Deep Learning Entdeckt Antike Menschliche Stätten, KI-Archäologie Ist Effizienter Als Hu Bayi

Archäologie war schon immer ein geheimnisvolles und faszinierendes Thema.

Hu Bayi, der Protagonist der Grabräuber-Romanreihe „Ghost Blows Out the Light“, verließ sich auf die Hälfte der „Sixteen-Character Yin-Yang Feng Shui Secret Technique“, um die Kunst der Drachensuche und Goldteilung zu meistern und so Grabstätten zu lokalisieren, und fand so große Gräber und Schätze.

Hu Bayis Formel:Um Drachen zu finden und Gold zu teilen, schauen Sie sich die Berge an, die sie umgeben. Jede Verflechtungsschicht stellt eine Barriere dar. Wenn es acht Gefahrenstufen gibt, bilden sie die Form von Yin und Yang Bagua.Helfen Sie ihm, mithilfe der Bagua-Astrologie den Standort des Grabes zu bestimmen, den Notausgang zu finden, die Aufgabe erfolgreich abzuschließen und das Problem zu lösen.

In den letzten Jahren waren archäologische Veranstaltungen im Internet häufig ein Trendthema. Zu den üblichen Schlagzeilen in den Nachrichten zählen:Ägäische Bauern gruben antike griechische Skulpturen aus, die U-Bahn von Xi'an stoppte den Bau einer Grabstätte der Streitenden Reiche usw., wodurch die archäologische Arbeit sehr stark dem Öffnen einer Blindbox gleicht, als ob die Entdeckung der Reliquien vom Glück abhinge.

KI-Archäologie: Deep Learning hat großes Potenzial

Dylan Davis, ein Ph.D. in Anthropologie an der University of Illinois, setzt sich dafür ein, Fernerkundung und Deep Learning in die Archäologie zu integrieren, um mehr Entdeckungen zu ermöglichen.

Auf der Grundlage von LiDAR-Daten aus mehreren Gebieten in South Carolina, kombiniert mit lokalen SAR-Synthetic-Aperture-Radar- und Multispektraldaten und unter Einsatz von Methoden des maschinellen Lernens und Deep Learning entdeckte er mehrere Überreste von Überlebenden der amerikanischen Ureinwohner, die 3.000 bis 5.000 Jahre alt sind.

Die Wohnstätten der Urmenschen waren oft von Haufen angefressener Schalentiere, Tierknochen und Essensresten umgeben, die mit der Zeit eine kreisförmige Umfriedung bildeten. In der Archäologie werden solche menschlichen Stätten als Muschelhügelstätten oder Muschelringstätten bezeichnet.

Solche Stätten kommen häufig in Küstengebieten vor und wurden in meinem Land, in Japan, Großbritannien, Nordafrika und anderen Teilen der Welt gefunden. Diese Stätten stammen im Allgemeinen aus der Jungsteinzeit oder sogar aus der Bronzezeit.

Die Untersuchung von Fundstätten mit alten menschlichen Muschelabfällen und die Analyse der dortigen Sedimente können umfangreiche Forschungsdaten zur Entwicklungschronologie, zur sozialen Entwicklung sowie zu den Klima- und Umweltveränderungen der indigenen Völker Nordamerikas liefern.

Als diese Urmenschen ihre Siedlungen errichteten, verursachten sie leichte Veränderungen an den Hohlräumen im Boden und der Topographie. Nach Tausenden von Jahren der Veränderung sind diese Veränderungen jedoch mit bloßem Auge nur schwer vor Ort zu erkennen, was die Entdeckung dieser Stätten erschwert.

Beim Einsatz von maschinellem Lernen und Deep Learning zur Bildverarbeitung lud Dylan zunächst die LiDAR-Daten des Versuchsbereichs herunter, extrahierte daraus das digitale Höhenmodell (DEM), analysierte es, um Schatten und Neigung zu ermitteln, und drehte es um 45°, um die Trainingsdaten zu verbessern.

Schließlich erhielten wir 776 ringförmige Gelände, 720 Muschelhügelgelände und 1316 irrelevante Gelände, die als 200 x 200 Bilder exportiert wurden, und 10% wurde als Validierungssatz beibehalten.

Dylan und sein Team entwarfen ein Mask-R-CNN-Modell auf Basis von ResNet 50. Um die Deep-Learning-Ergebnisse des Modells anhand von LiDAR-Trainingsdaten zu validieren, führte das Team außerdem eine Random-Forest-Wahrscheinlichkeitsanalyse (RF) auf dem ringförmigen Gelände des Untersuchungsgebiets durch, die auf den multitemporalen SAR-Daten von Sentinel-1 und den multispektralen Daten von Sentinel-2 basiert.

