШІ
Радіовуглець (C14). Вік розраховується за розпадом радіоактивного вуглецю в органічних залишках. Необроблений результат калібрується за допомогою кривої на основі кілець дерев (калібрування — поправка, яка перетворює необроблений радіовуглецевий вік у фактичний календарний рік). AI прискорює обчислення калібрування та порівняльну візуалізацію кількох дат. Але штучний інтелект не знає таких пасток, як проблема старої деревини (зразок, узятий з дерева, яке прожило сотні років, набагато старший за подію, у якій він був використаний); Зразкова критика – робота експерта.
Типологія та серіація. Частота типів знахідок змінюється з часом; Вид з'являється, набуває поширення, зменшується. Серіація сортує контексти за допомогою цього шаблону "ковдри". Штучний інтелект є потужним у пошуку цих закономірностей у великих наборах даних і багатовимірному аналізі (статистика, яка оцінює багато функцій одночасно). Але експерт може розрізнити, чи є результат результатом хронологічної чи функціональної/регіональної відмінності.
Інші методи. Такі методи, як дендрохронологія (кільця дерев), термолюмінесценція та археомагнетизм, також корисні для розрахунків і порівнянь ШІ; Вибір методу та інтерпретація залишається за експертом.
Порада. Коли штучний інтелект проводить статистику, запитайте: «Який метод ви використовували та які його припущення?» запитати. Якщо метод неправильний (наприклад, усереднення непослідовних даних, ігнорування викиду), результат буде візуально «чистим», але науково невірним. Не довіряйте діаграмі, не розуміючи методу.
Сильні та слабкі сторони ШІ в статистиці
Потужність: повторювані обчислення, калібрування, сканування шаблонів у великих наборах даних, генерація коду візуалізації, швидке тестування різних методів.
Слабкий/ризикований:
- Не пропонуйте неправильний метод. ШІ може з упевненістю порекомендувати тест, який не відповідає даним.
- Сліпота вибірки. Він не бачить малий, упереджений або забруднений зразок; "Це дані", - каже він.
- Екстремальний коментар. Він може представити слабку кореляцію як сильний результат; кореляція не є причинно-наслідковим зв’язком (лише те, що дві речі змінюються разом, не означає, що одна викликає іншу).
- Придуманий номер. При бажанні він може створити «правдоподібну», але нереалістичну дату або ймовірність.
Застереження: радіовуглецева дата ніколи не є одним «точним роком»; це діапазон ймовірностей (наприклад, 750-680 рр. до н. е. з достовірністю 95%). Не дозволяйте штучному інтелекту скоротити результат до одного року; Завжди нести невизначеність. Приховування невизначеності є науковим викривленням.
три міні-чохла
Випадок 1 — прискорене калібрування. Один проект передбачає калібрування та порівняльну візуалізацію 48 радіовуглецевих зразків. AI згенерував код калібрування та порівняльні графіки за хвилини, а не за години; Експерт сам оцінив контексти відбору проб та ризик старої деревини та позначив дві проби як «ненадійні».
Випадок 2 — Виявлено неправильний метод. Один студент застосував тест, запропонований штучним інтелектом, для визначення частот типів і отримав «статистично значущий» результат. Статистичний консультант показав, що дані не підходять для цього тесту (припущення були порушені); При правильному методі результат був марним. Урок: вибір методу визначає результат.
Випадок 3 — Повернуто невизначеність. Команда повідомить одну дату зі зведення штучного інтелекту для шару «720 р. до н.е.». Експерт заявив, що діапазон калібру був 800-680 до н.е., і що єдиний рік вводить в оману. Звіт виправлено з діапазоном ймовірності. Зносити невпевненість - це чесність.
Чотири шаблони, які можна копіювати
1) Запит щодо придатності методу:
Ваша роль: консультант з археологічної статистики. Я опишу такі дані та запитання: [тип даних, розмір вибірки, запитання]. Розкажіть мені про варіанти методу, ЗАТВЕРДЖЕНІ з цими даними, ПРИПУЩЕННЯ кожного з них і як перевірити, чи врожайність відповідає цим припущенням. Невідповідні методи також слід розглядати на підставах.
2) Рамка радіовуглецевої інтерпретації:
Нижче я маю калібровані радіовуглецеві інтервали: [список]. Поясніть підводні камені, про які я повинен пам’ятати під час їх інтерпретації (стара деревина, забруднення, ефект морського резервуару, зв’язок зразка з подією), і як правильно виразити інтервал невизначеності. Не давайте йому жодного року; витримувати інтервали.
3) Статистичний аудит:
Я провів наступний аналіз: [метод і результат]. Будь ласка, критикуйте: чи відповідає метод даним, чи справедливі припущення, чи достатній зразок, чи є якісь викиди/суміші, чи результат інтерпретується надмірно? Перелічіть свої слабкі місця; Не підтверджуйте результат, ставте під сумнів.
4) Візуалізація (чесна):
Підготуйте діаграму/код із такими даними: [дані]. ОБОВ’ЯЗКОВО показувати діапазони невизначеності (похибка/діапазон). Налаштуйте вісь і масштаб, не роблячи оманливих розрізів. НЕ ДОДАВАЙТЕ точки, яких немає в даних. Поясніть із приміткою, що показує графік, а що ні.
