Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 تشخیص غیر دیداری آتش روشی در مقابل تشخیص دیداری در باستان‌شناسی

تشخیص غیر دیداری آتش روشی در مقابل تشخیص دیداری در باستان‌شناسی

آتش همیشه ردپایی از خود باقی می‌گذارد. پژوهشگران مؤسسه علمی ویزمن نیز در تلاش‌اند تا این ادعا را به اثبات برسانند. این متخصصان، در مقاله‌ای که در ژورنال PNAS منتشر کرده‌اند، رویکرد جدیدی معرفی کرده‌‌اند که نشانه‌هایی جدا از تشخیص دیداری وجود آتش در 800,000 سال قبل را تشخیص داده است. این اکتشافات را می‌توان یکی از قدیمی‌ترین شواهد مربوط به وجود آتش دانست. تکنیک مذکور گامی در راستای علمی‌تر و داده‌بنیان شدن باستان‌شناسی به شمار می‌رود. با این حال، نکته مهم‌تر کمکی است که به درک بهتر ریشه تاریخ، ابتدایی‌ترین رسوم و طبیعت آزمون‌گرای انسان‌ها ارائه می‌دهد.

به نظر می‌رسد کاربرد کنترل‌شده آتش به دست انسان‌تبارها (گروهی از انسان‌ها و اجداد منقرض‌شده‌شان) به یک میلیون سال قبل می‌رسد، یعنی زمانی که به عقیده باستان‌شناسان، مسیر گذار از انسان‌های ماهر (هوموهابیلیس) به انسان‌های راست‌قامت (هوموارکتوس) آغاز شد. «فرضیه آشپزی» می‌گوید آتش نقش مهمی در تکامل انسان‌ها ایفا کرده و علاوه بر گرم نگه داشتن انسان‌تبارها، امکان ساخت ابزارهای پیشرفته، دور کردن شکارچیان و قابلیت آشپزی را نیز برایشان فراهم آورده است.

پخت گوش هم عوامل بیماری‌زا را از بین می‌برد و هم پروتئین‌های مفید و ارزش غذایی‌اش را افزایش می‌دهد؛ به همین دلیل، رشد بیشتر مغز را میسر می‌سازد. مشکل این‌جاست که داده‌های لازم برای پشتیبانی از این فرضیه وجود ندارد. پیدا کردن شواهد باستان‌شناسی وابسته به تشخیص دیداری تغییرات ناشی از اشتعال اشیا، همچون تغییر رنگ، می‌باشد. شواهدی که روش‌های قدیمی پیدا کرده‌اند، قدمت کاربرد آتش را تنها به 200,000 سال قبل برمی‌گرداند. البته برخی شواهد حاکی از وجود آتش در 500,000 سال قبل هستند، اما این شواهد پراکنده بوده و تنها در 5 منطقه باستان‌شناسی پیدا شده‌اند.

تشخیص دیداری

بنیان‌گذاران این پروژه تحقیقاتی عبارت‌اند از: دکتر فیلیپ ناتالیو، از واحد علوم گیاهی و زیست‌محیطی ویزمن، دکتر آیدو ازوری از واحد تسهیلات زیستی مرکزی ویزمن، و چندین پژوهشگر دیگر. ناتالیو معتقد است که ششمین منطقه باستان‌شناسی با نشانه‌های مذکور را هم پیدا کرده‌اند. این پژوهشگران برای اولین بار هوش مصنوعی و طیف‌نمایی را وارد باستان‌شناسی کردند و نشانه‌هایی از آتش کنترل‌شده ابزارهای سنگی 200,000 تا 420,000 سال قبل را در اسرائیل یافتند. حالا که زین استپکا، لیورا کلسکا هوویتز (از دانشگاه جروسیلم) و مایکل چازان (از دانشگاه تورنتو) به گروه اضافه شده‌اند، بحث از سر گرفته شده است. پژوهشگران قصد دارند مقیاس مطالعات‌شان را افزایش دهند. ناتالیو می‌گوید: «وقتی پروژه را شروع کردیم، باستان‌شناسانی که مشغول تحلیل منطقه‌ اورون کواری بودند، به ما هشدار دادند که هیچ چیزی پیدا نخواهیم کرد.»

