觸角向考古延伸 深度學習算法助力古人類遺蹟的發現

近年來，深度學習作為機器學習的一個分支，在考古學中迅速普及應用，使得考古工作的效率得到提升。除了用於發現考古遺蹟，預測、翻譯古文字，人工智能還參與了部分文物的修復過程。

◎本報記者 翟鼕鼕

人工智能繼續探索新領域，這次是考古。

近日，來自美國賓夕法尼亞州立大學、澳大利大悉尼大學等4所研究機構的研究人員，在著名考古學期刊《考古學雜誌》上發表的研究成果展現了深度學習算法在發現古人類遺蹟方面的潛力。

該成果顯示，利用深度學習算法，研究人員在美國東南部發現了多處距今3000—5000年前的美洲原住民生存遺蹟——貝環（shell ring），該遺蹟的發現將有助於進一步瞭解美國原住民的社會經濟結構。

解決樣本稀少問題

貝環是由動物骨骸、植物、軟體動物殼、陶瓷碎片等堆積而成的一個環形結構，它們通常位於富含豐富貝類的河口附近。貝環中夾雜的貝殼﹑各種食物的殘渣以及石器﹑陶器等文化遺物，對於瞭解當時的自然環境和社會環境有很大幫助。此次研究主要以美國東南部的貝環為研究對象，其貝環主要由動物和花卉等沉積物組成。

儘管貝環對於瞭解史前人類社會發展十分重要，但要發現它卻非易事。主要是因為這些貝環通常分佈在密密麻麻的沿海森林中，交通不便難以接近，如果被發現也常是因為一些突出的標誌物。據美國國家考古數據庫記載，目前在美國東南部約分佈有50個貝環遺蹟。但因其分佈零散、發現困難，此前對貝環的分佈範圍未有系統統計。

近年來，深度學習作為機器學習的一個分支，在考古學中迅速普及應用，使得考古工作的效率得到提升。儘管越來越受歡迎，但也有學者質疑其實用性：需要大量的訓練數據、高性能的算力以及對於開發者專業知識的要求都讓人工智能在考古領域的應用受到限制。而貝環作為一種史前人類遺蹟，其數量稀少，無法滿足深度學習需要大量訓練樣本的需求。

對此，研究人員使用了遷移學習算法解決了這一難題，並利用算法發現了多處貝環，同時對美國東南部古代貝環建造活動的地理範圍進行了系統評估。

早已應用於考古領域

除了用於發現考古遺蹟，人工智能在考古工作的其他領域也有應用。

在近日發表的一篇論文中，人工智能成功地預測了楔形文字版上缺失的段落，這意味着4500年前的文獻，現在可以閲讀了。

論文中寫道，來自“公元前2500年至公元100年的10000塊楔形文字版”的腳本被輸入到人工智能程序中。這個被稱為“巴比倫引擎”的人工智能模型成功地預測了一系列缺失的單詞、短語和句子，準確率達到90%。

此前，美國麻省理工學院和谷歌人工智能實驗室的研究人員也提出了一種自動破譯失傳文字的神經網絡算法。這一算法首次實現了古希臘邁錫尼文明時期“線形文字B”的自動翻譯，準確地把67.3%的“線形文字B”同源詞翻譯成了希臘語。

除了預測、翻譯古文字，人工智能還參與了部分文物的修復過程。由於古文物年代久遠，剛剛出土的文物往往磨損嚴重、支離破碎，而文物復原的整個過程耗時長且操作繁瑣，極具挑戰性。

目前，考古學家已經通過人工智能算法分析、重現文物殘缺部分，並通過技術手段使其與原物合二為一，完整呈現出文物的原始樣貌。這一技術在修復塞普洛斯出土的古代雕像以及拜占庭時期的壁畫時得到了運用。人工智能在考古界的運用大大提高了考古修復的準確性和科學性，省時省力。

研究人員在論文網站arXiv上發表文章稱，人工智能除了能幫助考古作業，還能為包括文物修復、圖像編輯、生物研究等多個領域帶來諸多便利。

雖然目前學者對於人工智能在考古領域的應用仍有爭議，但上述研究顯示，深度學習在分析複雜、不成結構的考古學遺存及現象上頗有優勢。有研究人員表示，人工智能程序“不是人類專家的替代品”，而是一種輔助工具。未來，人工智能在考古學的研究上將更加着眼於強人工智能領域。