Scopri YOLO26: vision AI di prossima generazione.
Ultralytics
Vision AI

L'IA in archeologia apre la strada a nuove scoperte

Guarda come l'IA sta aiutando gli archeologi a scoprire siti nascosti, restaurare antichi manufatti e fornire nuove intuizioni sulla nostra comprensione della storia antica.

ABAbirami Vina
5 min read
L'IA aiuta gli archeologi a scoprire siti e restaurare antichi manufatti

L'archeologia, ovvero lo studio della storia antica attraverso lo scavo e l'analisi dei reperti, affronta spesso sfide come la vastità delle aree da esplorare e la natura fragile dei reperti stessi. I metodi tradizionali possono richiedere molto tempo e persino far sì che siti o tesori nascosti passino inosservati. L'intelligenza artificiale (IA) può intervenire per risolvere questo problema. Ad esempio, una recente scoperta nella penisola dello Yucatan ha utilizzato il deep learning per portare alla luce oltre 60.000 siti archeologici Maya antichi precedentemente sconosciuti, che erano nascosti sotto una fitta vegetazione.

In particolare, la computer vision può aiutare gli archeologi ad analizzare le immagini per rilevare reperti e mappare con precisione i siti antichi. L'analisi delle immagini può aiutare a scoprire modelli nascosti nei paesaggi o persino a ricomporre reperti rotti, per accelerare le scoperte e preservare anche i minimi dettagli della nostra storia e cultura. Gli archeologi stanno sbloccando nuovi modi guidati dall'IA per esplorare il nostro passato, che sono più veloci, più precisi e più ricchi di approfondimenti che mai.

Link to this sectionLa crescita delle tecniche archeologiche guidate dall'IA#

L'IA ha iniziato a farsi strada nell'archeologia verso la fine del XX secolo, grazie ai progressi nell'analisi dei dati. Negli anni '90, gli archeologi hanno iniziato a utilizzare il machine learning e il data mining per analizzare le enormi quantità di informazioni raccolte. Uno dei primi grandi successi è stato l'uso dell'IA per prevedere dove potessero trovarsi i siti archeologici basandosi su modelli di dati storici e geografici, trasformando il modo in cui venivano pianificati gli scavi.

Un primo esempio del ruolo crescente dell'IA nell'archeologia è il lavoro di Iconem, un'azienda con sede a Parigi fondata nel 2010. Iconem utilizza droni e IA per creare modelli digitali 3D di monumenti storici minacciati da guerre, conflitti e decadimento naturale. Catturando migliaia di immagini, Iconem ha documentato siti in oltre 20 paesi, tra cui le antiche rovine di Pompei, le città assire in Iraq e i monasteri buddisti in Afghanistan. Queste conservazioni digitali sono risorse preziose per l'istruzione e la ricerca, specialmente per i siti difficili da raggiungere o che sono stati danneggiati.

Modello 3D di Iconem di Palmira, in Siria, prima della sua distruzione nel 2015

Fig 1. Modello 3D di Palmira, Siria, di Iconem, prima della sua distruzione nel 2015.

Nel 2021, l'IA veniva utilizzata persino per restaurare antichi reperti. Progetti come l'iniziativa RePAIR in Italia hanno utilizzato robot per ricomporre con cura oggetti fragili provenienti da luoghi come Pompei. Oggi, il ruolo dell'IA nell'archeologia continua a espandersi, aiutando in compiti come la decifrazione di testi antichi e l'analisi di immagini satellitari. L'IA è diventata uno strumento essenziale per scoprire e preservare la nostra storia.

Link to this sectionCome viene utilizzata la computer vision nell'archeologia#

La computer vision è un ramo dell'IA che consente ai computer di comprendere e interpretare i dati visivi. In archeologia, la computer vision aiuta i ricercatori ad analizzare i reperti, mappare siti antichi e persino ricostruire strutture storiche. Elaborando immagini e video utilizzando il deep learning, la computer vision può estrarre intuizioni che rendono più facile preservare e interpretare i ritrovamenti archeologici.

Link to this sectionAnalisi dei reperti con la computer vision#

Gli archeologi trovano spesso migliaia di frammenti come ceramiche, ossa e altri materiali durante gli scavi. Tradizionalmente, identificare e catalogare questi pezzi richiede molto tempo e conoscenze esperte. Tuttavia, con la computer vision, questo processo può essere automatizzato. Ad esempio, il progetto Arch-I-Scan presso l'Università di Leicester utilizza il riconoscimento delle immagini e il machine learning per identificare e registrare automaticamente i dettagli dei frammenti di ceramica. Il sistema può analizzare le foto da dispositivi portatili e classificare i reperti per dimensione, forma, design e consistenza.

