Исследование Наска с использованием искусственного интеллекта

открыто 303 новых фигурных геоглифов всего за 6 месяцев полевых исследований

Масато Сакаи (Masato Sakai), Акихиса Сакураи (Akihisa Sakurai), Сиюань Лу (Siyuan Lu), Университет Ямагата, Япония, Маркус Фрейтаг (Marcus Freitag), Исследовательский центр Томаса Дж. Уотсона в Нью-Йорке, "Исследование Наски с использованием искусственного интеллекта почти удвоило число известных фигуративных геоглифов и пролило свет на их предназначение", Труды Национальной академии наук США (Proceedings of the National Academy of Sciences), 121 (40), 23 сентября, 2024.

Потребовалось почти столетие, чтобы обнаружить в общей сложности 430 фигуративных геоглифов Наска, Перу, которые предлагают значительную информацию о древних культурах в Наска-Пампе. Авторы сообщают о развертывании системы ИИ во всем регионе Наска, объекте Всемирного наследия ЮНЕСКО, что привело к открытию 303 новых фигуративных геоглифов всего за 6 месяцев полевых исследований.

Успех глубокого обучения преобразовал не только языковые модели, но и компьютерное зрение, сделав практичным автоматическое обнаружение зданий, транспортных средств, типов растительного покрова, на изображениях, полученных с помощью дистанционного зондирования. Эта форма ИИ успешно применяется и в археологии, где интересующие объекты тусклые, частично закрыты или даже зарыты под землей.

Изображения RGB (каналы красного, зеленого и синего), полученные с помощью самолета с эффективным разрешением 10 см, растрируются геопространственной платформой IBM PAIRS. PAIRS обеспечивает быстрый случайный доступ к курируемому кубу данных для машинного обучения, обучения моделей ИИ и рабочих процессов пространственно-временной аналитики в целом.

Каналы RGB индивидуально усиливаются путем применения фильтра изображений PIL SHARPEN ImageFilter дважды. Модель ИИ использует полноцветные ортоизображения размером 112х112 пикселей. Они покрывают около 11х11 квадратных метров каждое и обрезаются из непрерывного курируемого куба данных с географической привязкой. Отдельные кадры изображения нормализуются с использованием среднего и стандартного отклонения (стандарт ImageNet). Для вывода отобрали всю Наска-Пампу и ее окрестности (629 км2), используя скользящее окно с размером шага приблизительно 5 м, так что соседние кадры перекрываются на 3 м.

Обучающие/проверочные изображения выбраны из 406 рельефных фигуративных геоглифов, из которых 380 распределены внутри и вокруг Наска-Пампы, а остальные в районе Пальпы. Положительные обучающие/проверочные изображения основаны на 401 из этих контуров рельефных геоглифов, из которых 368 случайным образом выбраны для обучения и 33 для проверки. Отрицательные обучающие метки отбираются из непосредственного окружения геоглифов. Чтобы использовать ограниченное количество известных рельефных геоглифов и сделать обучение надежным, первостепенное значение имеет увеличение данных. Размеченные вручную контуры известных геоглифов служат для выбора 10 случайных обрезков из каждого известного геоглифа. Они также случайным образом поворачиваются, переворачиваются по горизонтали и искажаются по цвету. Аналогичным образом, 25 негативных обучающих изображений случайным образом обрезаются из области, окружающей каждый известный геоглиф. Для разумного баланса между точностью и полнотой установлены соотношение позитивных и негативных обучающих изображений 10:25.

Комплексное обследование с помощью ИИ всей Наска-Пампы и окружающей пустынной области значительно улучшает учет образных геоглифов и позволяет объяснить различные цели линейных и рельефных образных рисунков. Модель ИИ фокусируется на рельефных геоглифах, которые малы и их трудно идентифицировать. Метод с помощью ИИ гораздо более масштабируем, о чем свидетельствует количество новых изображений, которые он идентифицировал: он помог обнаружить 303 новых образных рельефных рисунка, что почти удвоило количество известных.

Главная проблема для ИИ - обнаружение редких изображений с плохой контрастностью и ограниченным количеством обучающих примеров. Сверточные нейронные сети обычно обучаются на десятках тысяч, тогда как в случае Наски всего несколько сотен известных геоглифов для обучения. Две самые важные стратегии. Использовании модели ИИ, предварительно обученной на естественных фотографиях, и ее тонкой настройке только на рельефных геоглифах. Для этого требуется меньше обучающих примеров, чем при обучении модели с нуля. Во-вторых, вместо использования алгоритма обнаружения объектов, который возвращает прямоугольные ограничивающие рамки для обнаруженных геоглифов, разработали сеточную модель классификации, которая возвращает непрерывную карту вероятности геоглифа с разрешением 5 м. Это позволило преобразовать каждый обучающий образ в небольшие обрезанные фрагменты, которые показываются модели как несколько обучающих примеров.

