Durante le indagini sull'arte rupestre, Gli anziani hanno viaggiato con il gruppo di indagine dei ranger per condividere la conoscenza dell'arte rupestre e della storia associata ai siti di WiltonRiver orientale. In questa foto sono inclusi i coautori Abraham Wesan (lasciato in camicia kaki), Dudley Lawrence (in piedi con la barba alla sinistra di Abramo e altri anziani Robert Redford (berretto e camicia blu) e Jack Docherty (cappello Akubra). Questo sito era una sosta e un campeggio ancora utilizzato fino alla fine degli anni '70. Robert Redford ha camminato lungo il fiume Wilton ritorno alla stazione di scarico della sua famiglia vicino a Maningrida.Credit:Peter Cooke, Mimal Land ManagementAboriginal Corporation (MLMAC)
L'arte rupestre di figure umane create nel corso di migliaia di anni nell'Arnhem Land australiana è stata sottoposta a uno studio di apprendimento automatico trasformativo per analizzare i cambiamenti di stile nel corso degli anni.
Lo studio ha testato diversi stili etichettati come "figure della corsa nordica", 'Figure dinamiche', 'Figure Post Dynamic' e 'Figure semplici con Boomerang' per capire come questi stili si relazionano tra loro.
Lavorando con i proprietari tradizionali Mimal e Marrku dell'area del fiume Wilton nella fascia alta dell'Australia, I ricercatori dell'Australia Meridionale guidati dall'archeologo della Flinders University, il dottor Daryl Wesley, hanno esaminato più da vicino l'arte di questa regione.
Il ricercatore di Flinders Jarrad Kowlessar e il team hanno utilizzato l'apprendimento automatico per analizzare le immagini di arte rupestre raccolte durante i sondaggi nel paese di Marrku nel 2018 e nel 2019.
I coautori includono Dudley Lawrence e Abraham Weson e altri della Mimal Land Management Aboriginal Corporation, Alfred Nayinggul della Njanjma Aboriginal Corporation, Il dottor Ian Moffat di Flinders e il ricercatore dell'Università di Adelaide James Keal.
La cronologia dell'arte rupestre ricostruita, appena pubblicato su Australian Archaeology, utilizza set di dati esistenti di oltre 14 milioni di foto diverse di una vasta gamma di cose da animali come cani, gatti, lucertole e insetti a oggetti come sedie, tavoli e tazze.
"In totale il computer ha visto più di 1000 tipi diversi di oggetti e ha imparato a distinguere tra loro semplicemente guardando le foto, "Il dottor Wesley spiega.
"L'importante abilità sviluppata da questo computer è stata un modello matematico che ha la capacità di dire quanto due immagini diverse siano simili tra loro".
Quindi la modellazione matematica è stata applicata alle immagini raccolte nell'Australia settentrionale.
"Questo approccio ci consente di utilizzare il programma per computer per mostrare quanto sia unica l'arte rupestre nel fiume Wilton e come si relaziona con l'arte rupestre in altre parti dell'Arnhem Land, "Dice il dottor Wesley.
"Possiamo usarlo per aiutare a mostrare come gli stili di arte rupestre sono condivisi dai proprietari tradizionali in Arnhem Land e quali sono unici per ogni gruppo nel passato".
L'apprendimento automatico consente a un computer di "imparare" cose diverse sulle informazioni che potrebbero richiedere molti anni a un essere umano per esaminarle e imparare da, spiega un dottorato di ricerca della Flinders University. candidato in archeologia Jarrad Kowlessar, che ha aperto la strada all'approccio di apprendimento automatico per l'analisi dell'arte rupestre.
"Un risultato sorprendente è che l'approccio di apprendimento automatico ha ordinato gli stili nella stessa cronologia in cui gli archeologi li hanno ordinati ispezionando quali appaiono sopra i quali. Ciò dimostra che la somiglianza e il tempo sono strettamente collegati nell'arte rupestre di Arnhem Land e che l'essere umano le figure ravvicinate nel tempo erano più simili tra loro di quelle disegnate da molto tempo, " lui dice.
"Ad esempio, l'algoritmo di apprendimento automatico ha tracciato le figure della corsa nordica e le figure dinamiche molto vicine l'una all'altra sul grafico che produce. Ciò mostra che questi stili che sappiamo essere più vicini l'uno all'altro per età sono anche più vicini l'uno all'altro nell'aspetto, che potrebbe essere una cosa molto difficile da notare senza un approccio come questo".
L'articolo sottolinea che la nuova metodologia ha rimosso un ampio grado di interpretazione umana individuale e possibili pregiudizi utilizzando un approccio di apprendimento automatico chiamato "apprendimento per trasferimento".
Ciò ha permesso al computer di capire come ogni stile si relazionava direttamente l'uno con l'altro, indipendentemente dai ricercatori coinvolti.
I ricercatori sono entusiasti di questa metodologia che apre nuovi orizzonti per una grande quantità di ricerche archeologiche per comprendere tutti i tipi di diverse culture materiali umane in un modo diverso.
