إن السعي إلى فهم ماضينا يعتمد اعتماداً كبيراً على القطع الأثرية التي خلفتها البخار والمخطوطات المزيفة والأدوات القديمة، ولكن تحديد مدى وجود جسم قديم، أو ما إذا كان ثلاجة حقيقية أو مزورة ذكية، كان عملية طويلة من خلال عملية دليلية مضنية، واليوم، فإن الاستخبارات الاصطناعية تحول أدوات غير مرئية وتاريخ الفنون عن طريق توفير أساليب أكثر دقة في مجال الصنع.

AI in Dating Historical Artifacts

فالتدمير الأثري هو حجر الزاوية في البحوث الأثرية، فالطرق التقليدية مثل المواعدة بالكربونات الشعاعية، وعلم الكهرموزون، وعلم الأحياء الحرارية قد خدموا العلماء جيداً منذ عقود، ولكن لديهم قيود، فالتعارف الإشعاعي يتطلب عينة من المواد العضوية ويمكن أن تتأثر بالتلوث؛ ولا يعمل الكندروكرونيولوجيا إلا في حالة الخشب بأوامر شجرة واضحة؛ ويستلزم تقنيات الأشعة لقياس دقيق للمخ.

ويمكن تدريب الخوارزميات التعليمية الآلاتية على آلاف القطع الأثرية المتقنة لتعلم العلاقات الخبيثة بين الخصائص المادية للجسم وعمره، مثلا، يمكن لنموذج " آي " أن يدرس التركيبة الكيميائية للزجاج القديم، وأنماط اللبس على الأدوات الحجرية، أو التطور الحاد في زينة البوتاري، وذلك بمقارنة أثر فني جديد على قاعدة البيانات المرجعية هذه، فإن طريقة " البروبرشيم " () التي تصيبت.

تقنيات التعلم في مجال الآلات

وتطبق عدة نُهج للتعلم الآلي على المواعدة، فالشبكات العصبية الثورية، التي كانت مصممة أصلاً للتعرف على الصور، والتفوق على المعالم البصرية التحليلية - مثل أنماط الفرشات في اللوحات، وعلامات الأدوات على السطح الحجري، أو على اللوحة على الأجسام المعدنية، ويمكن للشبكات العصبية المتكررة (RNNs) والمحولات أن تُعد بيانات متماثلة، مثل التغيرات غير المخطوطة في القرون.

ومن الأمثلة على ذلك استخدام الناموسيات السينية حتى الآن، حيث قام الباحثون في جامعة أوكسفورد بتدريب نموذج على آلاف الصور التي التقطت من السفن السهرية من منطقة البحر الأبيض المتوسط، وقد تعلمت المنظمة ربط أنواع معينة من الازدهار، والتشكيلات الشائكة، والألوان الجليدية بمراحل كرونة معروفة، وعندما اختبرت على سفن غير مرئية سابقاً، فإن النموذج المخصص للناظرات المتماثلة في أكثر من 90 في المائة من الحالات الصينية.

وثمة تقنية واعدة أخرى هي منظمة العفو الدولية المتعددة الوسائط التي تجمع بين البيانات من مصادر مختلفة، منها مثلاً طيف رامان (بصمة كيميائية) ومسحها العالي الاستبانة 3D، ووصفها النصي يمكن أن يدمج في نموذج واحد، وهذا النهج الكلي يقلل من فرص وقوع أخطاء بسبب الاعتماد على سمة واحدة، ويجد النموذج أن هناك إشارات مختلفة تتداخل مع الظروف التي تصيبها هذه البيئة وتضر بها بوجه خاص.

دراسات حالة في مادة التخزين المُعدَّل

(و) بالإضافة إلى البطاطا والعملات، تقوم منظمة العفو الدولية بقطع طريق في مواعدة المواد العضوية مثل العظام والخشب، ووضع فريق في معهد ماكس بلانك نموذجاً للتعلم العميق يحلل حفظ التلال في العظام القديمة لتقدير عمرها، ويكمل نتائج الكربون، وقد تم تدريبه على عينات من مواقع معروفة ويمكنه الآن التنبؤ بنطاقات عمرية للعظام التي تكون ملوثة بشبكة كربونية موثوقة(14).

