El estudios inconsciente abre nuevas puertas a la arqueología: ScienceDaily

El estudio probó varios estilos llamados «Figuras de raza nórdica», «Figuras dinámicas», «Figuras postdinámicas» y «Figuras simples con bumeranes» para comprender cómo se relacionan estos estilos entre sí.

Trabajando con los propietarios tradicionales Mimal y Marrku del área del río Wilton en el Top End de Australia, los investigadores de Australia del Sur dirigidos por el arqueólogo de la Universidad de Flinders, el Dr. Daryl Wesley, observaron más de cerca el arte de esta región.

El investigador de Flinders, Jarrad Kowlessar, y su equipo utilizaron el aprendizaje automático para analizar imágenes de arte rupestre recopiladas durante las encuestas en el país de Marrku en 2018 y 2019.

Los coautores incluyen a Dudley Lawrence y Abraham Weson y otros de Mimal Land Management Aboriginal Corporation, Alfred Nayinggul de Njanjma Aboriginal Corporation, el Dr. Ian Moffat de Flinders y el investigador de la Universidad de Adelaide James Keal.

La cronología reconstruida del arte rupestre, recién publicada en Australian Archaeology, utiliza conjuntos de datos existentes de más de 14 millones de fotos diferentes de una amplia gama de cosas, desde animales como perros, gatos, lagartos e insectos hasta objetos como sillas, mesas y tazas.

«En total, la computadora vio más de 1.000 tipos diferentes de objetos y aprendió a diferenciarlos simplemente mirando sus fotos», explica el Dr. Wesley.

«La habilidad importante desarrollada por esta computadora fue un modelo matemático que tiene la capacidad de decir cuán similares son dos imágenes diferentes».

Luego se aplicó un modelo matemático a las imágenes recolectadas en el norte de Australia.

«Este enfoque nos permite usar el programa de computadora para mostrar cuán único es el arte rupestre en el río Wilton y cómo se relaciona con el arte rupestre en otras partes de Arnhem Land», dice el Dr. Wesley.

«Podemos usarlo para ayudar a mostrar cómo los propietarios tradicionales de Arnhem Land comparten los estilos de arte rupestre y son únicos para cada grupo en el pasado».

El aprendizaje automático permite que una computadora « aprenda » varias cosas sobre información que un ser humano podría tardar muchos años en examinar y aprender, explica Jarrad Kowlessar, candidato a doctorado en arqueología de la Universidad de Flinders, quien abrió el camino al enfoque del aprendizaje automático. para análisis de arte rupestre.

«Un resultado sorprendente es que el enfoque de aprendizaje automático ordenó los estilos en la misma cronología que los arqueólogos, inspeccionando los que aparecen arriba. Esto muestra que la similitud y el tiempo están estrechamente vinculados en el arte rupestre de Arnhem. La tierra y las figuras humanas se acercaron en el tiempo eran más similares entre sí que los extraídos desde hace mucho tiempo «, dice.

«Por ejemplo, el algoritmo de aprendizaje automático ha trazado las cifras de carrera nórdicas y las cifras dinámicas muy cercanas entre sí en el gráfico que produce. Esto muestra que estos estilos que conocemos están más cerca entre sí. En edad también están más cerca entre sí en apariencia, lo que podría ser algo muy difícil de notar sin un enfoque como este «.

El artículo señala que la nueva metodología eliminó un gran grado de interpretación humana individual y un posible sesgo utilizando un enfoque de aprendizaje automático llamado «aprendizaje por transferencia».

Esto permitió a la computadora comprender cómo cada estilo se relacionaba directamente entre sí, independientemente de los investigadores involucrados.

Los investigadores están entusiasmados con esta metodología que abre nuevos horizontes para una gran cantidad de investigación arqueológica para comprender todo tipo de diferentes culturas materiales humanas de una manera diferente.

Fuente de la historia:

Materiales proporcionados por Universidad de Flinders. Nota: El contenido se puede cambiar según el estilo y la longitud.