Слабка підказка / Сильна підказка
Слабка підказка:
Проаналізуйте ці знахідні дані та вкажіть точну дату сайту.
ШІ може вибрати невідповідний метод і скласти одну точну дату; Він приховує невизначеність і не бачить проблем із вибіркою.
Потужна підказка:
Ваша роль: консультант зі статистики. Вихід: [визначення, розмір вибірки]. Спочатку скажіть мені метод і його припущення, придатні для цих даних, а потім надайте результат із діапазоном невизначеності, якщо ми його застосовуємо. Не вказуйте жодної остаточної дати. Також вкажіть, які ризики, пов’язані зі зразком (малий n, суміш, стара деревина), можуть послабити результат.
Різниця: перше породжує помилкову впевненість; по-друге, метод зберігає відкриті припущення та невизначеність.
Байєсівський підхід, вибірка та "сміття входить, сміття виходить"
Потужним методом сучасного археологічного датування є байєсівське моделювання (статистичний підхід, який поєднує наявну попередню інформацію — наприклад, «шар А лежить в основі B» — з вимірюваннями для отримання більш вузьких, більш реалістичних діапазонів дат), яке поєднує кілька радіовуглецевих дат із стратиграфічними послідовностями. Цей підхід звужує широку невизначеність окремих дат, обмежуючи їх відомим порядком шарів. AI може допомогти побудувати та обчислити ці моделі; але те, яка попередня інформація (стратиграфічні зв’язки) входить до моделі, є експертним рішенням, а неправильне попереднє обмеження дає впевнений, але неточний результат.
Звідси ми переходимо до основного статистичного принципу модуля: «сміття входить, сміття виходить». Навіть найдосконаліший штучний інтелект і найелегантніша статистика не можуть дати хороших результатів із поганих даних. Забруднений радіовуглецевий зразок, знахідки зі змішаного контексту або необ’єктивний зразок залишатимуться недійсними незалежно від того, скільки обробки виконано. ШІ не бачить цих проблем, оскільки не дивиться на дані «ззовні»; Він приймає числа, які ви йому надаєте, як справжні. Тільки експерт, який знає цю сферу, може оцінити, як було зібрано зразок, з якого контексту він походить і що він представляє.
Отже, перш ніж довіряти будь-яким статистичним результатам, задайте ці три запитання: чи вибірка велика та достатньо репрезентативна? Чи контексти надійні та непереплутані? Чи підходить метод вимірювання для цього питання? Якщо ви не можете відповісти «так» на ці три питання, неважливо, наскільки «значним» видається результат.
Порада. Оцінюючи вихідні дані статистики, дивіться спочатку на вхідні дані, а не на результат. «Звідки ці дані, як, зі скількох зразків?» запитання усуває більшість хибних висновків ще до перегляду графіка.
Таблиця аналізу завдань
Квест
Роль ШІ
людське рішення
перевірка
С14 калібрування
Розрахунок, візуалізація
Валідність вибірки
Контекст, старе дерево
серіація
сканування шаблонів
Розділення хронології/функції
Порівняння зі стратиграфією
багатоваріантний
калькулятор статистики
Вибір методу
перевірка припущення
візуалізація
Графіка/код
чесне представництво
невизначеність, масштаб
коментар
Підсумковий проект
значення, межа
експерт, література
Поширені помилки
- Застосування методу без питань. Неправильний тест дає «чистий», але неправильний результат.
- Зменшення невизначеності до одного року. Радіовуглець – діапазон; Один рік вводить в оману.
- Обхід проблем вибірки. Маленький/брудний/упереджений зразок робить результат недійсним.
- Помилково приймаючи кореляцію за причинно-наслідковий зв’язок. Спільні зміни не є причиною і наслідком.
- Ввести в оману за допомогою графіки. Пунктирна вісь, прихована невизначеність є науковим спотворенням.
Підсумовуючи
ШІ в датуванні та статистиці; Це потужний прискорювач для калібрування, сканування шаблонів, розрахунків і візуалізації. Але вибір методу, критика зразків, чесне вираження невпевненості та інтерпретація результату належать до наукового судження. Не довіряйте діаграмі, не розуміючи методу; завжди нести невизначеність; і протистояти наполяганню на єдиній «точній даті».
Аплікаційне завдання
Підготуйте зразок таблиці частоти знахідок або набір каліброваних радіовуглецевих інтервалів. Визначте відповідний аналіз і його припущення за допомогою шаблону «Запит на придатність методу», а потім розкритикуйте аналіз за допомогою шаблону «Статистичний аудит». Створіть ескіз діаграми, що показує діапазони невизначеності за допомогою шаблону «Візуалізація (чесна)» та уникайте однорічного дисконтування.
контрольний список
- [ ] Я перевірив вибір методу та припущення.
- [ ] Я поставив під сумнів достовірність зразка (розмір, суміш, стара деревина).
- [ ] Я зберіг невизначеність як інтервал, я не зводив її до одного року.
- [ ] Я не плутав кореляцію з причинно-наслідковим зв’язком.
- [ ] Я чесно показав масштаб і невизначеність на діаграмі.