科研人员尝试用AI和卫星影像发现隐藏的考古遗址

IIT威尼斯文化遗产技术中心的研究人员在Arianna Traviglia的带领下，将引入AI，通过揭示土壤中隐藏的痕迹，帮助考古学家追溯古代人类的存在。

人工智能将能够识别哪怕是最小的或难以察觉的植被变化或地表的其他特殊迹象，这些迹象可能表明有尚未发现的遗迹存在。该项目将持续三年，其直接成果可能是提高了识别有被掠夺风险的文化遗址的能力。

在过去的几十年里，地表下文化遗址的识别已利用遥感数据，一种允许通过图像找到埋藏在地下的物体的探测方式，其中有可能从异常情况和裸露的土壤、作物或植被中的痕迹识别地下考古沉积物。Arianna Traviglia之前的研究已经调查了发展自动遥感的潜在优势，但他们也表明，目前的技术有一些局限性，只能探测到非常具体的物体。在这种情况下，免费遥感数据集的网络平台出现了指数级的增长，它们被世界各地的文化遗产界充分使用。其中，有欧盟委员会与欧空局合作协调的免费开放的地球观测卫星数据平台 "哥白尼"。

然而，由于需要管理大量的数据，而且必须对图像进行浏览和人为解读，因此对来自这些平台的数据进行可视化分析是非常复杂的。为此，Traviglia的研究小组面临的真正挑战是加入机器倾斜和计算机人工视觉，以使这项工作变得更加容易。该小组是世界上为数不多的设计了自动检测考古和文化遗址的算法的小组之一。

因此，"文化景观扫描器"（CLS）项目将采用创新的方法，旨在克服目前基于主观观察的方法，通过先进的计算方法，使更广泛和更精确的检测成为可能。

研究人员将利用从Copernicus平台获得的遥感数据，为文化遗址量身定制一个广泛的、适应性强的自动识别程序。通过机器学习的自动遥感技术，将通过卫星图像对文化遗产对象产生更准确的检测，并对古代土地划分系统进行更清晰的识别。

机器学习算法可以在渐进式的自我学习过程中积累经验，自动改进。因此，人工智能将能够对潜在的地下考古遗址提供越来越精确的识别。

这种人工智能方法将能够看到通常人类肉眼无法看到的物体或不规则现象。这些元素的结合将产生观察植被、裸露的土壤、空洞和作物标记中的痕迹的可能性。因此，人工智能将支持目前基于主观观察的照片解读实践，这得益于其分析图像的准确性和探索更广泛空间区域的可能性。另一个会从自动遥感的发展中获益的方面是增加文化遗产保护的可能性。事实上，一个直接的结果就是提高了应对文化威胁的能力，识别出有被掠夺风险的文化遗址。

本文素材来自互联网