Geçmişimizi anlamak arayışı, geride kalan eserler üzerinde ağırlığa dayanıyor - pottery'nin kırılganlığı, el yazmaları ve eski aletler. Ama tam olarak eski bir nesnenin ne kadar eski olduğunu belirlemek ya da gerçek bir yeniden lisans veya akıllı bir forgery olup olmadığını anlamak, uzun zamandır bir acı çekme sürecidir. Bugün yapay zeka (AI) arkeoloji ve sanat tarihini, bu alanları nasıl yeniden şekillendirdiğini ve tarihsel eserlerle ilgili daha doğru yöntemleri ortaya çıkarmak için daha doğru yöntemler sunuyor.

Tanık Tarihsel Artifacts

Arkadaşlık eserleri arkeolojik araştırmanın temel taşıdır. Radyokarbon dating gibi geleneksel yöntemler, filchronoloji ve termolumines yıllarca bu teknikleri iyi bir şekilde yerine getirdiler, ancak çoklu kaynaklardan veri sınırlamaları var ve insan analistlerine açık olmayabilir desenler tanımlamak için kullanılabilir; filchronoloji sadece ahşap için çalışır; termolumineslik bu tekniklerin dikkatli bir şekilde ölçümlerini gerektirir.

Makine öğrenme algoritmaları, antik camın kimyasal kompozisyonunu ince bir şekilde incelemek için binlerce iyi hazırlanmış eserler üzerinde eğitilebilir veya bu referans ile karşılaştırılırken, algoritma yaşınızın olasılıksal bir tahminini, genellikle daha doğruluk ve hızla geleneksel yöntemlerden daha fazla inceleyebilir. Bu yaklaşım özellikle geleneksel dating için çok zarar gören eserlerle ilgili değerlidir, ya da yok edilmemiş bir yöntem gerektiğinde.

Makine Öğrenme Teknikleri

Birkaç makine öğrenme yaklaşımları, metal nesneler üzerinde etiketlemek için uygulanır. Recurrent sinir ağları (RNNs) ve dönüştürücüler, resim tanıma için tasarlanmıştır, resimleri analiz etmeyi başarı ile tasarımların evrimi veya bu arada, kümeleme algoritmalarının benzer özellikleri ile grup eserler verebilir, arkeologların daha önce tanınmamış dönemleri veya kültürel bağlantıları tanımlamalarına yardımcı olabilir.

Bir zorlayıcı örnek CNN'lerin eski pottery'yi tarihlendirmesi için kullanımıdır. Oxford Üniversitesi'ndeki araştırmacılar, Akdeniz bölgesinden binlerce seramik gemisini incelediler ve uzmanlığa ihtiyaç duydukları saatler yerine birkaç saniye içinde bunu yapabilirler. Benzer çalışma, Çince bronz gemilerle yapılır, daha önce görünmeyen kitaplarda test edildiğinde, her durumda yapay zeka değişiklikleri inceler üzerinde yapılan analizler - bu tür bir kompozisyonlar, ve bu kadar çok sayıda uzman kompozisyonu tercih eder.

Başka bir umut verici teknik, verileri farklı kaynaklardan birleştirir. Örneğin, bir sanat eserinin Raman spektrumu (kimyasal parmak izi), yüksek çözünürlüklü 3D tarama ve metinsel açıklaması da tüm bağlamsal bir web sitesine dahil edilebilir - bu tür bir yaklaşım, tek bir özellikte bulunan hataların şansını azaltır. Model, özellikle zarar gören nesneler için yararlı hale getirebilir. Multimodal sistemleri de restorasyona girebilir. Multimodal sistemleri de en iyi şekilde.

AI-Assisted Dating in Case Studies in AI-Assisted Dating

Metal ve paraların ötesinde, AI, kemik ve ahşap gibi organik malzemelerle ilişkilendirmek için tasarlanmıştır. Max Planck Enstitüsü'nde bir ekip, eski kemiklerin kanser korumasını yaşlarını tahmin etmek için erkenden radyokarbon sonuçlarını tahmin etmek için erkenden analiz eder. AI, mektup şekilleri ve ink dağıtımlarında mikroskobik değişiklikler üzerinde eğitildi ve şimdi iki bin yıl içinde çok fazla güvenilir karbon14 dating için çok fazla kirlenmiş olan kemikler için yaş aralıkları tahmin edebilirdi.

Turin’in KEŞEMi tartışmalı olsa da, AI yöntemleri, eğitim verilerinin kalitesine yoğunlaşabilir. Kontrollü çalışmalarda, AI, aynı bölgeden ve dönemden gelen kimyasal kompozisyonu analiz etmek için kullanılmıştır. Ancak, insan uzmanlığı ve geleneksel yöntemlerin dağılımı, eğitim verilerinin kalitesine bağlıdır.Genel olarak, AI dating en iyi şekilde çalışır.