اورون کواری، واقع در شهر جلیل غربی اسرائیل، منطقه‌ای باستان‌شناسی است که در اواسط دهه‌ 70 کشف شد. در حفاری‌هایی که در همان زمان به سرپرستی آوراهام رونن انجام شد، باستان‌شناسان 14 متر به عمق زمین رفتند و مجموعه بزرگی از فسیل حیوانات و ابزارهای پارینه‌سنگی کشف کردند که بین 800,000 تا یک میلیون سال عمر داشتند. با این حال، هیچ‌یک از یافته‌ها شواهدی از حرارت (همچون وجود خاکستر یا تجزیه زغال‌سنگ) نشان ندادند؛ به همین دلیل، امکان تشخیص دیداری آتش وجود نداشت و برای پیدا کردن شواهد، متخصصان می‌بایست دامنه جست‌وجو را گسترش می‌دادند.

عملکرد بهتر مدل‌های یادگیری عمیق در حفاری‌ها

پروژه با توسعه یک مدل هوش مصنوعی پیشرفته‌تر شروع شد. ازوری، مسئول توسعه مدل‌ها، توضیح می‌دهد: «چندین روش مختلف را، از جمله روش‌های قدیمی تحلیل داده، مدل‌سازی یادگیری ماشینی و مدل‌های یادگیری عمیق، به آزمایش گذاشتیم. مدل‌های یادگیری عمیق با توجه به معماری خاصی که دارند، عملکرد بهتری از خود نشان دادند و توانستند سطح اطمینان موردنیاز در این پروژه باستان‌شناسی را در اختیارمان بگذارند.» مزیت هوش مصنوعی این است که می‌تواند الگوهای نهفته در مقیاس‌های گوناگون را کشف کند. مدل ترکیب شیمیایی مواد را در سطح مولکولی نمایش می‌دهد تا دمایی که ابزارهای سنگی در آن حرارت دیده‌اند را تخمین بزند و بدین ترتیب، اطلاعاتی در مورد رفتار انسان‌های قبلی در اختیارمان قرار دهد.

دقت بالای این روش به پژوهشگران اجازه داد تا سگینال‌های مولکولی از ابزارهای سنگی استخراج کنند که یک میلیون سال در اورون کواری استفاده می‌شدند. بدین منظور، 26 سنگ آتش‌زا از این منطقه بررسی شدند تا مشخص گردد طی نیم‌قرن اخیر در معرض آتش قرار گرفته‌اند یا خیر. نتایج نشان داد که این ابزارها با حرارت‌های گوناگون (برخی با دمای 600 درجه سانتی‌گراد) روبرو شده‌اند. به علاوه، با تحلیل 87 باقیمانده جانوری از طریق یک تکنیک جدید طیف‌یابی، پژوهشگران دریافتند که عاج یک فیل منقرض شده نیز دچار تغییرات ساختاری ناشی از حرارت شده است.

تشخیص دیداری

با نگاه به باستان‌شناسی از نمایی متفاوت و با استفاده از ابزارهای جدید، شاید بتوان شواهد موردنیاز برای فرضیه‌ها را پیدا کرد. روش‌های معرفی شده در پژوهش حاضر کاربردهای گوناگونی دارند. برای مثال، در سایر مناطق باستان‌شناسی هم می‌توانند به تشخیص دیداری شواهد غیردیداری آتش استفاده شوند. از سوی دیگر، تجدیدنظر در چشم‌انداز فضایی-زمانی به درک بهتر منشأ و کاربرد کنترل‌شده‌ آتش کمک می‌کند و باعث می‌شود روند تکامل رفتارهای مرتبط به آتش را در میان انسان‌تبارها شناسایی کنیم. اسپکتا اضافه می‌کند: «استفاده از هوش مصنوعی و مدل‌های یادگیری عمیق به ویژه می‌توانند در کشف آتش‌های اولیه، در مناطق باستان‌شناسی یک یا دو میلیون ساله، کاربرد داشته باشند.»

این پروژه از هرنظر موفقیت‌آمیز بوده است. ناتالیو می‌گوید: «پژوهش ما علاوه بر دستاوردهای علمی‌اش، مزایای قابل‌ملاحظه ادغام رشته‌های گوناگون را به نمایش گذاشته است: آیدو در شیمی کوآنتومی، زین در باستان‌شناسی علمی، و لیورا و مایکل در مطالعه‌ دوره‌های ماقبل تاریخ تخصص دارند. این همکاری به همه ما چیزهای جدیدی آموخت. به نظر من، پژوهش‌های علمی در همه حوزه‌ها باید از همین رویه پیروی کنند.»

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

مقاله ما چطور بود؟

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.