Lợi nhuận:
- Khả năng duy trì tính toàn vẹn dữ liệu trong khi số hóa và chuẩn hóa các đơn vị ghi như bối cảnh/địa điểm, địa tầng và Ma trận Harris bằng trí tuệ nhân tạo
- Khả năng bảo vệ dữ liệu thô và giữ cho mỗi chuyển đổi có thể theo dõi được trước nguy cơ trí tuệ nhân tạo hoàn thành dữ liệu bị thiếu và thực hiện các thay đổi thầm lặng
- Hiểu tại sao các nguyên tắc từ điển, siêu dữ liệu và mở/FAIR được kiểm soát lại cần thiết cho khả năng sử dụng dữ liệu trong tương lai.
Giá trị khoa học của một cuộc khai quật không nằm ở số vàng được tìm thấy mà nằm ở chất lượng của các ghi chép. Một phát hiện không được ghi chép đầy đủ gần như không liên quan đến khoa học; Bởi vì nó là một vật thể không biết ở đâu, ở lớp nào và tìm thấy nó với những gì, nó chỉ là một vật thể đẹp đẽ mà thôi. Trong phần này, chúng ta sẽ xem xét việc ghi nhật ký khai quật (bản sao và cơ sở dữ liệu có hệ thống của mọi bối cảnh, tìm kiếm và quan sát) cũng như cách AI có thể tăng tốc độ nhập, tổ chức và tiêu chuẩn hóa dữ liệu, nhưng tại sao trách nhiệm về tính toàn vẹn dữ liệu vẫn thuộc về con người.
Nguyên tắc cơ bản: AI giúp tổ chức các hồ sơ rải rác, chuẩn hóa chúng và tìm ra những điểm không nhất quán; Nhưng dữ liệu nào là chính xác, hồ sơ có phản ánh sự thật hay không và tính toàn vẹn của dữ liệu là trách nhiệm của con người. AI sửa hình dạng của dữ liệu nhưng không đảm bảo tính chính xác của dữ liệu.
Các đơn vị cơ bản của hồ sơ khảo cổ học
Bối cảnh/địa điểm. Mỗi cuộc khai quật chia địa điểm thành các đơn vị bối cảnh (ngữ cảnh/địa điểm—một trầm tích, lớp, hố hoặc tường riêng lẻ; đơn vị ý nghĩa nhỏ nhất của cuộc khai quật). Mỗi bối cảnh nhận được một số duy nhất và tất cả các kết quả tìm thấy đều được liên kết với số đó.
Địa tầng và Ma trận Harris. Địa tầng (mối quan hệ trước-sau của các lớp so với nhau) là cơ sở cho việc xác định niên đại tương đối. Ma trận Harris (sơ đồ thể hiện thứ tự các bối cảnh có liên quan với nhau) trực quan hóa các mối quan hệ này. AI giúp phát hiện các mối quan hệ địa tầng không nhất quán (ví dụ: lỗi tuần hoàn “A vừa trên và dưới B”).
Tìm hàng tồn kho. Mọi tìm thấy; Bối cảnh được ghi lại bằng số lượng, chủng loại, kích thước, chất liệu, tình trạng và ảnh chụp.
Tiêu chuẩn dữ liệu Các tiêu chuẩn chung được sử dụng để làm cho các hồ sơ có thể chia sẻ và so sánh được. CIDOC-CRM (khung khái niệm/bản thể học quốc tế được phát triển để mô tả dữ liệu di sản văn hóa) cho phép dữ liệu từ các tổ chức khác nhau trao đổi với nhau. Một từ điển thuật ngữ được kiểm soát (danh sách được phê duyệt để đảm bảo rằng mọi người đều sử dụng cùng một thuật ngữ cho cùng một khái niệm) được sử dụng.
Mẹo: Sử dụng AI để “sắp xếp và kiểm tra” dữ liệu chứ không phải “diễn giải” dữ liệu đó. “Những con số ngữ cảnh nào mâu thuẫn trong những hồ sơ này?” Đó là một câu hỏi hay; "Bối cảnh này thuộc về thời kỳ nào?" Đó là một quyết định của chuyên gia. AI mạnh nhất ở chỗ kiểm tra tính nhất quán.
