《Journal of Archaeological Science》:Theory and practice of artificial intelligence in archaeology
编辑推荐:
本文旨在为考古学中基于机器学习(ML)的方法应用提供一个实践导向的理论框架。鉴于考古数据存在训练样本稀缺、样本间高变异性、类别不平衡等固有挑战,且ML模型常被视为“黑箱”,本研究强调在整合领域专业知识的前提下,如何负责任地应用ML技术以实现可扩展、可解释的推断,并使得从考古概念到计算表征的链条更加透明、可检验。
在数字技术席卷全球各行各业的浪潮中,考古学这门探索人类过去的学科也正经历着一场深刻的变革。过去十年,从计算机视觉(CV)、自然语言处理(NLP)到数据科学,机器学习(ML)方法被越来越多地引入考古研究。这得益于开源数据仓库的扩张、计算基础设施的进步以及检测、分类和分割算法的快速发展。相关论文数量呈指数级增长,呈现出一派繁荣景象。然而,这种表面的繁荣可能掩盖了一个关键问题:考古数据与生俱来的特殊性,使得那些在其他领域看似“开箱即用”的ML方法,在考古语境下可能水土不服,甚至带来新的风险。
目前考古学应用ML面临哪些核心困境?研究人员指出了几个关键点。首先,考古数据通常具有训练样本稀缺的特点。与ImageNet等海量数据集不同,特定类型的考古遗址或器物样本往往只有几十到几百个。其次,考古样本间存在极高的变异性。一个山堡、一块石器或一粒花粉,其形态可能因自身特性、保存状况、沉积历史和环境因素而千差万别。再者,考古特征在空间上高度分散且密度低,这给检测算法带来了挑战。此外,非目标类别(背景)高度异质,模型需要从大量易于混淆的“硬负样本”中区分出目标。最根本的是,考古研究的“对象”是物理实体,ML系统无法直接学习这些实体本身,而只能学习其间接代理(如光谱、形态、纹理、地形或情境数据)的数学定义。这意味着,ML学到的不是“考古特征”,而是“我们如何标记、表示和采样那些代理数据”。
这种数据特性与ML工作流程的结合,催生了一系列问题:大量ML论文可能造成方法高效且普适的假象;过度关注适合ML检测的数据和结构,可能导致考古领域知识的流失和研究问题的偏离;ML模型的不透明性(“黑箱”问题)使得理解其决策过程变得困难;当前的验证方法可能导致过度依赖和过拟合;如果应用不当,ML甚至可能为考古记录的解释增加新的偏见层。最后,ML方法仅限于特定应用,并非所有考古问题都适用,盲目应用可能导致错误的安全感或不必要的怀疑。
为了应对这些挑战,并负责任地将ML整合进考古学的方法工具箱,研究人员在《Journal of Archaeological Science》上发表了这项研究,旨在构建一个实践导向的理论框架。其核心论点是:考古ML的价值不在于取代领域专业知识,而在于与之深度融合。这种融合能够实现可扩展、明确且可检验的推理形式,自动化那些原本不切实际的分析,并使从考古概念到计算表征的链条更加透明、可供批判性检验。
该研究主要运用了文献综述与理论分析的方法,结合了大量已有的考古ML应用案例(如基于LiDAR的古墓丘检测、陶片分类、谷物籽粒鉴定等),对考古数据的本质、ML模型定义考古特征的方式、方法选择、验证与可解释性等关键环节进行了系统性剖析。研究并未依赖于特定的样本队列,而是基于广泛的已有研究进行归纳与论证。
2. 考古数据的本质
考古数据具有一系列区别于“数字原生”数据的特征,直接影响ML的应用。除了前述的稀缺性、高变异性、空间分散性和背景异质性,研究强调考古目标是真实物体或结构,只能通过间接代理来访问。因此,ML工作流程本质上受到学科定义、数据获取选择和训练/验证实践的塑造。
3. 用ML术语定义考古特征