وفي حين أن شرو تورين لا يزال مثيرا للجدل، فإن أساليب التنفيذ يمكن أن تطبق نظريا على مواد مثيرة للخلاف مماثلة، ففي الدراسات الخاضعة للمراقبة، استخدمت منظمة العفو الدولية لتحليل التركيبة الكيميائية للألياف السامة وتوزيع الحبوب الملوثة على تقدير العمر، غير أن موثوقية هذه التنبؤات تتوقف بدرجة كبيرة على نوعية البيانات التدريبية، وبصفة عامة، فإن استخدامات التأريخ في أفضل الحالات التي تكون فيها هذه الأساليب ذات مرجعية واسعة ومحددة جيدا من نفس الفترة.

AI in Authenticating Artifacts

وربما يكون التوثيق أكثر أهمية من المواعدة، إذ يغمر سوق الآثار والفنون بالتزوير، وبعضها متطور جداً لدرجة أنهم يخدعون الخبراء الموسمين، ويحقق المعهد الموضوعية في هذا المجال الذاتي من خلال دراسة خصائص لا يمكن للبشر تصورها أو أن يغلب عليها، ولا تكتفي الحيطة بالعمر فحسب، بل تنطوي أيضاً على التحقق من أن المواد والحرفية والمطالبة ذات الأصل.

وتشتمل عملية التوثيق في مجال المعلومات على ثلاث خطوات: اقتناء البيانات (مثل التصوير العالي الاستبانة، والتصوير المطياف، والفلور السيني)، واستخراج السمات عن طريق التعلم الآلات، والمقارنة مع قاعدة بيانات الأصناف الحقيقية والمزيفة، وتتعلم الخوارزمية التمييز بين الاختلافات الخفية التي تفصل بين المحركات الرئيسية عن المقيّدات، مثلاً، يمكن أن تكشف عن التباينات في حجم الجسيمات في العينية في العينية في العينية في العينية.

الكشف عن المزورات

وقد شهد الكشف عن التزوير نجاحاً ملحوظاً مع منظمة العفو الدولية. وقد شملت إحدى الحالات التي أبلغ عنها على نطاق واسع لوحة Samson و Delilah التي عُزيت إلى بيتر بول روبن، وقد تم تدريب خوارزمية من أجل إجراء فحص عالٍ للأشغال المطاطية الحقيقية، وهي تُحدد وجود أورام في الخطوط الناقصة التي تم سحبها بواسطة خامس حديث وليس في وقت لاحق.

وهناك مجال آخر من مجالات استئصال شأفة الأنترنيت هو تحليل أنماط الفرشاة، ولكل فنان أسلوب فريد لا وعي له صعوبة بالغة في التنويم، ويمكن لنماذج التعلم العميق أن ترسم صورة ثلاثية الأبعاد للطلاء، وتوجية السكتات القذفية لخلق " علامة " لكل فنان، وعندما يختبر الاشتباه في تزويره، يمكن أن تقارن أنماط ضربات الباحثها بالملايين من الأمثلة الصحيحة.

كما تستخدم منظمة العفو الدولية للتحقق من الأجسام العتيقة مثل العملات والنحت والمخطوطات، فعلى سبيل المثال، وضع الباحثون في جامعة كاليفورنيا، لوس أنجليس نظاماً يستخدم في رسم الخرائط الضوئية للاتساق والتعلم الآلي لاختبار صحة العملات القديمة، ويكشف المسح التلقائي عن تفاصيل البنية المصغرة للثباتات المعدنية مثل الحدود الطبيعية وطبقات التكليل الصناعية التي تستخدمها جامعة بيرن.

دور المطبوعات والتصوير

ويمكن أن توفر تقنيات التحلل الاصطناعي مثل جهاز التنظيف الذي يقوم به رامان، وجهاز التكفير المقطعي بالأشعة الحمراء، وأجهزة التذبذب الأشعة السينية البصمات الكيميائية التي يمكن أن تُعدّها الكائنات الأثرية، ويمكن للمبادرة أن تجهز هذه المطيافات لتحديد المواد التي لا تتفق مع الحقبة المطالب بها، وعلى سبيل المثال، إذا كان من المفترض أن تكون اللوحة الخامسة عشرة تحتوي على عرض غير مُختل.

