Arkeolojide yapay zeka, yeni keşiflerin yolunu açıyor

Eserlerin kazılması ve analiz edilmesi yoluyla antik tarihi inceleyen arkeoloji; keşfedilecek uçsuz bucaksız alanlar ve eserlerin hassas yapısı gibi zorluklarla sıklıkla karşılaşır. Geleneksel yöntemler zaman alıcı olabilir, hatta gizli alanların veya hazinelerin gözden kaçmasına neden olabilir. Yapay zeka (YZ), bu konuda yardımcı olmak için devreye girebilir. Örneğin, Yucatan Yarımadası'ndaki yakın tarihli bir buluşta, yoğun bitki örtüsü altında gizlenmiş 60.000'den fazla daha önce bilinmeyen antik Maya arkeolojik alanı derin öğrenme kullanılarak ortaya çıkarıldı.

Özellikle computer vision, arkeologların eserleri detect etmek ve antik alanları hassas bir şekilde haritalandırmak için görüntüleri analiz etmelerine yardımcı olabilir. Image analysis, manzaralardaki gizli desenleri ortaya çıkarmaya ve hatta kırık eserleri birleştirerek keşifleri hızlandırmaya, tarihimizin ve kültürümüzün en küçük detaylarını bile korumaya yardımcı olabilir. Arkeologlar, geçmişimizi keşfetmenin her zamankinden daha hızlı, daha hassas ve daha içgörü dolu, YZ destekli yeni yollarının kilidini açıyorlar.

Link to this sectionYZ destekli arkeoloji tekniklerinin gelişimi#

YZ, veri analizindeki ilerlemeler sayesinde 20. yüzyılın sonlarına doğru arkeolojide ses getirmeye başladı. 1990'lara gelindiğinde arkeologlar, topladıkları büyük miktardaki bilgileri analiz etmek için makine öğrenimi ve veri madenciliğini kullanmaya başladılar. İlk büyük başarılardan biri, arkeolojik alanların nerede olabileceğini tarihsel ve coğrafi veri modellerine dayanarak predict etmek için YZ kullanılmasıydı; bu, kazıların planlanma biçimini dönüştürdü.

YZ'nin arkeolojideki artan rolüne dair erken bir örnek, 2010 yılında kurulmuş Paris merkezli bir şirket olan Iconem'in çalışmalarıdır. Iconem, savaş, çatışma ve doğal çürümeyle tehdit altındaki tarihi yerlerin 3D dijital modellerini oluşturmak için drone'lar ve YZ kullanıyor. Binlerce görüntü yakalayarak Iconem, Pompeii'nin antik kalıntıları, Irak'taki Asur şehirleri ve Afganistan'daki Budist manastırları dahil olmak üzere 20'den fazla ülkedeki alanları belgeledi. Bu dijital korumalar, özellikle ulaşılması zor veya hasar görmüş alanlar için eğitim ve araştırma açısından değerli kaynaklardır.

Şekil 1. Iconem'in 2015'te Yok Edilmeden Önceki Palmyra, Suriye 3D Modeli.

2021'e gelindiğinde, YZ antik eserleri restore etmek için bile kullanılıyordu. İtalya'daki RePAIR girişimi gibi projeler, Pompeii gibi yerlerden gelen kırılgan parçaları dikkatlice birleştirmek için robotlar kullandı. Bugün YZ'nin arkeolojideki rolü, antik metinlerin deşifre edilmesi ve uydu görüntülerinin analizi gibi görevlere yardımcı olarak genişlemeye devam ediyor. YZ, tarihimizi ortaya çıkarmada ve korumada temel bir araç haline geldi.

Link to this sectionArkeolojide computer vision nasıl kullanılır#

Computer vision, bilgisayarların görsel verileri anlamasını ve yorumlamasını sağlayan bir YZ dalıdır. Arkeolojide computer vision, araştırmacıların eserleri analiz etmelerine, antik alanları haritalandırmalarına ve hatta tarihi yapıları yeniden inşa etmelerine yardımcı olur. Derin öğrenme kullanarak görüntüleri ve videoları işleyen computer vision, arkeolojik bulguların korunmasını ve yorumlanmasını kolaylaştıran içgörüler çıkarabilir.