Arch-I-Scan che riconosce e registra i dettagli dei resti di ceramica

Fig 2. Arch-I-Scan può aiutare a riconoscere e registrare i dettagli dei resti di ceramica.

Link to this sectionMappatura basata sulla visione dei siti archeologici#

L'IA è particolarmente utile nelle prime fasi dei progetti archeologici. Può aiutare a identificare potenziali siti archeologici prima ancora che inizino gli scavi, riducendo il rischio di danneggiare aree storiche. Elaborando immagini aeree o satellitari, modelli di computer vision come Ultralytics YOLOv8 possono utilizzare l'object detection per rilevare siti sepolti. YOLOv8 può essere addestrato a rilevare sottili cambiamenti in un paesaggio che potrebbero suggerire la presenza di strutture sepolte, come antichi muri, strade o edifici. Infatti, lievi variazioni nel colore del suolo, nella crescita della vegetazione o nella consistenza del terreno possono persino indicare resti sotterranei.

Uso dell'IA per identificare i luoghi in cui scavare

Fig 3. Utilizzo dell'IA per identificare i luoghi in cui scavare (Fonte: ArchAI).

Un buon esempio di ciò è un caso studio nella regione di Alto Minho in Portogallo. I ricercatori hanno sviluppato un modello di IA addestrato su tumuli funerari annotati utilizzando una tecnica chiamata data augmentation, che espande il dataset creando nuovi esempi di addestramento simili. Il sistema di IA può suggerire nuovi potenziali siti di tumuli funerari. Nonostante la sfida dei falsi positivi dovuti alla prospettiva aerea dei dati LiDAR, questo approccio ha raggiunto un tasso di successo del 72,53% dopo la validazione da parte di esperti.

Link to this sectionRicostruzione 3D di antichi reperti#

Gli archeologi trovano spesso pezzi rotti piuttosto che reperti intatti durante gli scavi. Tradizionalmente, ricomporre questi frammenti è un compito lento e meticoloso. Tuttavia, la ricostruzione 3D assistita dall'IA è molto più rapida. Utilizzando modelli digitali 3D, gli algoritmi possono analizzare le forme dei frammenti e ricostruire accuratamente i reperti originali. Questo processo fa risparmiare tempo e fornisce misurazioni precise e una migliore comprensione dei reperti, offrendo intuizioni più profonde sulle culture che li hanno creati.

Ricostruzione 3D di frammenti di reperti

Fig 4. Ricostruzione 3D di frammenti.

Link to this sectionL'IA nell'archeologia subacquea#

Un'area entusiasmante dell'IA nell'esplorazione del passato è l'archeologia subacquea. A Baia, una città romana sommersa al largo della costa italiana, l'IA sta aiutando a monitorare e preservare le antiche rovine sotto il mare. WSense, una startup specializzata in comunicazione subacquea, ha sviluppato una rete di modem acustici e sensori alimentati dall'IA. Questi sistemi si adattano in tempo reale alle mutevoli condizioni del mare e trasmettono dati ambientali. Rendono possibile monitorare il sito da remoto, aiutano i subacquei a comunicare e navigare sott'acqua e potrebbero persino essere presto disponibili per i turisti tramite tablet intelligenti interattivi.

Subacquei che esplorano le rovine sommerse di Baia a Napoli, Italia

Fig 5. I subacquei esplorano le rovine sommerse a Baia a Napoli, Italia.

Link to this sectionUtilizzo dell'IA per comprendere i testi antichi#

L'IA sta facendo passi da gigante anche nella decifrazione di testi antichi. Ithaca di DeepMind, uno strumento all'avanguardia, utilizza il deep learning per ripristinare iscrizioni danneggiate, determinarne le origini e datarle con precisione. Addestrato su un enorme dataset di iscrizioni greche, Ithaca può ripristinare testi con una precisione del 62% e datarli entro 30 anni dalla loro età reale. L'IA sta ridefinendo la ricerca storica consentendo agli studiosi di riesaminare periodi chiave della storia greca con maggiore precisione. Se combinati con l'esperienza umana, i sistemi di IA possono migliorare significativamente l'accuratezza dei ripristini dei testi.

Un esempio di un'iscrizione restaurata risalente al 485/4 a.C.

Fig 6. Un esempio di un'iscrizione restaurata risalente al 485/4 a.C.

Link to this sectionPro e contro dell'utilizzo dell'IA in archeologia#

L'IA offre molti vantaggi al campo dell'archeologia e può aiutare gli archeologi a scoprire modelli e intuizioni che altrimenti potrebbero sfuggire. Ecco alcuni dei principali vantaggi dell'IA in archeologia:

  • Migliora l'accuratezza nell'identificazione e classificazione dei reperti.
  • Riduce l'errore umano, portando a interpretazioni più precise.
  • Garantisce che i risultati si basino su dati solidi piuttosto che su pregiudizi personali.
  • L'IA aiuta a creare registri dettagliati di reperti che possono essere condivisi in tutto il mondo.
  • Innovazioni intelligenti rendono più facile per i ricercatori collaborare e preservare la preziosa storia culturale per le generazioni future.