Dylan und sein Team arbeiteten an einer Workstation mit einer NVIDIA Quadro p4000 GPU, einer Intel® Core™ i7-7700K CPU @ 4,20 GHz, 4200 Mhz, 4 Kernen, 8 logischen Prozessoren und 64 GB Speicher.Nach einem Training von mehr als 40 Stunden und einem Lauf über 20 Epochen betrugen die Trainings- und Validierungsverluste des besten Modells 0,252 bzw. 0,554.

Vor der Studie von Dylan und seinem Team gab es in der Region der Großen Seen in den Vereinigten Staaten etwa fünfzig bekannte antike menschliche Stätten, an denen Spuren menschlichen Überlebens wie Steinwerkzeuge und Töpferwaren gefunden wurden. Dlyans Forschungsergebnisse zeigen, dass es in diesen Gebieten noch immer fast hundert vermutete antike menschliche Stätten gibt, die auf ihre Verifizierung warten.

Dylan erwähnte in einer aktuellen Studie, dass der nächste Schritt darin besteht, auf Grundlage der Trainingsergebnisse Felduntersuchungen durchzuführen.

Weltraumarchäologie: Zerstörungsfreie archäologische Forschung

Echte Archäologie ist nicht so mysteriös wie das Zerteilen von Gold und das Auffinden von Gräbern. Es gibt keine legendären Schatzkarten und geheimnisvollen Schlüssel. Bei den meisten zeitgenössischen archäologischen Arbeiten handelt es sich um nicht-aktive Ausgrabungen.

Aufgrund der Einschränkungen der derzeitigen Ausgrabungs- und Schutzmethoden könnten viele Kulturdenkmäler nach der Ausgrabung aufgrund fehlender wirksamer Schutzmaßnahmen dauerhaft beschädigt werden.In meinem Land beispielsweise gilt für den Schutz von Relikten und archäologischen Funden der Grundsatz „Keine aktiven Ausgrabungen, außer wenn unbedingt nötig“, weshalb der Weltraumarchäologie immer mehr Aufmerksamkeit zuteilwird.

Nach dem Zweiten Weltkrieg begannen archäologische Gemeinschaften auf der ganzen Welt, Weltraumtechnologie, insbesondere in Kombination mit Fernerkundung, für archäologische Forschungen zu nutzen.Fernerkundungsarchäologie wird hauptsächlich durch die Analyse von Fernerkundungsbildern und deren Kombination mit archäologischen Funden sowie historischen und dokumentarischen Daten durchgeführt. Dadurch kann nicht nur ein hoher Zeit-, Geld- und Energieaufwand für die Feldarbeit vermieden, sondern auch die Arbeitsintensität verringert werden.

Bestimmen Sie Standort, Form, Größe usw. von Kulturgütern genau, ohne sie zu berühren.Alte Gräben, ehemalige Flussläufe oder große Gebäude, die heute unter der Oberfläche begraben liegen, lassen sich manchmal deutlich in informationsreichen Fernerkundungsdaten wiedergeben.

Im Jahr 2014 führte ein Forschungsteam des Instituts für Fernerkundung und Digital Earth meines Landes drei Jahre lang archäologische Arbeiten an der alten Großen Mauer in Xinjiang durch. 

Mithilfe schwacher Informationen, die durch Fernerkundung von antiken Ruinen gewonnen wurden, konnten Wissenschaftler die antike Große Mauer von Xinjiang „restaurieren“ und damit die lange vorherrschende Meinung ändern, dass es „in Xinjiang keine Große Mauer gibt“, was die archäologische Gemeinschaft begeisterte. 

Der Einsatz von Fernerkundungstechnologie kann uns helfen, die Relikte intuitiver und lebendiger zu verstehen, unser Verständnis der zeitlichen und räumlichen Verteilungsmuster menschlicher Kulturrelikte zu vertiefen, die Beziehungsmuster zwischen Mensch und Land und ihren Evolutionsprozess in unterschiedlichen Umgebungen und sozialen Entwicklungsstadien zu verstehen und eine wissenschaftliche Grundlage für die Interpretation von Relikten und Kultur zu schaffen. 

In Kombination mit KI-Technologien wie maschinellem Lernen und Deep Learning kann die Verarbeitung von Fernerkundungsdaten aus dem Weltraum effizient verbessert und so die Erforschung und der Schutz von Kulturdenkmälern weiter beschleunigt werden.

Kurz gesagt, die Technologie des „Grabraubs“ ist gut und schnell.

Quellen:

- „Deep Learning enthüllt das Ausmaß der archaischen Praktiken der amerikanischen Ureinwohner zum Bau von Muschelringen“ Dylan S. Davis

- „Fernerkundungsarchäologie „in den Himmel und in die Erde“. Die Weltraumarchäologie hat großes Potenzial.“ Institut für Luft- und Raumfahrtinformationsinnovation, Chinesische Akademie der Wissenschaften

- „Anwendung der Fernerkundungstechnologie in der Archäologie“ (http://blog.sina.com.cn/s/blog_5554ecf401000e45.html)