IIT威尼斯文化遺產技術中心的研究人員在Arianna Traviglia的帶領下，將引入AI，通過揭示土壤中隱藏的痕跡，幫助考古學傢追溯古代人類的存在。
人工智能將能夠識別哪怕是最小的或難以察覺的植被變化或地表的其他特殊跡象，這些跡象可能表明有尚未發現的遺跡存在。該項目將持續三年，其直接成果可能是提高瞭識別有被掠奪風險的文化遺址的能力。
在過去的幾十年裡，地表下文化遺址的識別已利用遙感數據，一種允許通過圖像找到埋藏在地下的物體的探測方式，其中有可能從異常情況和裸露的土壤、作物或植被中的痕跡識別地下考古沉積物。Arianna Traviglia之前的研究已經調查瞭發展自動遙感的潛在優勢，但他們也表明，目前的技術有一些局限性，隻能探測到非常具體的物體。在這種情況下，免費遙感數據集的網絡平臺出現瞭指數級的增長，它們被世界各地的文化遺產界充分使用。其中，有歐盟委員會與歐空局合作協調的免費開放的地球觀測衛星數據平臺 "哥白尼"。
然而，由於需要管理大量的數據，而且必須對圖像進行瀏覽和人為解讀，因此對來自這些平臺的數據進行可視化分析是非常復雜的。為此，Traviglia的研究小組面臨的真正挑戰是加入機器傾斜和計算機人工視覺，以使這項工作變得更加容易。該小組是世界上為數不多的設計瞭自動檢測考古和文化遺址的算法的小組之一。
因此，"文化景觀掃描器"（CLS）項目將采用創新的方法，旨在克服目前基於主觀觀察的方法，通過先進的計算方法，使更廣泛和更精確的檢測成為可能。
研究人員將利用從Copernicus平臺獲得的遙感數據，為文化遺址量身定制一個廣泛的、適應性強的自動識別程序。通過機器學習的自動遙感技術，將通過衛星圖像對文化遺產對象產生更準確的檢測，並對古代土地劃分系統進行更清晰的識別。
機器學習算法可以在漸進式的自我學習過程中積累經驗，自動改進。因此，人工智能將能夠對潛在的地下考古遺址提供越來越精確的識別。
這種人工智能方法將能夠看到通常人類肉眼無法看到的物體或不規則現象。這些元素的結合將產生觀察植被、裸露的土壤、空洞和作物標記中的痕跡的可能性。因此，人工智能將支持目前基於主觀觀察的照片解讀實踐，這得益於其分析圖像的準確性和探索更廣泛空間區域的可能性。另一個會從自動遙感的發展中獲益的方面是增加文化遺產保護的可能性。事實上，一個直接的結果就是提高瞭應對文化威脅的能力，識別出有被掠奪風險的文化遺址。
留言列表