Nonostante i numerosi vantaggi, ci sono anche sfide legate all'affidarsi all'IA in archeologia. Ecco alcune delle principali sfide dell'IA in archeologia:

  • Gli strumenti digitali potrebbero oscurare i metodi archeologici tradizionali.
  • Le competenze pratiche e le tecniche sviluppate nel corso dei secoli potrebbero perdere la loro importanza.
  • Questioni etiche, come la protezione del patrimonio culturale e dei diritti indigeni, richiedono un'attenta considerazione.
  • L'eccessiva dipendenza dalla tecnologia potrebbe ridurre il pensiero critico e la creatività che l'esperienza umana apporta all'archeologia.

Nel complesso, è importante trovare un equilibrio che supporti, anziché sostituire, le pratiche archeologiche tradizionali. Una comunicazione aperta tra specialisti di IA e archeologi è essenziale per mantenere un equilibrio.

Link to this sectionQuali fattori incidono sull'implementazione dell'IA in archeologia?#

Integrare l'IA nell'archeologia richiede una pianificazione attenta per assicurarsi che integri, anziché sostituire, i metodi tradizionali. Per introdurre con successo strumenti di IA nella ricerca archeologica, è importante seguire alcuni passaggi chiave. Per prima cosa, definisci obiettivi chiari per l'utilizzo dell'IA, che si tratti di accelerare l'analisi dei dati, migliorare la classificazione dei reperti o assistere nella mappatura dei siti. Avere obiettivi specifici ti aiuta a scegliere gli strumenti di IA giusti per le tue esigenze di ricerca.

Successivamente, durante la selezione degli strumenti di IA, considera quanto bene si adattano ai tuoi obiettivi archeologici. Gli strumenti dovrebbero idealmente essere scalabili, in grado di gestire quantità crescenti di dati e facili da usare, in modo che gli archeologi possano utilizzarli efficacemente senza necessitare di vaste conoscenze tecniche. È anche importante considerare il rapporto costo-efficacia, poiché le soluzioni di IA possono essere costose da implementare e mantenere.

Link to this sectionConcludendo le nostre scoperte#

L'IA sta cambiando il volto dell'archeologia, rendendola più veloce, più precisa e più accessibile. Analizzando grandi quantità di dati, scoprendo siti nascosti e restaurando antichi reperti, l'IA sta migliorando il modo in cui esploriamo e comprendiamo il passato. La sua capacità di elaborare le informazioni in modo rapido e accurato consente agli archeologi di fare scoperte che un tempo richiedevano anni per essere realizzate con i metodi tradizionali. Poiché l'IA continua a evolversi, il suo potenziale per rivelare ancora di più sulla nostra storia è illimitato. Il futuro dell'archeologia appare promettente, con l'IA che svolge un ruolo chiave nella conservazione del nostro patrimonio culturale e nell'approfondimento della nostra comprensione delle antiche civiltà.

Per saperne di più sull'IA, visita il nostro repository GitHub e interagisci con la nostra community. Esplora le applicazioni dell'IA nel settore manifatturiero e in agricoltura nelle nostre pagine delle soluzioni. 🚀

Explore solutions

Real-time AI that works with your team

AI nella Robotica

Potenzia macchine più intelligenti con i modelli Ultralytics YOLO. La Vision AI nella robotica guida la navigazione autonoma, la percezione, il tracciamento degli oggetti e il controllo in tempo reale.
Scopri di più
Real-time AI that works with your team

IA nella logistica

Semplifica la logistica con i modelli Ultralytics YOLO. La Vision AI abilita l'ispezione dei pacchi, lo smistamento, il tracciamento dei veicoli e il monitoraggio della sicurezza in magazzino in tempo reale.
Scopri di più
Real-time AI that works with your team

AI nel settore Retail

Reimmagina il retail con i modelli Ultralytics YOLO. La Vision AI alimenta il tracciamento dell'inventario, il monitoraggio degli scaffali, la gestione delle code e insight più intelligenti sui clienti.
Scopri di più
Real-time AI that works with your team

IA nel settore sanitario

Crea soluzioni sanitarie con i modelli Ultralytics YOLO. La vision AI nella sanità potenzia l'imaging medico più rapido, diagnosi più intelligenti e il monitoraggio dei pazienti.
Scopri di più
Real-time AI that works with your team

IA nella produzione

Ottimizza la produzione con i modelli Ultralytics YOLO. La Vision AI guida il controllo qualità, il rilevamento dei difetti, la conformità ai DPI e l'automazione della linea di assemblaggio.
Scopri di più
Real-time AI that works with your operation

