Scherben effektiv durch Künstliche Intelligenz sortiert

Archäologen der Northern Arizona University können nun durch künstliche Intelligenz Scherben von antiken Gesellschaften effektiver untersuchen.

Scherben der TUSAYAN WHITE WARE
BILD: EIN „FLUSS“ VON TUSAYAN WHITE WARE SCHERBEN, DER DEN WECHSEL DER TYPENMUSTER VOM ÄLTESTEN LINKS ZUM JÜNGSTEN RECHTS ZEIGT. CREDITS: CHRIS DOWNUM

Sortieren mit stilistischen Kategorien

Dem Team vom Department of Anthropology der NAU ist es gelungen, Computern eine komplexe Aufgabe beizubringen: das schnelle und konsistente Sortieren von Tausenden von Keramikdesigns in verschiedene stilistische Kategorien. Davon träumten viele der Wissenschaftler, die antike Gesellschaften studieren, lange Zeit. Durch die Verwendung einer Form des maschinellen Lernens, die als Convolutional Neural Networks (CNNs) bekannt ist, gelang es eine Methode zu entwickeln, die die Denkprozesse des menschlichen Geistes bei der Analyse visueller Informationen nachahmt.

„Durch Fotografien von Töpferwaren können Computer jetzt in einem Bruchteil der Zeit und mit größerer Konsistenz die Scherben in Gruppen sortieren. Diese Arbeit erforderte früher Hunderte von Stunden mühsamer und die Augen anstrengender Arbeit von Archäologen“, sagte Leszek Pawlowicz. Er ist Lehrbeauftragter am Institut für Anthropologie. Er und Anthropologie-Professor Chris Downum begannen 2016 mit der Erforschung der Machbarkeit der Verwendung eines Computers zur genauen Klassifizierung von Scherben in bekannte Typen. Die Ergebnisse ihrer Forschung werden in der Juni-Ausgabe der von Experten begutachteten Publikation Journal of Archaeological Science veröffentlicht.

„Auf den Tausenden von Fundplätzen, die über den amerikanischen Südwesten verstreut sind, finden Archäologen oft nur zerbrochene Fragmente von Keramik. Viele dieser Scherben weisen Designs auf, die in zuvor definierte stilistische Kategorien, so genannte ‚Typen‘, eingeordnet werden können. Diese Typen entstehen aus einer Korrelation des Herstellungszeitraums und des Herstellungsorts.“, so Downum. „Dadurch können Archäologen auf die Besiedlungszeit, Bewohner des Fundplatzes und Interaktionen mit anderen Gruppen Rückschlüsse ziehen.“

Maschine begründet Entscheidungen

Die Forschung stützte sich auf Durchbrüche in der Verwendung von maschinellem Lernen zur Klassifizierung von Bildern nach Typ, speziell CNNs. CNNs sind heute eine Hauptstütze in der Computer-Bilderkennung. Denn sie werden für alles Mögliche verwendet, von diagnostischen Röntgenbildern und passenden Bildern in Suchmaschinen bis hin zu selbstfahrenden Autos. Die Forschenden fragten sich, wenn CNNs Hunderassen und Produkte identifizieren können, ob man sie nicht auch für die Keramikanalyse anwenden könnte?

Bislang war das Erkennen von diagnostischen Designmerkmalen auf Keramik schwierig und zeitaufwändig. Es konnte Monate oder Jahre des Trainings erfordern, die Designkategorien zu beherrschen. Und diese anschließend korrekt auf winzige Stücke eines zerbrochenen Gefäßes anzuwenden. Schlimmer noch, der Prozess war anfällig für menschliche Fehler. Da sich erfahrene Archäologen oft nicht einig sind, welcher Typ von einer Scherbe repräsentiert wird. Denn es kann schwierig sein, ihren Entscheidungsprozess in Worte zu fassen. Ein anonymer Gutachter des Artikels nannte dies „das schmutzige Geheimnis in der Archäologie, über das niemand genug spricht“.

Entschlossen, einen effizienteren Prozess zu schaffen, sammelten die Forschenden Tausende von Bildern von Keramikfragmenten mit einer bestimmten Reihe von identifizierenden physikalischen Merkmalen. Diese Keramik wird als Tusayan White Ware bezeichnet. Sie ist in weiten Teilen des nordöstlichen Arizonas und der angrenzenden Staaten verbreitet. Dann rekrutierten sie vier der besten Töpfereiexperten des Südwestens, um die Art des Töpferdesigns für jede Scherbe zu identifizieren. Anschließend erstellten sie einen „Trainingssatz“ von Scherben, mit dem die Maschine lernen kann. Schließlich trainierten sie die Maschine darauf, Töpfereitypen zu lernen. Dabei konzentrierten sie sich auf die Keramikscherben, auf die sich die Archäologen geeinigt hatten.

Das könnte Sie auch interessieren!