وينتج التصوير الفطري الذي يلتقط مئات من النطاقات الطيفية عبر سطح مصنوعة يدوياً بيانات ضخمة تتجاوز التحليل البشري، ويمكن لنماذج التعلم الماكنة أن تتدرب على هذه الصور لتحديد مناطق الإفراط في الطلاء أو إعادة الترميم أو الطين المخفي التي تكشف عن تاريخ الجسم، وقد استخدمت هذه التقنية لتوثيق فترة الكتابة المصرية القديمة التي تُعرف بإسمها " AI " .

التحديات والحدود

ورغم وعدها بأن " آي " في التوثيق والتوثيق الأثري ليست رصاصة فضية، ولا تزال هناك عدة تحديات كبيرة تتراوح بين قيود البيانات والشواغل الأخلاقية، ومن الضروري فهم هذه القيود من أجل الاعتماد المسؤول للتكنولوجيا.

نوعية البيانات ومدى توافرها

(أ) أن " القيود المفتوحة " هي الحاجة إلى مجموعات بيانات كبيرة ومحددة جيداً، ولوضع نموذج موثوق به، فإن آلاف القطع الأثرية الموثَّقة التي لها تواريخ أو مثبتات معروفة، والكثير من المتاحف ومجموعات المواد الخاصة تتردد في تبادل بياناتها، إما بسبب الشواغل المتعلقة بالأمان أو الملكية الفكرية أو الخوف من أن تساعد البيانات العامة على التغاضي عن هذه المواد.

الاعتماد على التكنولوجيا

وهناك خطر أن يضع أمناء وجمع المعلومات قدراً كبيراً من الثقة في نواتج التنفيذ دون فهم حدودهم، ويمكن أن تُخدع نماذج التنفيذ المخصَّصة من خلال تعديلات طفيفة - الضوء مصممة لإحداث سوء تصنيف، ويمكن أن يستغل المزوِّد هذه نقاط الضعف عن طريق إضافة كمية صغيرة من الخناق الصحيح إلى شيء حديث يخلط بين الأخطاء الكيميائية المضاربة والمخدرات.

Bias and Representativeness

ويمكن أن تؤدي البقاع في بيانات التدريب إلى إدامة أوجه عدم المساواة التاريخية، وإذا كانت مجموعة التدريب تتضمن في معظمها مصنوعات يدوية عالية من الحضارات الغنية، فإن النموذج سيكون أقل دقة للأجسام اليومية من الثقافات الأقل توثيقا، مما يمكن أن يعزز التحيز الاستعماري الذي تضرر منذ وقت طويل من علم الآثار، حيث تحظى القطع الأثرية من الإمبراطوريات القوية بمزيد من الاهتمام، ويجب على الباحثين أن يلتمسوا بنشاط مجموعات متنوعة من البيانات وأن يطوروا تقنيات لمعالجة المشاكل الصغيرة أو المميزة.

القابلية للترجمة

وهناك نماذج عديدة للتعلم الآلي، ولا سيما الشبكات العصبية العميقة، تعمل بوصفها " صناديق سوداء " ، ويمكن أن توفر إمكانية أو تصنيفا، ولكنها لا تستطيع بسهولة أن توضح السبب الذي توصلوا إليه، وهذا الافتقار إلى التفسير يمثل مشكلة في عالم التوثيق الفني المرتفع، حيث يمكن أن تنطوي القرارات على ملايين الدولارات وأن تؤثر على التراث الثقافي، وقد يتردد المتحف في إزالة قطعة مجزأة تستند إلى حكم محرر للشبكة.

الاتجاهات المستقبلية

ويعود إدماج معايير المحاسبة البيئية في التكنولوجيات الأخرى بطرائق أكثر قوة للمواعدة والتوثيق، ومن المرجح أن تحدد عدة اتجاهات ناشئة العقد المقبل من علم الآثار الرقمية والتحقق من الفنون.

