Gli archeologi della Northern Arizona University sperano che una nuova tecnologia che hanno aiutato a pionieri cambierà il modo in cui gli scienziati studiano i pezzi rotti lasciati dalle società antiche.

Il team del Dipartimento di Antropologia della NAU è riuscito a insegnare ai computer a svolgere un compito complesso che molti scienziati che studiano le società antiche hanno sognato a lungo:ordinare rapidamente e coerentemente migliaia di progetti di ceramica in più categorie stilistiche. Utilizzando una forma di machine learning nota come Convolutional Neural Networks (CNN), gli archeologi hanno creato un metodo computerizzato che emula approssimativamente i processi di pensiero della mente umana nell'analisi delle informazioni visive.

"Ora, utilizzando fotografie digitali di ceramica, i computer possono realizzare ciò che prima richiedeva centinaia di ore di noiose, lavoro scrupoloso e snervante da parte di archeologi che hanno suddiviso fisicamente in gruppi i pezzi di ceramica rotta, in una frazione del tempo e con maggiore costanza, " disse Leszek Pawlowicz, docente a contratto presso il Dipartimento di Antropologia. Lui e il professore di antropologia Chris Downum hanno iniziato a ricercare la fattibilità dell'uso di un computer per classificare accuratamente i pezzi di ceramica rotti, conosciuti come frammenti, in tipi di ceramica conosciuti nel 2016. I risultati della loro ricerca sono riportati nel numero di giugno della pubblicazione peer-reviewed Rivista di Scienze Archeologiche .

"Su molte delle migliaia di siti archeologici sparsi nel sud-ovest americano, gli archeologi troveranno spesso frammenti rotti di ceramica conosciuti come cocci. Molti di questi frammenti avranno disegni che possono essere ordinati in categorie stilistiche precedentemente definite, chiamati "tipi, ' che sono stati correlati sia con il periodo di tempo generale in cui sono stati fabbricati sia con i luoghi in cui sono stati realizzati, "Downum ha detto. "Questi forniscono agli archeologi informazioni critiche sul tempo in cui un sito è stato occupato, il gruppo culturale con cui era associato e altri gruppi con cui hanno interagito."

La ricerca si è basata su recenti scoperte nell'uso dell'apprendimento automatico per classificare le immagini per tipo, in particolare le CNN. Le CNN sono ora un pilastro nel riconoscimento delle immagini del computer, viene utilizzato per qualsiasi cosa, dalle immagini a raggi X per le condizioni mediche e le immagini corrispondenti nei motori di ricerca alle auto a guida autonoma. Pawlowicz e Downum hanno affermato che se le CNN possono essere utilizzate per identificare cose come razze di cani e prodotti che potrebbero piacere a un consumatore, perché non applicare questo approccio all'analisi della ceramica antica?

Fino ad ora, il processo di riconoscimento delle caratteristiche del design diagnostico sulla ceramica è stato difficile e ha richiesto molto tempo. Potrebbero essere necessari mesi o anni di formazione per padroneggiare e applicare correttamente le categorie di progettazione a piccoli pezzi di un vaso rotto. Peggio, il processo era soggetto a errori umani perché gli archeologi esperti spesso non sono d'accordo su quale tipo sia rappresentato da un frammento, e potrebbero avere difficoltà a esprimere a parole il loro processo decisionale. Un anonimo revisore dell'articolo ha definito questo "lo sporco segreto dell'archeologia di cui nessuno parla abbastanza".

Determinato a creare un processo più efficiente, Pawlowicz e Downum hanno raccolto migliaia di immagini di frammenti di ceramica con un insieme specifico di caratteristiche fisiche identificative, noto come Tusayan White Ware, comune in gran parte del nord-est dell'Arizona e degli stati vicini. Hanno quindi reclutato quattro dei migliori esperti di ceramica del sud-ovest per identificare il tipo di progettazione della ceramica per ogni frammento e creare un "set di addestramento" di frammenti da cui la macchina può imparare. Finalmente, hanno addestrato la macchina a imparare i tipi di ceramica concentrandosi sugli esemplari di ceramica su cui gli archeologi hanno concordato.

"I risultati sono stati notevoli, " Pawlowicz ha detto. "In un periodo di tempo relativamente breve, il computer si è addestrato a identificare la ceramica con un'accuratezza paragonabile a, e a volte meglio di, gli esperti umani."

Per i quattro archeologi con decenni di esperienza nello smistamento di decine di migliaia di veri cocci, la macchina ha superato due di esse ed era paragonabile alle altre due. Ancora più impressionante, la macchina è stata in grado di fare ciò con cui molti archeologi possono avere difficoltà:descrivere perché ha preso le decisioni di classificazione che ha fatto. Utilizzando mappe termiche codificate a colori dei frammenti, la macchina ha indicato le caratteristiche di progettazione che ha utilizzato per prendere le sue decisioni di classificazione, fornendo così una registrazione visiva dei suoi "pensieri".

"Un'interessante conseguenza di questo processo è stata la capacità del computer di trovare corrispondenze quasi esatte di particolari frammenti di disegni di ceramica rappresentati su singoli frammenti, "Downum ha detto. "Utilizzando misure di somiglianza derivate dalla CNN per i progetti, la macchina è stata in grado di cercare tra migliaia di immagini per trovare la controparte più simile di un singolo disegno di ceramica."

Pawlowicz e Downum credono che questa capacità potrebbe consentire a un computer di trovare pezzi sparsi di un singolo vaso rotto in una moltitudine di frammenti simili da un'antica discarica o condurre un'analisi a livello regionale delle somiglianze e differenze stilistiche tra più antiche comunità. L'approccio potrebbe anche essere più in grado di associare particolari disegni di ceramica da strutture scavate che sono state datate utilizzando il metodo degli anelli degli alberi.

La loro ricerca sta già ricevendo elogi.

"Spero ardentemente che gli archeologi del sud-ovest adottino questo approccio e lo facciano rapidamente. Ha molto senso, " ha detto Stephen Plog, professore emerito di archeologia presso l'Università della Virginia e autore del libro "Variazioni stilistiche nelle ceramiche preistoriche". "Abbiamo imparato molto dal vecchio sistema, ma è durata oltre la sua utilità, ed è ora di trasformare il modo in cui analizziamo i progetti in ceramica".

I ricercatori stanno esplorando le applicazioni pratiche dell'esperienza di classificazione del modello della CNN e stanno lavorando su ulteriori articoli di riviste per condividere la tecnologia con altri archeologi. Sperano che questo nuovo approccio all'analisi archeologica della ceramica possa essere applicato ad altri tipi di manufatti antichi, e che l'archeologia può entrare in una nuova fase di classificazione delle macchine che si traduce in una maggiore efficienza degli sforzi archeologici e metodi più efficaci per insegnare il design della ceramica alle nuove generazioni di studenti.