DNA-Analysen ohne Zerstörung der Knochen?

Forschende haben eine neue Methode entwickelt, die die nahezu zerstörungsfreie Extraktion von DNA aus archäologischen menschlichen Überresten ermöglicht.

Besser als die Archäologen?

„Die Ergebnisse waren bemerkenswert“, sagte Pawlowicz. „In relativ kurzer Zeit trainierte sich der Computer selbst, Keramik mit einer Genauigkeit zu identifizieren, die mit der der menschlichen Experten vergleichbar und manchmal sogar besser war als diese.“

Bei den vier Archäologen mit jahrzehntelanger Erfahrung im Sortieren von Zehntausenden von tatsächlichen Scherben übertraf die Maschine zwei von ihnen und war mit den anderen beiden vergleichbar. Noch beeindruckender ist, dass die Maschine das konnte, womit viele Archäologen Schwierigkeiten haben. Sie konnte nämlich beschreiben, warum sie die Klassifizierungsentscheidungen traf, die sie traf. Mit Hilfe von farbkodierten Heatmaps von Scherben zeigte die Maschine die Designmerkmale, die sie für ihre Klassifizierungsentscheidungen verwendete. Dadurch lieferte eine visuelle Aufzeichnung ihrer „Gedanken“.

„Außerdem kann der Computer nahezu exakte Übereinstimmungen bestimmter Schnipsel von Töpferdesigns zu finden, die auf einzelnen Scherben dargestellt sind“, so Downum. „Unter Verwendung von CNN-abgeleiteten Ähnlichkeitsmaßen für Designs war die Maschine in der Lage, Tausende von Bildern zu durchsuchen, um das ähnlichste Gegenstück eines individuellen Töpferdesigns zu finden.“

Die Forschenden sind optimistisch, dass es möglich ist verstreute Stücke eines zerbrochenen Topfes auf einer antiken Müllhalde zu finden. Aber auch eine regionsweite Analyse von stilistischen Ähnlichkeiten und Unterschieden über mehrere antike Gemeinschaften hinweg durchzuführen. Der Ansatz könnte auch besser in der Lage sein, bestimmte Keramikdesigns von ausgegrabenen Strukturen, die mit der Baumringmethode datiert wurden, zuzuordnen.

Ihre Forschung wird bereits hoch gelobt

„Ich hoffe inständig, dass die Archäologen des Südwestens diesen Ansatz übernehmen werden, und zwar schnell. Es macht einfach so viel Sinn“, sagt Stephen Plog. Er ist emeritierter Professor für Archäologie an der University of Virginia und Autor des Buches „Stylistic Variation In Prehistoric Ceramics“. „Wir haben eine Menge aus dem alten System gelernt, aber es hat sich über seine Nützlichkeit hinaus gehalten. Deswegen es ist jetzt an der Zeit, die Art und Weise, wie wir Keramikdesigns analysieren, zu verändern.“

Die Forschenden erforschen praktische Anwendungen der Klassifizierungsexpertise des CNN-Modells. Sie arbeiten zudem an weiteren Zeitschriftenartikeln, um die Technologie mit anderen Archäologen zu teilen. Sie hoffen, dass dieser neue Ansatz für die archäologische Analyse von Keramik auch auf andere Arten von antiken Artefakten angewendet werden kann. Und dass dadurch die Archäologie in eine neue Phase der maschinellen Klassifizierung eintreten kann, die zu einer größeren Effizienz der archäologischen Bemühungen führt.

Nach Pressemeldung der UNIVERSITÄT VON NORD-ARIZONA.

Das könnte Sie auch interessieren:

Rinke, Stefan

Kolumbus und der Tag von Guanahani

»Tierra!« Ein Schrei zerreißt die Stille über dem nächtlichen Atlantik. Am 12. Oktober 1492 um zwei Uhr sichtet der Matrose Rodrigo de Triana Land – die Insel Guanahani, das heutige San Salvador. Endlich! Ein Kanonenschuss weckt die Mannschaften der Santa María, Pinta und Nina. Anschließend entbrennt in Europa der Kampf um die Aufteilung der Neuen Welt. Für die Ureinwohner beginnt ein Leidensweg von Unterdrückung und Tod. Eine scheinbar wohlbekannte Geschichte, doch der renommierte Historiker Stefan Rinke verlässt die allzu vertrauten Perspektiven und erzählt diesen historischen Wendepunkt, seine Vorgeschichte und Folgen neu. Er wertet auch die bisher wenig beachteten Überlieferungen der indigenen Bevölkerung aus und rückt das übliche Bild von der ruhmreichen Entdeckung gerade: War doch Kolumbus weder der erste Europäer in Amerika noch begriffen er und seine Zeitgenossen die unermessliche Bedeutung seiner Expedition.

2013. 192 S. mit zahlr. farb. Abb., geb. mit SU. Theiss, Darmstadt.