AI nel settore automobilistico

Applica la computer vision al settore automobilistico con i modelli Ultralytics YOLO. La vision AI migliora la sicurezza stradale, l'assistenza alla guida e l'automazione dei veicoli per strade più intelligenti.
Scopri di più
Real-time AI tailored to your operation

AI in Agricoltura

Porta la vision AI nell'agricoltura intelligente con i modelli Ultralytics YOLO. Potenzia il monitoraggio delle colture, il tracciamento del bestiame e l'agricoltura di precisione per rese più elevate e intelligenti.
Scopri di più
Real-time AI that works with your team

AI nella Robotica

Potenzia macchine più intelligenti con i modelli Ultralytics YOLO. La Vision AI nella robotica guida la navigazione autonoma, la percezione, il tracciamento degli oggetti e il controllo in tempo reale.
Scopri di più
Real-time AI that works with your team

IA nella logistica

Semplifica la logistica con i modelli Ultralytics YOLO. La Vision AI abilita l'ispezione dei pacchi, lo smistamento, il tracciamento dei veicoli e il monitoraggio della sicurezza in magazzino in tempo reale.
Scopri di più
Real-time AI that works with your team

AI nel settore Retail

Reimmagina il retail con i modelli Ultralytics YOLO. La Vision AI alimenta il tracciamento dell'inventario, il monitoraggio degli scaffali, la gestione delle code e insight più intelligenti sui clienti.
Scopri di più
Real-time AI that works with your team

IA nel settore sanitario

Crea soluzioni sanitarie con i modelli Ultralytics YOLO. La vision AI nella sanità potenzia l'imaging medico più rapido, diagnosi più intelligenti e il monitoraggio dei pazienti.
Scopri di più
Real-time AI that works with your team

IA nella produzione

Ottimizza la produzione con i modelli Ultralytics YOLO. La Vision AI guida il controllo qualità, il rilevamento dei difetti, la conformità ai DPI e l'automazione della linea di assemblaggio.
Scopri di più
Real-time AI that works with your operation

AI nel settore automobilistico

Applica la computer vision al settore automobilistico con i modelli Ultralytics YOLO. La vision AI migliora la sicurezza stradale, l'assistenza alla guida e l'automazione dei veicoli per strade più intelligenti.
Scopri di più
Real-time AI tailored to your operation

AI in Agricoltura

Porta la vision AI nell'agricoltura intelligente con i modelli Ultralytics YOLO. Potenzia il monitoraggio delle colture, il tracciamento del bestiame e l'agricoltura di precisione per rese più elevate e intelligenti.
Scopri di più
Real-time AI that works with your team

AI nella Robotica

Potenzia macchine più intelligenti con i modelli Ultralytics YOLO. La Vision AI nella robotica guida la navigazione autonoma, la percezione, il tracciamento degli oggetti e il controllo in tempo reale.
Scopri di più
Real-time AI that works with your team

IA nella logistica

Semplifica la logistica con i modelli Ultralytics YOLO. La Vision AI abilita l'ispezione dei pacchi, lo smistamento, il tracciamento dei veicoli e il monitoraggio della sicurezza in magazzino in tempo reale.
Scopri di più
Real-time AI that works with your team

AI nel settore Retail

Reimmagina il retail con i modelli Ultralytics YOLO. La Vision AI alimenta il tracciamento dell'inventario, il monitoraggio degli scaffali, la gestione delle code e insight più intelligenti sui clienti.
Scopri di più
Real-time AI that works with your team

IA nel settore sanitario

Crea soluzioni sanitarie con i modelli Ultralytics YOLO. La vision AI nella sanità potenzia l'imaging medico più rapido, diagnosi più intelligenti e il monitoraggio dei pazienti.
Scopri di più
Real-time AI that works with your team

IA nella produzione

Ottimizza la produzione con i modelli Ultralytics YOLO. La Vision AI guida il controllo qualità, il rilevamento dei difetti, la conformità ai DPI e l'automazione della linea di assemblaggio.
Scopri di più
Real-time AI that works with your operation

AI nel settore automobilistico

Applica la computer vision al settore automobilistico con i modelli Ultralytics YOLO. La vision AI migliora la sicurezza stradale, l'assistenza alla guida e l'automazione dei veicoli per strade più intelligenti.
Scopri di più
Real-time AI tailored to your operation

AI in Agricoltura

Porta la vision AI nell'agricoltura intelligente con i modelli Ultralytics YOLO. Potenzia il monitoraggio delle colture, il tracciamento del bestiame e l'agricoltura di precisione per rese più elevate e intelligenti.
Scopri di più

Costruiamo insieme il futuro dell'AI!

Inizia il tuo viaggio con il futuro del machine learning