Aital'in in Authenticating Artifacts

Kimlikleme belki de daha kritiktir. Antiquities ve sanat pazarı sadece yaş hakkında değil; aynı zamanda bir nesnenin malzemeleri, zanaatkarlığı iddia ettikleri bazı sofistike uzmanlarla tutarlıdır. AI, bu öznelliği aynı anda analiz edebilir.

AI doğrulama genellikle üç adım içerir: veri satın alma (örneğin, yüksek çözünürlüklü görüntüleme, spektroskopi, X-ray fluorescence), makine öğrenimi aracılığıyla ekstraksiyon ve gerçek ve fordulmuş malzemelere karşı karşılaştırma. algoritma, taklitlerden ayrı ayrı ayrı ayrı ayrı ayrı ayrı ayrılığı ayırt etmeyi öğrenir. Örneğin, Rönesans resimlerinde pigment parçacığında varyasyonları tespit edebilir, saç fırçalarının mikroskobik yönelimi veya aynı teknoloji için aynı teknoloji Bayrak nesnelere karşı bir karşılaştırma yapar.

Forgeries

Forgery algılama, AI ile olağanüstü bir başarı gördü. En yaygın olarak bildirilen vakalardan biri resimize edildi:0)Samson ve Delilah) Peter Paul Rubens'e atfedildi. Bu durum, AI taramalarının altta yatan hataların nasıl tespit edildiğini vurguladı.

AI'nın öne çıktığı başka bir alan fırçastroke modellerini analiz eder. Her sanatçı, her sanatçı için bir “imza” oluşturmak için üç boyutlu boyama dokularını haritalayabilir, araştırmacılar Rutgers Üniversitesi'nde milyonlarca gerçek örnekle karşı darbe modellerini karşılaştırabilir.

AI ayrıca antik eşyaları, heykelleri ve el yazmaları gibi antik nesneleri doğrulamak için de kullanılır. Örneğin, Kaliforniya Üniversitesi'nde araştırmacılar, Los Angeles, optik koherens tomografi (OCT) ve makine öğreniminin gerçekleştirilmesini sağlayan bir sistem geliştirdiler. OCT tarama, antik paraların gerçekliğini test etmek için bir ekip kurdu.

Spectroskop ve Görüntüleme

Raman spektroskopi gibi spektroskopik teknikler, FTIR (Dört-transform kızılötesi spektroskopi), ve X-ray fluorescence (XRF), AI'nın daha karmaşık desenleri tespit edebileceği kimyasal parmak izlerinin - bu tür doğal olarak yüzyıllar boyunca uygun olmayan malzemeleri tespit etmesi için. Örneğin, eğer sözde 15. yüzyıl resim, 19. yüzyıla kadar icat edilmemiş bir pigment içeriyorsa, AI bayraktır.

Bir sanat eserinin yüzeyinde yüzlerce yeraltı bandı ele alan Hyperspectral görüntüleme, insan analizlerinin ötesinde büyük veri setleri ortaya koyar. Makine öğrenme modelleri, bu görüntülerin üzerinde, bir nesnenin tarihini ortaya koyan yüzlerce çizer.Bu teknik, 9. Yüzyıldan beri modern bir yazının gerçekleştirilmesiyle aynı zamanda Basel'in orijinalini doğrulayan bir arşivle CNN'in orijinalini doğrulayan bir şekilde doğrulayan bir ekip tarafından tespit edilmiştir.

Meydanlar ve Sınırlar

Onun sözüne rağmen, sanatifact kimlik doğrulamasında AI ve dating bir gümüş mermi değildir. Çeşitli önemli zorluklar etik kaygılara göre sıralanır.Bu kısıtlamalar teknolojiden sorumlu kabul etmek için önemlidir.

Data Quality ve Müsaitlik Durumu

En kritik sınırlama, büyük, iyi niyetli veri setleri için ihtiyaçtır. Güvenilir bir modele ulaşmak için, bilinen binlerce özgün eser gereklidir. Birçok müze ve özel koleksiyonlar, güvenlik, entelektüel mülk veya korku nedeniyle, Avrupa pottersi üzerinde eğitim almış olabilir, çünkü bu ciddi bir sanat adresi veya dönemleri ile açıklanamazlar.

Teknolojiye Fazladan Fazladan Çıkarma

Koleksiyoncular ve koleksiyoncular, sınırlılıkları anlamak için AI çıktılarına çok fazla güvenebilecek bir tehlike var. AI modelleri, yanlış sınıflamalara neden olmak için tasarlanmış ışık değişiklikleridir. AI, bu zayıflıkları potansiyel olarak kullanabilir, örneğin, spektroskopik AI’yı karıştırmak için modern bir nesneye güvenen bir risk ekledi.

