Ученые создали ИИ, способный «считывать» семена возрастом 7000 лет

Фото из открытых источников

Система искусственного интеллекта, обученная на основе древних растительных остатков с археологических раскопок по всему Китаю, могла бы значительно ускорить кропотливую работу по реконструкции того, что люди выращивали, ели и культивировали тысячи лет назад.

Система APSNet, разработанная совместно исследователями из Линнаньского и Шаньдунского университетов, способна классифицировать древние семена растений с точностью до 90,2 процента. Ее база данных включает материалы из 18 археологических памятников, датируемых примерно 5400 годом до н.э. – 220 годом н.э., причем самые старые образцы старше 7000 лет.

Для археологии значение этого явления выходит далеко за рамки автоматического распознавания изображений. Остатки растений, обнаруженные во время раскопок, являются одними из наиболее прямых свидетельств древнего земледелия и рациона питания. Их идентификация может помочь исследователям определить, какие культуры выращивали общины, от каких продуктов питания они зависели и как менялись методы ведения сельского хозяйства в зависимости от изменений окружающей среды.

Исследование, опубликованное в журнале npj Heritage Science, предоставляет как обширную стандартизированную коллекцию изображений археологических семян, так и систему искусственного интеллекта, специально разработанную для того, чтобы помочь археоботаникам идентифицировать их.

Семена легко не заметить рядом с керамикой, изделиями из металла или монументальной архитектурой, но в археоботанике они могут ответить на вопросы, на которые не могут ответить многие обычные артефакты.

Обугленные зерна, обнаруженные в домах, складских помещениях, очагах, ямах и других археологических отложениях, могут содержать свидетельства выращиваемых в прошлом сельскохозяйственных культур. При изучении в разных поселениях и периодах они могут помочь проследить изменения в производстве продуктов питания, сельскохозяйственных стратегиях и взаимодействии человека с окружающим ландшафтом.

Сложность заключается в их идентификации.

Археологи обычно извлекают остатки растений методом флотации — процесса, при котором извлеченная из земли почва обрабатывается таким образом, чтобы легкие обугленные семена и другие органические остатки можно было отделить для лабораторного исследования. Затем специалисты изучают сохранившийся материал, часто под микроскопом, сравнивая такие характеристики, как размер, форма и особенности поверхности.

Для освоения этой работы могут потребоваться годы специализированной подготовки, а крупные раскопки могут привести к обнаружению значительного количества материала, требующего индивидуального изучения. Исследователи утверждают, что это создает узкое место при обработке археоботанических данных в больших масштабах.

Для решения этой проблемы команда собрала набор данных Ancient Plant Seed Image Classification (APS).

Он содержит 8340 изображений, представляющих 17 категорий древних растительных остатков, собранных на 18 археологических памятниках в северном и южном Китае, относящихся к родам или видам. Археологические контексты охватывают период примерно с 5400 г. до н.э. по 220 г. н.э.

Среди представленных остатков — некоторые культуры, игравшие важную роль в древнем производстве продуктов питания, включая ячмень, пшеницу, просо и сорго. Также присутствуют косточки персика.

Такой широкий хронологический и географический диапазон важен, поскольку археологические семена редко напоминают идеальные современные эталонные образцы.

Многие семена обуглились еще до того, как попали в археологические находки. Другие фрагментировались или деформировались во время захоронения. Поэтому семена одного вида могут выглядеть совершенно по-разному, в то время как остатки разных видов могут иметь почти идентичную форму и текстуру поверхности.

Эти различия затрудняют идентификацию не только для компьютерных систем, но и для опытных исследователей.

Система APSNet была разработана с учетом тех же визуальных признаков, которые специалисты используют при исследовании археологических остатков растений.

Вместо того чтобы полагаться только на общие закономерности изображения, система учитывает информацию о размере семян, а также анализирует более тонкие морфологические характеристики. Исследовательская группа описывает это как способ направлять модель к признакам, полезным для различения образцов, которые в противном случае могли бы выглядеть чрезвычайно похожими.

На практике исследователи могут загружать в систему микроскопические изображения семян и получать предварительную классификацию. Идентификационные записи также могут храниться в цифровом виде, создавая стандартизированный рабочий процесс, который может упростить обработку и сравнение больших коллекций.

Тесты показали общую точность классификации в 90,2 процента. Исследователи сравнили APSNet с 28 существующими методами классификации изображений и сообщили, что он показал наилучшие результаты на археологическом наборе данных о семенах.

Этот результат имеет значение, поскольку археоботанические коллекции представляют собой проблемы, существенно отличающиеся от обычных наборов данных для распознавания изображений. Древние образцы могут быть обгоревшими, сломанными или деформированными, а некоторые группы растений представлены гораздо большим количеством археологических примеров, чем другие.

Потенциальная археологическая ценность этой системы заключается в её масштабе.

Более быстрый метод предварительной классификации позволил бы специалистам обрабатывать большие массивы растительных остатков и уделять больше времени интерпретации значения этих остатков в их археологическом контексте.

Эти интерпретации могут ответить на фундаментальные вопросы о древних обществах: когда в регионе появились те или иные сельскохозяйственные культуры, какие растения стали основными продуктами питания, как менялась сельскохозяйственная экономика и как общины адаптировали стратегии земледелия к местным экологическим условиям.

Стандартизированная идентификация также может облегчить сравнение остатков растений из разных археологических памятников и периодов. Исследователи предполагают, что общие наборы данных и аналитические процедуры могут уменьшить некоторые несоответствия, возникающие при раздельном изучении больших коллекций разными группами.

Это может быть особенно полезно в Китае, где обширные археологические находки сохраняют свидетельства о значительных изменениях в земледелии, связанном с выращиванием проса и пшеницы, а также об изменении взаимоотношений между общинами, культурами и ландшафтами.

Исследователи подчеркивают, что APSNet предназначена в качестве вспомогательного инструмента, а не замены археологической экспертизы.

Его задача — провести быструю предварительную классификацию. Специалисты всё равно будут проводить окончательную идентификацию и, что более важно, интерпретировать каждый образец в соответствии с контекстом раскопок, хронологией и связанными с ним археологическими данными.

Это различие имеет решающее значение. Распознавание семени — лишь первый этап археоботанических исследований. Понимание того, почему оно оказалось на данном участке, будь то культивация, хранение, приготовление пищи, торговля или случайное захоронение, требует археологической оценки.

Предполагается, что APSNet будет использоваться в археоботанических исследованиях в Шаньдунском университете, где технология сможет быть протестирована на материалах, связанных с вопросами о древнем земледелии, основных продуктах питания и условиях окружающей среды.

Поэтому для археологов его главная ценность может заключаться в относительно простом сокращении времени, затрачиваемого на сортировку тысяч сложных образцов, при сохранении контроля со стороны специалистов.

Если такой подход окажется эффективным в рамках более крупных и разнообразных археологических коллекций, искусственный интеллект сможет отвести даже самым мелким археологическим находкам гораздо большую роль в реконструкции того, как древние общины жили за счет земли.