Link to this sectionEserlerin computer vision ile analizi#

Arkeologlar kazılar sırasında çanak çömlek, kemik ve diğer malzemeler gibi binlerce parça bulurlar. Geleneksel olarak bu parçaların tanımlanması ve kataloglanması çok zaman ve uzmanlık gerektirir. Ancak, computer vision ile bu süreç otomatikleştirilebilir. Örneğin, Leicester Üniversitesi'ndeki Arch-I-Scan projesi, çömlek parçalarının detaylarını otomatik olarak tanımlamak ve kaydetmek için görüntü tanıma ve makine öğrenimi kullanır. Sistem, el cihazlarından gelen fotoğrafları analiz edebilir ve eserleri boyutlarına, şekillerine, tasarımlarına ve dokularına göre sınıflandırabilir.

Şekil 2. Arch-I-Scan, Çömlek Kalıntılarının Detaylarını Tanımaya ve Kaydetmeye Yardımcı Olabilir.

Link to this sectionArkeolojik alanların görüntü tabanlı haritalanması#

YZ, arkeolojik projelerin erken aşamalarında özellikle kullanışlıdır. Herhangi bir kazı başlamadan önce potansiyel arkeolojik alanları belirlemeye yardımcı olur ve tarihi alanlara zarar verme riskini azaltır. Hava veya uydu görüntülerini işleyen Ultralytics YOLOv8 gibi computer vision modelleri, gömülü alanları tespit etmek için object detection kullanabilir. YOLOv8, antik duvarlar, yollar veya binalar gibi gömülü yapıların varlığına işaret edebilecek manzaradaki ince değişiklikleri tespit etmek için eğitilebilir. Aslında, toprak rengindeki, bitki örtüsü büyümesindeki veya zemin dokusundaki hafif değişimler bile yeraltı kalıntılarına işaret edebilir.

Şekil 3. Kazı Yapılacak Yerleri Belirlemek İçin YZ Kullanımı (Kaynak: ArchAI).

Bunun iyi bir örneği, Portekiz'in Alto Minho bölgesindeki bir vaka çalışmasıdır. Araştırmacılar, veri kümesini benzer yeni eğitim örnekleri oluşturarak genişleten data augmentation adlı bir teknik kullanarak, işaretlenmiş mezar tümsekleri üzerinde eğitilmiş bir YZ modeli geliştirdiler. YZ sistemi, potansiyel yeni mezar tümseği konumları önerebilir. LiDAR verilerinin hava perspektifinden kaynaklanan yanlış pozitif sonuçlar zorluğuna rağmen, bu yaklaşım uzman onayından sonra %72,53'lük bir başarı oranına ulaştı.

Link to this sectionAntik eserlerin 3D rekonstrüksiyonu#

Arkeologlar kazılar sırasında genellikle bozulmamış eserlerden ziyade kırık parçalar bulurlar. Geleneksel olarak bu parçaları birleştirmek yavaş ve titiz bir iştir. Ancak, YZ destekli 3D rekonstrüksiyon çok daha hızlıdır. Dijital 3D modeller kullanan algoritmalar, parçaların şekillerini analiz edebilir ve orijinal eserleri doğru bir şekilde yeniden oluşturabilir. Bu süreç zaman kazandırır, kesin ölçümler sağlar ve onları yaratan kültürler hakkında daha derin içgörüler sunabilecek eserlerin daha iyi anlaşılmasına yardımcı olur.

Şekil 4. Parçaların 3D Rekonstrüksiyonu.

Link to this sectionSualtı arkeolojisinde YZ#

YZ'nin geçmişi keşfetmedeki heyecan verici bir alanı underwater arkeolojisidir. İtalya kıyılarındaki sular altında kalmış bir Roma şehri olan Baiae'de YZ, denizin altındaki antik kalıntıları izlemeye ve korumaya yardımcı oluyor. Sualtı iletişimi konusunda uzmanlaşmış bir startup olan WSense, YZ destekli bir akustik modem ve sensör ağı geliştirdi. Bu sistemler, değişen deniz koşullarına gerçek zamanlı olarak uyum sağlar ve çevresel verileri iletir. Alanı uzaktan izlemeyi mümkün kılar, dalgıçların su altında iletişim kurmasına ve gezinmesine yardımcı olur ve hatta yakında interaktif akıllı tabletler aracılığıyla turistler için de kullanılabilir hale gelebilir.

Şekil 5. Dalgıçlar, Napoli, İtalya'daki Baiae'de sualtı kalıntılarını keşfediyor.