Bias ve Temsilcisiness

Eğitim verileri, AI'yı daha az belgelenmiş kültürlerden gelen tarihsel eşitsizliklere yol açabilir.Eğitim seti çoğunlukla zengin uygarlıklardan yüksek düzeylistatus eserleri içeriyorsa, model muhtemelen daha az belgelenmiş kültürlerden günlük nesneler için daha az doğru olacaktır. Bu, uzun süredir rahatsız edici arkeolojinin eserlerini güçlendirebilir, ancak araştırmacıların küçük veya dengesiz örnekleri ele almak için çeşitli veri setlerini aktif olarak geliştirmeleri ve teknikleri geliştirmeleri gerekir. Bazı gruplar bu sorunu azaltmak için deneyen birkaç saat boyunca deney yapıyorlar.

Yorumability

Birçok makine öğrenme modeli, özellikle derin sinir ağları, "kara kutular" olarak çalışabilirler, ancak bu sonuca vardıklarına kolayca açıklanamazlar.Bu yorumlanabilirlik eksikliği, belirli özellikleri vurgulayan bir problemdir (örneğin, özellikle fırçastrokes veya pigment kompozisyonu), bir kararın en önemli haritalara dayanan bir parçaya sahip olabilir.

Future Yol Tarifi

AI'nın diğer teknolojilerle entegrasyonu, dating ve kimlik doğrulama için daha sağlam yöntemler vaat ediyor. Birkaç ortaya çıkan trend, önümüzdeki on dijital arkeoloji ve sanat doğrulamasını tanımlamak için muhtemelen.

Provenance için Blockchain

Blockchain teknolojisi, eserler için tam olarak dayanıklı dijital kayıtları oluşturabilir, AI analiz sonuçlarını kalıcı, kamu tarafından yönlendirilir ve AI tarafından analiz edildiğinde, “finger” – bir test sonucunda elde edilen verilerin ve kimlik doğrulama sonucu – bu, bir blokajı daha sonra tekrar tekrarlamak için çok daha zor olabilir. Birkaç startups zaten sanat piyasası için bu tür çözümleri geliştiriyor ve bazı müzeler pilotlama sertifikasına sahip.

Crowdsourced ve Open Databases

“Art & AI” araştırma konsorsiyumu gibi girişimler, özellikle de aşağıda belirtilen kültürler için açık kaynak veri tabanları oluşturmak için çalışıyor.Dünyadaki araştırmacıların tren modellerini kullanabilecekleri özgün eserler. Crowdsourcing görüntüleri ve data from names, Universities, and even amatör arkeologs could critical improve AI performance, especially for underrepresented culture.The key is to ensure that data reasons are correct and standard. Projects such as the environmentally systems.)

Multimodal Foundation Modeller

Future AI sistemleri, büyük miktarda metin, görüntüler ve kanıtlanmış veriler üzerinde önceden eğitilmiş büyük temel modeller üzerine inşa edilebilir. Bu modeller, belirli bir dating veya kimlik doğrulama görevleri için, sanat tarihinin binlerce yıl boyunca eğitilmiş bir temel model, materyal ve metinsel modeller aynı anda bahsedilebilir, bu tür bir görünüm sunmak için daha kapsamlı bir değerlendirme sağlayabilir. Örneğin, sanat tarihinin binlerce yıl boyunca eğitilmiş bir temel model, sanat tarihinin bir modeline göre çok şey.

Gerçek Zamanlı Alan Analizi

Portreye AI cihazları, alanda kullanılmak üzere geliştiriliyor, arkeologların ayrıntılı çalışma için hangi eserleri taşımalarına yardımcı oluyor.El Raman spectrometreler, önceden belirlenmiş bir açıklığa kavuşturulabilecek şekilde AIive ağları sunabiliyor.Bu araçlar henüz laboratuvar tabanlı sistemler olarak doğru değilken, ayrıntılı bir çalışma için hangi eserler taşımalarına yardımcı olabilirler.

Sorumlu AI ile Kültür Mirası Koruma

AI arkeoloji ve sanat tarihinde daha derinden gömülü hale gelirken, etik düşünceler, tarihçilerin ve muhafazakarların uzmanlığını değiştirmek için değil, aynı zamanda kaynak topluluklarıyla ilgilenmek için tasarlanmıştır.

Önümüzdeki on yıl içinde, AI'nın müze laboratuvarlarında standart bir araç olmasını, açık evler ve saha kazılarını sürdürmesini bekleyebiliriz. Fotoğraflarda yüzleri tanıyan aynı teknoloji, yakında bir ortaçağ şaviri veya tarihi bir Yunan amforasını gerçekletirerek, bu gelişmeleri kucaklayarak kültürel mirasımızı daha iyi koruyabiliriz - ve gelecek nesillerin her ikisine de sahip olmasını sağlayacaktır.

Daha fazla araştırma arayan okuyucular için, 2019'da bir çalışma:0) Doğa İletişim[Döneticileri] [Döneticileri analiz ederek radyokarbon dating doğruluklarını analiz ederek analiz ederek (). İletişim[Dönetici: 8 ) Sanatın Açık Erişim Tarihi[değiştir | kaynağı değiştir] Bu efekt, tasarıma göre, tasarıma dayalı olarak, tasarıma dayalı olarak kullanılan bir tasarıma sahip olmak için bir başka makaleye sahiptir.