触角向考古延伸 深度学习算法助力古人类遗迹的发现

该成果显示，利用深度学习算法，研究人员在美国东南部发现了多处距今3000—5000年前的美洲原住民生存遗迹——贝环（shell ring），该遗迹的发现将有助于进一步了解美国原住民的社会经济结构。

解决样本稀少问题

贝环是由动物骨骸、植物、软体动物壳、陶瓷碎片等堆积而成的一个环形结构，它们通常位于富含丰富贝类的河口附近。贝环中夹杂的贝壳﹑各种食物的残渣以及石器﹑陶器等文化遗物，对于了解当时的自然环境和社会环境有很大帮助。此次研究主要以美国东南部的贝环为研究对象，其贝环主要由动物和花卉等沉积物组成。

尽管贝环对于了解史前人类社会发展十分重要，但要发现它却非易事。主要是因为这些贝环通常分布在密密麻麻的沿海森林中，交通不便难以接近，如果被发现也常是因为一些突出的标志物。据美国国家考古数据库记载，目前在美国东南部约分布有50个贝环遗迹。但因其分布零散、发现困难，此前对贝环的分布范围未有系统统计。

近年来，深度学习作为机器学习的一个分支，在考古学中迅速普及应用，使得考古工作的效率得到提升。尽管越来越受欢迎，但也有学者质疑其实用性：需要大量的训练数据、高性能的算力以及对于开发者专业知识的要求都让人工智能在考古领域的应用受到限制。而贝环作为一种史前人类遗迹，其数量稀少，无法满足深度学习需要大量训练样本的需求。

对此，研究人员使用了迁移学习算法解决了这一难题，并利用算法发现了多处贝环，同时对美国东南部古代贝环建造活动的地理范围进行了系统评估。

早已应用于考古领域

除了用于发现考古遗迹，人工智能在考古工作的其他领域也有应用。

在近日发表的一篇论文中，人工智能成功地预测了楔形文字版上缺失的段落，这意味着4500年前的文献，现在可以阅读了。

论文中写道，来自“公元前2500年至公元100年的10000块楔形文字版”的脚本被输入到人工智能程序中。这个被称为“巴比伦引擎”的人工智能模型成功地预测了一系列缺失的单词、短语和句子，准确率达到90%。

此前，美国麻省理工学院和Google人工智能实验室的研究人员也提出了一种自动破译失传文字的神经网络算法。这一算法首次实现了古希腊迈锡尼文明时期“线形文字B”的自动翻译，准确地把67.3%的“线形文字B”同源词翻译成了希腊语。

除了预测、翻译古文字，人工智能还参与了部分文物的修复过程。由于古文物年代久远，刚刚出土的文物往往磨损严重、支离破碎，而文物复原的整个过程耗时长且操作繁琐，极具挑战性。

目前，考古学家已经通过人工智能算法分析、重现文物残缺部分，并通过技术手段使其与原物合二为一，完整呈现出文物的原始样貌。这一技术在修复塞普洛斯出土的古代雕像以及拜占庭时期的壁画时得到了运用。人工智能在考古界的运用大大提高了考古修复的准确性和科学性，省时省力。

研究人员在论文网站arXiv上发表文章称，人工智能除了能帮助考古作业，还能为包括文物修复、图像编辑、生物研究等多个领域带来诸多便利。

虽然目前学者对于人工智能在考古领域的应用仍有争议，但上述研究显示，深度学习在分析复杂、不成结构的考古学遗存及现象上颇有优势。有研究人员表示，人工智能程序“不是人类专家的替代品”，而是一种辅助工具。未来，人工智能在考古学的研究上将更加着眼于强人工智能领域。