Link to this sectionAntik metinleri anlamak için YZ kullanımı#

YZ ayrıca antik metinlerin deşifre edilmesinde de adımlar atıyor. DeepMind'ın son teknoloji ürünü Ithaca, hasarlı yazıtları restore etmek, kökenlerini belirlemek ve onları doğru bir şekilde tarihlemek için derin öğrenme kullanır. Geniş bir Yunanca yazıt dataset üzerinde eğitilen Ithaca, metinleri 62% doğrulukla restore edebilir ve gerçek yaşlarının 30 yıl yakınında tarihleyebilir. YZ, bilim insanlarının Yunan tarihindeki kilit dönemleri daha hassas bir şekilde yeniden incelemelerine olanak tanıyarak tarihsel araştırmayı yeniden tanımlıyor. İnsan uzmanlığıyla birleştirildiğinde, YZ sistemleri metin restorasyonlarının doğruluğunu önemli ölçüde artırabilir.

Şekil 6. MÖ 485/4 yılına ait restore edilmiş bir yazıt örneği.

Link to this sectionArkeolojide YZ kullanmanın artıları ve eksileri#

YZ, arkeoloji alanına birçok fayda sunar ve arkeologların aksi takdirde gözden kaçabilecek desenleri ve içgörüleri ortaya çıkarmalarına yardımcı olabilir. İşte arkeolojide YZ'nin temel faydalarından bazıları:

• Eserlerin tanımlanmasında ve sınıflandırılmasında doğruluğu artırır.
• İnsan hatasını azaltarak daha hassas yorumlara yol açar.
• Bulguların kişisel önyargılar yerine sağlam verilere dayanmasını sağlar.
• YZ, dünya çapında paylaşılabilecek ayrıntılı eser kayıtları oluşturmaya yardımcı olur.
• Akıllı yenilikler, araştırmacıların iş birliği yapmasını ve değerli kültürel tarihi gelecek nesiller için korumasını kolaylaştırır.

Birçok faydaya rağmen, arkeolojide YZ'ye güvenmekle ilgili zorluklar da vardır. İşte arkeolojide YZ'nin temel zorluklarından bazıları:

• Dijital araçlar geleneksel arkeolojik yöntemleri gölgede bırakabilir.
• Yüzyıllar boyunca geliştirilen pratik beceriler ve teknikler önemini yitirebilir.
• Kültürel mirasın korunması ve yerli hakları gibi etik kaygılar dikkatli bir değerlendirme gerektirir.
• Teknolojiye aşırı bağımlılık, insan uzmanlığının arkeolojiye kattığı eleştirel düşünceyi ve yaratıcılığı azaltabilir.

Genel olarak, geleneksel arkeolojik uygulamaların yerini almak yerine onları destekleyen bir denge kurmak önemlidir. YZ uzmanları ile arkeologlar arasında açık iletişim, dengeyi korumak için şarttır.

Link to this sectionArkeolojide YZ uygulamasında neler etkilidir?#

Integrating AI into archaeology requires careful planning to make sure it complements rather than replaces traditional methods. To successfully bring AI tools into archaeological research, it's important to follow a few key steps. First, set clear objectives for using AI, whether to speed up data analysis, improve artifact classification, or assist in mapping sites. Having specific goals helps you choose the right AI tools for your research needs.

Ardından, YZ araçlarını seçerken arkeolojik hedeflerinizle ne kadar uyumlu olduklarını düşünün. Araçlar ideal olarak ölçeklenebilir, artan miktardaki veriyi işleyebilir ve arkeologların kapsamlı teknik bilgiye ihtiyaç duymadan etkili bir şekilde kullanabilmeleri için kullanıcı dostu olmalıdır. YZ çözümlerinin uygulanması ve bakımı pahalı olabileceğinden, maliyet etkinliğini göz önünde bulundurmak da önemlidir.

Link to this sectionBulgularımızı özetlerken#

YZ, arkeolojinin çehresini değiştirerek onu daha hızlı, daha hassas ve daha erişilebilir kılıyor. Büyük miktardaki verileri analiz ederek, gizli alanları ortaya çıkararak ve antik eserleri restore ederek YZ, geçmişi keşfetme ve anlama biçimimizi geliştiriyor. Bilgiyi hızlı ve doğru bir şekilde işleme yeteneği, arkeologların geleneksel yöntemlerle yıllar süren keşifleri yapmalarına olanak tanıyor. YZ gelişmeye devam ettikçe, tarihimiz hakkında daha fazlasını ortaya çıkarma potansiyeli sınırsızdır. Arkeolojinin geleceği, YZ'nin kültürel mirasımızı korumada ve antik medeniyetlere dair anlayışımızı derinleştirmede kilit bir rol oynamasıyla umut verici görünüyor.

YZ hakkında daha fazla bilgi edinmek için GitHub depomuzu ziyaret et ve topluluğumuzla etkileşime geç. Çözüm sayfalarımızda üretim ve tarım alanlarındaki YZ uygulamalarını keşfet. 🚀