کشف 303 نماد باستانی مرموز در پرو به کمک هوش مصنوعی

این تیم تصمیم گرفت بر روی نماد های کوچک تر و تصویری تر از دو نوع نماد کشف شده در بیابان تمرکز کند. ژئوگلیف های تصویری معمولا حدود 9 متر (30 فوت) طول دارند و شناسایی آنها از نوع خط بزرگ تر که 90 متر (98 یارد) طول دارند دشوار تر است و بنابراین در طی بررسی های هوایی راحت تر دیده می شوند.

مدل هوش مصنوعی به هیچ وجه کامل نبود. بیش از 47000 مکان بالقوه از منطقه بیابانی را پیشنهاد کرد که 629 کیلومتر مربع (243 مایل مربع) را پوشش می دهد.

این تیم این پیشنهادات را بررسی و رتبه بندی کرد و 1309 سایت نامزد با “پتانسیل بالا” را شناسایی کرد. به ازای هر 36 پیشنهاد ارائه شده توسط مدل هوش مصنوعی، محققان “یک نامزد امیدوار کننده” را شناسایی کردند.

با این وجود، نویسندگان مطالعه خاطر نشان کردند که استفاده از هوش مصنوعی از نظر کاهش میزان کار مورد نیاز برای محدود کردن جستجو، «تغییرگر بازی» است. بر اساس این مطالعه، این اجازه می دهد تا “تمرکز به کار میدانی ارزشمند و هدفمند روی نازکا پامپا” تغییر کند.

بین سپتامبر 2022 و فوریه 2023، این تیم دقت مدل خود را در صحرای نازکا آزمایش کرد و مکان های امیدوار کننده را با پای پیاده و با استفاده از هواپیما های بدون سرنشین بررسی کرد و در نهایت 303 ژئوگلیف فیگوراتیو را “واقعیت زمینی” کرد.

ساکای در ایمیلی گفت :« ژئوگلیف هایی که در شرایط خوبی بودند، فورا برای آنچه که بودند شناسایی شدند. برای کسانی که در وضعیت بدی هستند، ما در حال بررسی وضعیت آنها از طریق کار میدانی دقیق هستیم.»

از 303 ژئوگلیف فیگوراتیو تازه کشف شده، 178 مورد توسط این مدل پیشنهاد شد و 125 مورد دیگر یافته ها بودند. از این تعداد، 66 مورد به عنوان بخشی از یک خوشه ژئوگلیف کشف شده توسط هوش مصنوعی، در حالی که 59 مورد در طول کار میدانی بدون هیچ کمکی از هوش مصنوعی کشف شدند.

ممکن است تعداد زیادی ژئوگلیف دیگر در انتظار کشف باشند.

این تیم نتوانست 968 نفر از نامزد های امیدوار کننده را در طول فصل کار میدانی که در تحقیق به تفصیل شرح داده شده بود بررسی کند. با توجه به میزان موفقیت اولیه کار میدانی بر اساس مدل هوش مصنوعی، طبق برآورد این مطالعه، حداقل 248 ژئوگلیف تصویری اضافی را می توان کشف کرد.

آمینا جامباجانتسان، محقق و دانشمند داده در بخش باستان شناسی موسسه زمین انسان شناسی ماکس پلانک در ینا، آلمان، گفت :« “شگفت انگیز” است که تعداد ژئوگلیف های شناخته شده را دو برابر کنیم، به ویژه با توجه به داده های آموزشی محدود.»

جامباجانتسان در تحقیقات نازکا شرکت نداشت، اما از یک مدل هوش مصنوعی برای شناسایی تپه های تدفین در مغولستان بر اساس تصاویر ماهواره ای استفاده می کند.

او گفت که کار خود او اغلب از الگوی مشابهی با تیم نازکا پیروی می کند، با پیشنهادات مبتنی بر هوش مصنوعی که اغلب منجر به اکتشافات اضافی در زمین در طول کار میدانی می شود. او گفت :« هوش مصنوعی عالی است، اما هنوز به انسان نیاز است.»

او گفت که هوش مصنوعی این پتانسیل را دارد که کمک زیادی به باستان شناسی کند، اگرچه مدل ها هنوز کاملا دقیق نیستند.

جامباجانتسان افزود :« مشکل این است که باستان شناسان نمی دانند چگونه یک مدل یادگیری ماشین بسازند و دانشمندان داده معمولا واقعا علاقه ای به باستان شناسی ندارند زیرا می توانند از جاهای دیگر پول بیشتری به دست آورند.»