Uma parte essencial do trabalho do arqueólogo envolve o árduo processo de classificação das peças de cerâmica em subespécies. Pergunte aos arqueólogos por que eles colocam uma peça em uma determinada categoria e muitas vezes é difícil para eles determinar o que exatamente os levou a essa conclusão.
“É como olhar para uma foto de Elvis Presley e olhar para a foto de um imitador”, disse Christian Daunum, professor de antropologia da Northern Arizona University. “Você sabe que há algo errado com o imitador, mas é difícil identificar por que Elvis não está lá.”
Mas os arqueólogos agora demonstraram que é possível programar um computador para fazer essa parte essencial de seu trabalho o mais próximo possível. Em um Estudo publicado Na edição de junho do Journal of Archaeological Sciences, pesquisadores relatam que o modelo de aprendizado profundo classificou imagens de peças decoradas com mais precisão – às vezes com mais precisão – do que quatro arqueólogos especialistas.
Dr. disse. Dawnum, um dos autores do estudo: “Não fere meus sentimentos.” Pelo contrário, disse, o campo deve ser melhorado, poupando tempo e substituindo o “processo de autoclassificação difícil de descrever por um sistema que dá sempre o mesmo resultado”.
O estudo se concentrou na Tusayan White Ware, um tipo de cerâmica artesanal usada para servir comida e armazenar água em desfiladeiros e planaltos no nordeste do Arizona entre 825 e 1300. Na década de 1920, os arqueólogos descobriram que as peças de porcelana Tusayan eram consistentes. Modelos de acordo com o período em que foram criados.
Os pesquisadores recrutaram quatro dos analistas mais experientes para este tipo de cerâmica. Todos eles passaram 30 anos ou mais analisando cerâmicas e previamente classificando dezenas de milhares de fragmentos de porcelana branca Tusiana.
Eles também passaram cerca de quatro horas treinando uma rede neural, um sistema matemático complexo que pode aprender tarefas específicas analisando grandes quantidades de dados, separando imagens de Tusian White Wear.
Tanto o homem quanto a máquina foram encarregados de classificar milhares de imagens em uma das nove espécies conhecidas e avaliá-las com base na precisão de suas respostas.
Os pesquisadores descobriram que a rede neural conectou dois analistas humanos para maior precisão e superou os outros dois.
A máquina também era mais eficiente. Como a tarefa era tediosa, disse Paulowitz, nenhum dos analistas humanos queria examinar as 3.000 imagens sem parar. Portanto, embora provavelmente tenham concluído a tarefa em três horas, cada um realizou a análise em várias sessões ao longo de três a quatro meses.
A rede neural pesquisou milhares de fotos em questão de minutos.
Não apenas o programa de computador era mais eficiente e preciso que os arqueólogos, mas também era capaz de explicar por que as peças eram classificadas de uma certa maneira melhor em comparação com seus concorrentes vivos e respirando. Em um caso, o computador introduziu uma nota de classificação inteligente que era nova para os pesquisadores: indicava que dois tipos semelhantes de cerâmica podiam ser distinguidos com elementos de design de linhas farpadas, dependendo se as linhas estavam conectadas em ângulos retos ou paralelas, disse Leszek Paulovich , membro do corpo docente, assistente da Northern Arizona University e autor de outro estudo.
A máquina também superou os humanos, fornecendo apenas uma resposta por classificação; Os arqueólogos participantes frequentemente discordavam sobre como classificar os itens, um problema conhecido que costuma atrasar os projetos arqueológicos, disseram os autores.
Philip Isola, professor de engenharia elétrica e ciência da computação do MIT que não esteve envolvido no estudo, disse que não ficou surpreso com o desempenho da rede neural – ou às vezes melhor do que – arqueólogos.
“É a mesma história que ouvimos muitas vezes agora”, disse o Dr. Isola. No campo da imagem médica, por exemplo, os pesquisadores descobriram que as redes neurais Competidor de raios Identificação de tumores. Os acadêmicos também usam ferramentas semelhantes para classificar espécies de plantas e pássaros.
Nem é a primeira vez que os arqueólogos se voltam para a IA. Em 2015, pesquisadores estão na França Aprendizado de máquina aplicado Para classificar a cerâmica francesa medieval. Também inclui um grupo de arqueólogos e cientistas da computação de cinco países Desenvolvimento de ferramenta digital Para classificar peças de cerâmica. No entanto, nenhum desses projetos opõe o homem à máquina.
Desde que o estudo começou a se espalhar, alguns arqueólogos compartilharam preocupações com os autores sobre sua substituição por máquinas. Dr. Dawnum e Dr. Paulowitz disseram que não estavam preocupados com algo como isso acontecendo.
“Estamos decidindo o que é importante estudar”, disse o Dr. Dawnum.
Nem todas as notícias do site expressam o ponto de vista do site, mas automaticamente transmitimos essas notícias e as traduzimos usando a tecnologia de software do site e não de um editor humano.