Смоделированная карта вероятности геоглифа постобрабатывается с использованием простого алгоритма для создания контуров кандидатов на геоглиф. Полученные изображения и соответствующие геолокации легко проверяются археологами на предмет их потенциального соответствия подлинному геоглифу Наски. В результате кандидаты на основе ИИ-модели разделены на категории с высоким потенциалом подлинности и с низким потенциалом подлинности. 1309 кандидатов с высоким потенциалом отсортированы по 3 рангам. Всего потрачено 1200 рабочих часов на проверку фотографий кандидатов на основе ИИ-модели геоглифа. В среднем обработали 36 предложений ИИ-модели, чтобы найти одного перспективного кандидата. Это кардинально меняет правила игры с точки зрения требуемой рабочей силы - позволяет сосредоточиться на ценных, целевых полевых работах в Наска-Пампе.

Полевое обследование перспективных кандидатов на геоглифы с сентября 2022 года по февраль 2023 года проводилось пешком для наземной проверки с разрешения Министерства культуры Перу. Оно потребовало 1440 рабочих часов и привело к 303 новым подтвержденным фигуративным рисункам. Кроме того, обнаружено 42 новых геометрических геоглифа. Все они задокументированы с использованием изображений с беспилотников во время полевого обследования. Соответственно, совместный труд исследователей, отбирающих предложения ИИ и обследующих полученные участки на земле, привели к усилиям в размере 2640 рабочих часов.

Из 303 вновь обнаруженных изображний фигур 178 индивидуально предложены ИИ, а 125 нет. Наиболее распространенная ситуация этих дополнительных находок произошла, когда была обнаружена совершенно новая группа (геоглифы в пределах 50 м друг от друга относятся к группе). Геоглифы рельефного типа часто встречаются в группах, таких как сцена с гуманоидными фигурами, сцена с животными или сцена с гуманоидами и человеческими головами. Иногда ИИ отмечал один или несколько из них, но не все. Так было в 23 из 40 новых обнаруженных ИИ групп с более чем одним образом.

Таким образом, из 125 геоглифов, индивидуально не предложенных ИИ, 66 найдены как часть группы, обнаруженной ИИ. Остальные 59 найдены во время полевых работ без какой-либо помощи ИИ или во время скрининга за пределами предложенных ИИ блоков. 968 перспективных кандидатов не удалось исследовать во время полевых работ 2022/23 года. По завершении будущих полевых исследований будет обнаружено не менее 248 дополнительных фигуративных геоглифов, предложенных ИИ.

В результате интеграции недавно обнаруженных 303 геоглифов в уже известные, автры установили, что существует значительная разница между 50 большими линейными рисунками и 683 небольшими рельефными в том, что изображено. Линейные геоглифы в основном изображают мотивы, связанные с дикой природой (например, дикие животные и растения). Большинство рельефных (81,6%) отображают человеческие мотивы или мотивы вещей, измененных людьми (33,8% гуманоидов, 32,9% обезглавленных голов и 14,9% одомашненных верблюдовых). Они вообще не появляются в линейных образных геоглифах. Обезглавленные головы иногда изображаются отдельно, в то время как гуманоиды неоднократно изображаются с обезглавленными головами и вместе с одомашненными верблюдовыми. Дикие животные, которые преобладают в линейных геоглифах, представляют собой всего 6,9% (47 геоглифов) рельефных геоглифов. К ним относятся птица, кошка, змея, обезьяна, лиса, косатка и рыба.

26.09.2024

Комментарий:

Шнобелевская премия 2023 по психологии

Субъекты - 1424 пешехода на оживленной улице Нью-Йорка. По сигналу, мелькнувшему из окна шестого этажа офисного здания, группа сообщников (толпа) вошла в середину зоны наблюдения, остановилась и посмотрела вверх на окно шестого этажа, как бы интересуясь
подробнее

Шнобелевская премия 2016 биология

Он пытался жить вместе с барсуками в течение нескольких недель, спал в склоне холма и ел дождевых червей. Он почти научился ощущать пейзаж через нос, а не через глаза. Он плавал в озере как выдра и едва не поймал рыбу зубами. Мусорные баки привлекали его
подробнее

Источник - пресса

Шнобель Процедура Пресса Анналы Архив Статьи Шнобелист