Vai trò của AI trong đăng ký và cơ sở dữ liệu
- Số hóa. Sổ ghi chép khai quật viết tay, thẻ kiểm kê và bản vẽ cũ được nhập vào cơ sở dữ liệu với tính năng nhận dạng văn bản do AI cung cấp (điều này liên kết với HTR ở bài 6).
- Tiêu chuẩn hóa. Các cách viết khác nhau ("byzantium", "Byzantium", "byz.") được ánh xạ vào từ điển được kiểm soát; ngày tháng và số đo được đưa về dạng thống nhất.
- Kiểm tra tính nhất quán. Các lỗi như thiếu số ngữ cảnh, địa tầng mâu thuẫn, sử dụng cùng một số ở hai phát hiện khác nhau đều được đánh dấu.
- Truy vấn và tóm tắt. Các truy vấn như “Tất cả các kính được tìm thấy trong ngữ cảnh sau” và các bảng tóm tắt được tạo nhanh chóng.
Thận trọng: Khi chuẩn hóa, AI có thể âm thầm sửa đổi dữ liệu trong khi cố gắng "sửa" nó; ví dụ: anh ta có thể làm tròn số đo thành giá trị "hợp lý" hoặc điền vào số đọc không chắc chắn bằng ước tính của chính mình. Mọi thay đổi tự động phải được theo dõi và hồ sơ gốc phải được lưu giữ. Dữ liệu thô không bao giờ bị ghi đè.
ba trường hợp nhỏ
Trường hợp 1 - Số hóa đã cứu được kho lưu trữ. Một viện bảo tàng đang cất giữ những tấm thẻ kiểm kê viết tay suốt 40 năm (khoảng 22.000 tấm) có nguy cơ bị thất lạc. Nhận dạng và tiêu chuẩn hóa văn bản được hỗ trợ bởi AI đã nhập thẻ vào cơ sở dữ liệu có thể tìm kiếm được; Mỗi thẻ đều được người kiểm tra kiểm tra trên cơ sở mẫu và các phần không thể đọc được được đánh dấu là “không rõ ràng”.
Trường hợp 2 - Tìm thấy lỗi khi kiểm tra tính không nhất quán. Một nhóm khai quật đã nhờ AI kiểm tra cơ sở dữ liệu vào cuối mùa giải; YZ đánh dấu rằng ba phát hiện có cùng số ngữ cảnh nhưng thông tin lớp xung đột nhau. Quá trình xem xét phát hiện lỗi nhập dữ liệu; nếu không được sửa chữa thì sẽ làm sai lệch cách giải thích địa tầng.
Trường hợp 3 - Thay đổi im lặng bị bắt. Trong khi tiêu chuẩn hóa các phép đo, một trợ lý nhận thấy rằng AI đang diễn giải một số giá trị “0” là “không” thay vì “thiếu”; điều này làm biến dạng chiều dài mảnh vỡ. Quá trình này được xây dựng lại để bảo toàn dữ liệu gốc nhưng giữ những thay đổi trong một cột riêng biệt.
Bốn mẫu có thể sao chép
1) Tiêu chuẩn hóa (từ điển được kiểm soát):
Vai trò của bạn: trợ lý sắp xếp dữ liệu. Ánh xạ các giá trị của [trường:vật liệu/thời gian/loại] trong các bản ghi sau vào từ điển được kiểm soát sau: [danh sách từ điển]. THAY ĐỔI các giá trị không có giá trị tương đương trong từ điển; Đánh dấu nó là "không khớp". Báo cáo từng thay đổi dưới dạng cặp ban đầu-mới; xóa dữ liệu thô.