Blockchain for Provenance

ويمكن لتكنولوجيا البلوكشاين أن تخلق سجلات رقمية غير قابلة للاختبار للتشغيل الحرفي، تربط نتائج تحليلات AI بدفتر دائم عام، وعندما يتم فحص القطع الأثري وتحلله بواسطة AI، فإن " البصمة " التي تحملها الشركة - وهي حطب من البيانات المسحية ونتائج التوثيق يمكن تخزينها في سلسلة من السلاسل، مما يجعل من الصعب جداً أن تبدل لاحقاً بإحدى المثبتات في حلول مثبتة.

قواعد البيانات المجمدة والمفتوحة المصدر

وتُتخذ مبادرات مثل اتحاد البحوث المعني ب " آرت آي " من أجل بناء قواعد بيانات مفتوحة المصدر للمعاملات الأثرية الموثَّقة التي يمكن للباحثين في جميع أنحاء العالم استخدامها في تدريب النماذج، كما أنَّ جمع الصور والبيانات من المتاحف والجامعات وحتى علماء الآثار الهواة يمكن أن يحسنوا بشكل كبير أداء هذه الأجهزة، ولا سيما بالنسبة للثقافات الممثلة تمثيلاً ناقصاً، والعامل الرئيسي هو ضمان أن تكون المساهمات في مجال البحث أكثر إنصافاً(أ)(أ)

نماذج المؤسسة المتعددة الوسائط

ويمكن أن تستند نظم المستقبل للتوثيق إلى نماذج أساسية كبيرة مدربة مسبقاً على كميات كبيرة من النصوص والصور والبيانات الطيفية، ويمكن تعديل هذه النماذج بحيث تتوافق مع مهام محددة تتعلق بالمواعدة أو التوثيق مع مجموعات بيانات صغيرة نسبياً، مثل الطريقة التي تُكيَّف بها النماذج اللغوية الكبيرة للمجالات الجديدة، ويمكن أن تتضمن هذه النماذج أيضاً سجلات تاريخية ذات سياقات، وتقارير عن التجسس، ووثائق عن طريقة الافتراض التي تتيح تقييماً شاملاً في آن واحد.

التحليل الميداني للتاريخ الحقيقي

ويجري تطوير أجهزة محمولة تعمل في الميدان، مما يتيح لأخصائيي الآثار الحصول على تقديرات أولية للمواعدة والتوثيق أثناء الحفر، ويمكن للمطياف اليدوية التي تستخدمها شبكة الأشعة المغنطة أن توفر تحليلا كيميائيا فوريا، وفي حين أن هذه الأدوات ليست دقيقة بعد بقدر النظم القائمة على المختبرات، فإنها يمكن أن تساعد على إعطاء الأولوية للأدوات الفنية لنقلها للدراسة التفصيلية.

الحفاظ على التراث الثقافي مع منظمة العفو الدولية المسؤولة

ومع أن منظمة العفو الدولية أصبحت أكثر ترابطاً في علم الآثار وتاريخ الفنون، يجب أن تسترشد الاعتبارات الأخلاقية في استخدامها، وينبغي أن تصمم المقاييس لتلافي تعزيز التحيزات الاستعمارية أو إزالة القطع الأثرية الغربية، وينبغي أن تكون نواتجها شفافة وقابلة للمراجعة، وأن يكون الهدف النهائي هو الحفاظ على قصتنا البشرية المشتركة وفهمها، وليس استبدال خبرات المحافظين والمحافظين، بل أيضاً ضمان استخدام التكنولوجيا.

وفي العقد القادم، يمكننا أن نتوقع من منظمة العفو الدولية أن تصبح أداة معيارية في مختبرات المتاحف، ودور المزاد، والحفر الميداني، كما أن نفس التكنولوجيا التي تعترف بالوجوه في الصور ستساعد قريباً على توثيق كتلة القرون الوسطى أو تاريخ أمفورة يونانية قديمة، وبإبراز هذه التطورات مع إدراكها للقيود التي تفرضها، يمكننا أن نحمي تراثنا الثقافي على نحو أفضل، وأن نضمن أن الأجيال المقبلة ورث كلا القطع الفنية والمعارف اللازمة لتفسيرها.

For Museers seeking further exploration, a 2019 study in Nature Communications demonstrated how deep learning improved radiocarbon dating accuracy by analyzing sediment layer ()Nature Communications, 2019) Another article in Science Advances[FLT: