Arheologii au creat modele de învățare profundă, în special cu DeepLab V3+, pentru a identifica rezervoare necunoscute anterior din perioada Angkor.
Angkor, situat în provincia Siem Reap din Cambodgia, a servit drept capitală a Imperiului Khmer între secolele IX și XV d.Hr.
în 1431 d.Hr., orașul a fost în mare parte abandonat, cu excepția mai multor complexe de temple antice care au continuat să fie folosite pentru cultul Theravada.
Studii anterioare realizate de o echipă internațională de cercetători au utilizat imagini prin satelit și LiDAR pentru a localiza rămășițele întinderii urbane a orașului, dezvăluind peste 25.000 de elemente sub coronamentul pădurii.
Cu toate acestea, forța de muncă necesară pentru cartografierea peisajului dincolo de zona centrală a Angkorului s-a dovedit a fi extrem de îndelungată, ceea ce un nou studiu publicat în revista PLOS one a rezolvat prin utilizarea inteligenței artificiale de învățare profundă, scrie HeritageDaily.
Capitala Imperiului Khmer între secolele IX și XV d.Hr
Formarea AI a necesitat curățarea și conservarea unui set mare de date privind formele cunoscute ale rezervoarelor.
Din peste 11.000 de exemple, au fost utilizate aproximativ 3.600 de exemple de înaltă calitate, după verificări manuale secundare. Modelul a fost antrenat pe mostre de imagine de 512×512 pixeli utilizând tehnici avansate pentru a îmbunătăți precizia și a evita supraajustarea.
Potrivit autorilor studiului, AI a putut detecta rezervoarele cu o acuratețe acceptabilă, cu un scor F1 (un echilibru între precizie și reamintire) de până la 45% în regiunile favorabile – ceea ce la același nivel cu cea a unui student uman.
Orașul a fost în mare parte abandonat
Această metodă, combinată cu validarea de către experți, înseamnă că cu până la 90% timpul alocat sarcinilor de cartografiere.
„Integrarea Inteligenței Artificiale ca instrument de identificare a zăcămintelor în proiecte de cartografiere la scară largă oferă oportunități promițătoare pentru accelerarea cercetării”, au indicat cercetătorii.
„Cu toate acestea, rămâne esențial să subliniem importanța validării umane în verificarea rezultatelor. Îmbunătățirea adaptabilității rețelelor neuronale la diverse peisaje prin tehnici de adaptare la domeniu reprezintă o cale promițătoare pentru cercetările viitoare”.