2) Kiểm tra tính nhất quán:
Tìm sự không nhất quán trong các hồ sơ khai quật sau: số ngữ cảnh lặp đi lặp lại, thiếu các trường bắt buộc, mối quan hệ địa tầng xung đột, ngày tháng/số đo khó xử lý. Liệt kê từng vấn đề kèm theo số đăng ký và để ME khắc phục; đừng tự mình thay đổi nó.
3) Điều khiển logic ma trận Harris:
Dưới đây là mối quan hệ địa tầng giữa các bối cảnh (A trên/dưới B). Có mâu thuẫn logic không (vòng lặp, mối quan hệ hai chiều)? Hiển thị bối cảnh nào, nếu có. Đừng bình luận; chỉ cần kiểm tra tính nhất quán hợp lý.
4) Bảng truy vấn và tóm tắt:
Đoạn trích sau từ kết xuất cơ sở dữ liệu bên dưới: [e.g. tìm phân phối loại cho mỗi ngữ cảnh]. Đưa ra kết quả dưới dạng bảng, chỉ rõ mỗi hàng được lấy từ bản ghi nào. KHÔNG THÊM bất kỳ giá trị nào không tồn tại trong dữ liệu; Nếu trống thì ghi "không có dữ liệu".
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Sửa dữ liệu khai quật này và điền vào các mục còn thiếu.
“Lấp đầy khoảng trống” cho phép AI điều chỉnh dữ liệu; Kết quả là một cơ sở dữ liệu không đáng tin cậy, nơi sự thật và hư cấu trộn lẫn với nhau.
Lời nhắc mạnh mẽ:
CHỈ đánh dấu những điểm không nhất quán về mặt hình thức (chính tả, định dạng ngày tháng, ID trùng lặp) trong dữ liệu khai quật bên dưới. HOÀN THÀNH các giá trị còn thiếu; Để nó là "không đầy đủ". Liệt kê từng thay đổi được đề xuất cùng với bản gốc; Tôi sẽ đưa ra sự chấp thuận. Thay đổi dữ liệu thô.
Sự khác biệt: dữ liệu trước đây bị hỏng một cách âm thầm; Cái thứ hai kiểm soát và để lại quyết định cho con người.
Mô hình dữ liệu tốt: trường, mối quan hệ và siêu dữ liệu
Cơ sở dữ liệu khảo cổ không phải là một bảng tùy ý mà là một mô hình dữ liệu chu đáo (bản thiết kế chi tiết về bảng nào, trường nào và dữ liệu sẽ được sắp xếp thành những mối quan hệ nào). Nguyên tắc cơ bản là mọi thứ đều phụ thuộc vào bối cảnh: tìm kiếm bối cảnh, tìm kiếm bối cảnh lẫn nhau (địa tầng) và hiện trường. Mỗi bản ghi mang một danh tính (ID) duy nhất và các mối quan hệ được thiết lập thông qua các danh tính này; Một tìm kiếm đề cập đến một bối cảnh duy nhất, một bối cảnh có thể chứa nhiều tìm kiếm.
Điều quan trọng không kém bản ghi là siêu dữ liệu (dữ liệu về bản thân dữ liệu: ai đã ghi lại, khi nào, bằng phương pháp nào, phiên bản nào). Một hồ sơ không xác định là do ai, khi nào và với độ tin cậy nào được nhập vào thì không thể nghi ngờ trong tương lai. AI rất hữu ích trong việc kiểm tra việc điền nhất quán các trường siêu dữ liệu và gắn cờ siêu dữ liệu bị thiếu.
Một nguyên tắc quan trọng khác là một định dạng mở và bền vững. Thay vì khóa dữ liệu vào phần mềm đóng, độc quyền, việc giữ dữ liệu gần với các tiêu chuẩn mở (bảng dựa trên văn bản, lược đồ tài liệu) sẽ đảm bảo rằng dữ liệu có thể được đọc trong nhiều thập kỷ sau đó. Dữ liệu khảo cổ học được tạo ra không phải cho một lần xuất bản mà cho các thế hệ tương lai; Đó là lý do tại sao các nguyên tắc FAIR (Tìm kiếm, Truy cập, Tương tác và Tái sử dụng dữ liệu) ngày càng trở thành tiêu chuẩn. AI rất hữu ích trong việc gắn nhãn dữ liệu của bạn theo các nguyên tắc này và tìm ra những thiếu sót; Nhưng bạn có quyền quyết định dữ liệu nào sẽ vẫn mở và dữ liệu nào sẽ vẫn nhạy cảm (bí mật).