ML分类器/检测器并不定义物体或现象本身,而是计算一个数学模型,该模型定义了训练数据中那些被标记为重要的数值之间的关系。这些训练数据本身基于对物体的某种表示,而这种表示未必能很好地适应其物理本质。这个过程涉及多重偏见,包括考古学家自身如何定义特征、如何通过数据源表征特征、训练数据选择的主观性,以及模型缺乏可解释性导致其学习到的“定义”难以用人类可理解的方式阐明。ML和我们的传统类型学一样,通过简化现实来理解它,但它使用的是不同于人类的“感官”和思维过程。
4. 何时应用基于ML的方法
研究提供了一个流程图来指导方法选择。主要规则包括:1) 大规模分析:当数据量过大,人工分析不切实际时,ML具有时间效率优势,但对于小规模、人类可理解的任务则需谨慎。2) 数据不一致:当目标特征的数据(栅格值、几何或形态)不一致,或其变异性范围过宽以至于包含其他特征类型时,应避免使用ML,否则会产生大量误报。3) 数据复杂或难以解释:当数据过于复杂(如多光谱/SAR数据、融合多波段数据集)或存在人类难以察觉但可测量的差异时(如植硅体、骨骼、种子、石器、考古测年等复杂分类任务),ML可提供独特的工具。对于符合条件的目标,若有充足计算资源,深度学习(DL) 方法(特别是卷积神经网络CNN)通常最合适。若计算资源有限,可使用浅层模型(如随机森林、梯度提升机、支持向量机、逻辑回归)作为替代。
5. 生成式人工智能与基础模型
生成式人工智能(如大型语言模型LLM、大型多模态模型LMM)在考古学中的应用迅速扩展。它们提供了一次性或少样本学习能力,但通常用于文本和图像生成,而非考古NLP中更常见的实体识别、信息提取等任务。商用模型的训练数据通用性强,可能产生缺乏领域深度的内容,且存在后训练引入偏见的风险。因此,对于需要深度、可重复性及问责制的应用,研究建议通过以下方式调整开源基础模型:1) 纳入领域知识:利用检索增强生成(RAG)等技术调用外部知识源。2) 进行领域适应的微调:使用参数高效微调(PEFT)等技术。3) 将模型整合到考古工作流中,而非直接使用通用聊天模型。此外,表格基础模型(TFM) 在处理可表达为样本描述符的数据(如测量值、属性)时表现出色,是浅层ML和DL分类器的有力替代。
6. 验证与可解释性
有意义的模型验证至关重要。研究强调:算法和数据(训练、验证、测试集)应遵循FAIR原则(可查找、可访问、可交互、可重用)提供以确保可重复性;报告应包括完整的混淆矩阵等详细信息,而非仅“准确率”;必须警惕过拟合,并通过独立实地验证等手段测试模型的可迁移性。标准验证指标(如交并比IoU)可能不适用于所有考古任务(如线性特征检测),需选择更合适的度量。可解释性方法(如Grad-CAM、特征重要性评分)也可能产生误导,因为它们可能高估与标签相关但无因果关系的特征。因此,算法验证必须超越指标,结合领域专业知识和其他独立的验证方法。
7. ML与考古学研究问题
ML正在迅速扩展其在聚类、检测、识别、分类、预测和数据生成等方面的研究用途。然而,它们并非万能工具,必须适应具体任务,并且对其结果的解释需要充分意识到方法、数据源、训练数据、模型特性和验证的局限性,同时结合对研究特征的深刻考古学知识。ML的引入不仅增加了考古学的工具集,由于其特性,它还可能影响我们从事考古研究的方式,倾向于推动研究问题朝向更宏大、更一般的尺度发展,例如国家尺度的遗产管理、大规模人类环境影响、迁徙与定居、气候变化等主题。
研究的结论强调,ML方法不适合替代传统方法,而应与之结合,以确保全面覆盖研究问题并符合当前的考古实践。研究过程应由兼具机器学习和考古学专业知识的研究人员主导。至关重要的是,必须让研究问题来引导技术的应用,而不是让技术反过来主导研究问题,这是将ML成功整合到学科方法论工具箱中的关键。展望未来,基于云、网络、应用和API交付的人工智能服务,以及日益普及的LLM、LMM和智能体AI(Agentic AI),将进一步推动ML在考古学中的渗透。然而,ML应用的核心特性——其对数据来源、任务框架、评估设计的依赖性,以及透明度的持续挑战——在短期内不太可能改变。本研究提供的指导,旨在帮助从业者和研究者在设计、部署或批判性解读考古学中的ML结果时,能够兼顾方法的效能与领域的责任。