北亞利桑那大學(xué)的兩位研究人員使用基于GPU的深度學(xué)習(xí)算法對(duì)古代陶器小碎片進(jìn)行分類，分類結(jié)果達(dá)到甚至超越了四位考古專家的水平。

Leszek Pawlowicz和Christian Downum在6月出版的《考古科學(xué)雜志》上所發(fā)表的一篇論文中概述了這項(xiàng)技術(shù)。該技術(shù)的重點(diǎn)應(yīng)用對(duì)象是美國西南部的一種特殊古代彩繪陶器——圖薩揚(yáng)白瓷（Tusayan White Ware）。

這種陶器于公元825年至1300年間在現(xiàn)在的亞利桑那州東北部制造，其特點(diǎn)是在白色陶器上繪有黑色幾何圖案。在20世紀(jì)20年代，考古學(xué)家想出了如何根據(jù)這些設(shè)計(jì)來對(duì)陶器進(jìn)行分類，這樣他們就可以了解每一塊陶器碎片是在什么時(shí)候制造的。

圖薩揚(yáng)白瓷碎片是考古學(xué)家了解文字出現(xiàn)之前美國西南部復(fù)雜文化的一個(gè)窗口。雖然它們僅僅是美國東南部豐富考古遺產(chǎn)中的一小部分。

北亞利桑那大學(xué)兼職教師、1992年Jeopardy！ Tournament of Champions的獲勝者Pawlowicz解釋說：“在亞利桑那州和新墨西哥州有幾萬甚至幾十萬個(gè)遺址曾被霍皮人和祖尼人占據(jù)。他們從1500年前就開始居住在里面并且一直居住到近代。”

考古學(xué)家在研究陶器碎片時(shí)所面臨的挑戰(zhàn)與天文學(xué)、動(dòng)物學(xué)等各個(gè)領(lǐng)域的科學(xué)家所面臨的挑戰(zhàn)相似。如今，他們正在借助人工智能，運(yùn)用越來越多的數(shù)據(jù)開展日益龐大的項(xiàng)目。

認(rèn)出古代工匠

北亞利桑那大學(xué)人類學(xué)教授Downum表示，快速分析該地區(qū)以及全世界的陶器碎片將使研究人員能夠?qū)?shù)百年前的人類生活有新的認(rèn)識(shí)。

終將有一日，他們能夠辨認(rèn)出個(gè)別工匠的作品并追蹤陶器在古代貿(mào)易網(wǎng)絡(luò)中的分布。

問題在于只有極少數(shù)受過相關(guān)培訓(xùn)并擁有數(shù)十年經(jīng)驗(yàn)的人才能夠理解他們眼前的東西。

對(duì)于考古學(xué)家來說，人員流動(dòng)是一個(gè)大問題。例如目前積極參加這方面工作的人員中，只有一位是第一代設(shè)計(jì)類別定義者的徒弟，可能有十幾位是第二代專家的徒弟。

因此將數(shù)十萬張碎片照片以及地理信息轉(zhuǎn)換成電子數(shù)據(jù)十分重要。

超越人類專家

根據(jù)Pawlowicz和Downum的研究，經(jīng)過適當(dāng)訓(xùn)練的深度學(xué)習(xí)模型可以對(duì)裝飾碎片的數(shù)字圖像進(jìn)行分類，并且其準(zhǔn)確度可以達(dá)到甚至超過四位當(dāng)代考古專家。

Pawlowicz在他的電腦上只用了幾個(gè)小時(shí)就訓(xùn)練出用于這項(xiàng)研究的人工智能模型。他的這臺(tái)電腦配備NVIDIA GPU，用于運(yùn)行一對(duì)常用的卷積神經(jīng)網(wǎng)絡(luò)模型——VGG16和ResNet50。

該模型遠(yuǎn)勝現(xiàn)代考古學(xué)家，甚至可以成為培訓(xùn)新考古學(xué)家的重要工具。

更易解釋性

Pawlowicz和Downum表示，深度學(xué)習(xí)長期以來一直被視為一個(gè)“黑匣子”。

Pawlowicz和Downum寫道，Grad-CAM（基于梯度的類激活圖）等新工具能夠“詢問”該模型以確定輸入圖像中的哪些區(qū)域?qū)τ趫D像類型分配置信度最為重要。

然后結(jié)果會(huì)以“熱圖”形式顯示，其中與分類最相關(guān)的區(qū)域用紅色陰影表示，不太相關(guān)的區(qū)域用藍(lán)色表示。

與深度學(xué)習(xí)的易解釋性相比，人類專家往往難以指出他們根據(jù)碎片樣本的哪些具體特征進(jìn)行分類，因此難以解釋他們的工作或培訓(xùn)其他人員。

另一個(gè)優(yōu)勢(shì)是一致性。不同的人類專家往往會(huì)對(duì)碎片做出不同的分類，但人工智能卻可以做出一致的分類。因此即便分類標(biāo)準(zhǔn)存在缺陷，也可以通過人工智能對(duì)大量樣本進(jìn)行有價(jià)值的對(duì)比。

通過深度學(xué)習(xí)，還能夠更容易地將新的洞見應(yīng)用于在100多年以前分類的碎片樣本，從而將新概念應(yīng)用于舊工作。

“眾包” 考古工作

接下來，Pawlowicz準(zhǔn)備在北亞利桑那大學(xué)的NVIDIA系統(tǒng)上運(yùn)用更復(fù)雜的模型分析更大的樣本集。

Downum和Pawlowicz希望創(chuàng)建一個(gè)可搜索的中央圖像數(shù)據(jù)庫。各種智能手機(jī)應(yīng)用程序甚至可以幫助幾乎沒有經(jīng)驗(yàn)的人在現(xiàn)場為數(shù)據(jù)庫“添磚加瓦”——在不影響兩位考古學(xué)家工作的情況下為現(xiàn)場碎片拍照。

人工智能會(huì)對(duì)每張上傳的碎片照片進(jìn)行專家級(jí)分析。Downum認(rèn)為：“這項(xiàng)技術(shù)具有很大的潛力。”

編輯：jq