Mẹo: Khi bạn thiết lập cơ sở dữ liệu, hãy tự hỏi: "Liệu một người không biết điều này có thể mở nó và hiểu nó trong 10 năm không?" hỏi. Giải thích các từ viết tắt của bạn trong bảng thuật ngữ, điền vào các trường siêu dữ liệu và sao lưu dữ liệu thô ở định dạng mở.
Bảng tác vụ bản ghi/cơ sở dữ liệu
Nhiệm vụ
Vai trò của AI
quyết định của con người
quy tắc bảo vệ
số hóa
nhận dạng văn bản
Xác nhận đọc mơ hồ
Quét thô được lưu trữ
tiêu chuẩn hóa
Bản đồ tới từ điển
Quyết định giá trị không phù hợp
Bản gốc được bảo tồn
tính nhất quán
Đánh dấu mâu thuẫn
sự sửa chữa
Thay đổi được theo dõi
địa tầng
Điều khiển logic
Bình luận
Sự phê duyệt của chuyên gia ma trận
Truy vấn/tóm tắt
Sản xuất bàn
Nhận xét, lựa chọn
Độ trung thực của dữ liệu
Những lỗi thường gặp
- Hoàn thiện dữ liệu còn thiếu. AI tạo nên; Phần còn thiếu phải là "không đầy đủ".
- Ghi đè dữ liệu thô. Bản gốc luôn được bảo tồn; những thay đổi được giữ riêng biệt.
- Không nhận thấy những thay đổi thầm lặng. Mọi chuyển đổi tự động phải được báo cáo và kiểm tra.
- Bỏ qua tiêu chuẩn. Nếu không có từ điển được kiểm soát và mô hình chung thì không thể chia sẻ dữ liệu.
- Có AI thực hiện giải thích địa tầng. AI tìm thấy mâu thuẫn logic; Bình luận là dành cho các chuyên gia.
Tóm lại
AI trong hồ sơ và cơ sở dữ liệu khai quật; Nó cung cấp tốc độ tuyệt vời trong việc số hóa, tiêu chuẩn hóa, kiểm tra tính nhất quán và truy vấn. Nhưng tính toàn vẹn của dữ liệu là thiêng liêng: không có phần nào bị thiếu còn nguyên vẹn, dữ liệu thô được bảo tồn, mọi thay đổi đều được theo dõi và việc diễn giải địa tầng thuộc về chuyên gia. Những ghi chép tốt là di sản quý giá nhất mà việc khai quật để lại cho tương lai.
Nhiệm vụ ứng dụng
Chuẩn bị một bảng dữ liệu khai quật mẫu nhỏ (10-20 bản ghi); cố tình đặt một vài điểm không nhất quán trong đó (ID trùng lặp, ngày bị sai, lớp xung đột). Yêu cầu AI tìm những thứ này bằng các mẫu “kiểm tra tính nhất quán” và “kiểm tra logic Ma trận Harris”; sau đó viết từ điển được kiểm soát và ánh xạ trường tài liệu tới mẫu "Tiêu chuẩn hóa" và đảm bảo giữ nguyên dữ liệu thô.
danh sách kiểm tra
- [ ] Tôi đã lưu trữ dữ liệu thô riêng biệt, chưa sửa đổi.
- [ ] Tôi không bắt AI hoàn thiện những phần còn thiếu; Tôi để nó là "không đầy đủ".
- [ ] Tôi đã kiểm tra từng thay đổi tự động với bản gốc.
- [ ] Tôi đã sử dụng tiêu chuẩn dữ liệu và từ điển được kiểm soát.
- [ ] Tôi đã giải thích địa tầng dựa trên đánh giá của chuyên gia.