Encontrar a tumba de um antigo rei, cheia de artefatos de ouro, armas e roupas requintadas, é o sonho de qualquer arqueólogo. Mas procurar esses objetos é extremamente tedioso, o Dr. Gino Caspari lhe diria.
Gino Caspari, um pesquisador arqueológico da Fundação Nacional de Ciência da Suíça, estuda a cultura dos antigos citas e nômades que aterrorizaram as populações das planícies asiáticas há 3.000 anos. Nos túmulos da nobreza cita, grande parte da fabulosa riqueza que eles roubaram de seus vizinhos está guardada. A partir do momento em que os corpos dos líderes foram enterrados, as sepulturas se tornaram alvos de ladrões. Dr. Caspari estima que mais de 90% deles já foram destruídos e arruinados.
O cientista suspeita que milhares de tumbas estão espalhadas pelas estepes da Eurásia, que se estendem por milhões de quilômetros quadrados. Ele passou horas mapeando sepulturas usando imagens do Google Earth no que hoje é a Rússia, Mongólia e província de Xinjiang, no oeste da China.
“Na verdade, é um trabalho muito chato e repetitivo ” , diz o Dr. Caspari. " E isso claramente não é o que um cientista altamente educado deve fazer."
Pablo Crespo, aluno de pós-graduação da Faculdade de Economia da City University of New York, conseguiu encontrar uma solução mais adequada para os problemas do cientista. Ele trabalhou com inteligência artificial avaliando a volatilidade dos mercados de commodities. Pablo sugeriu ao Dr. Caspari que uma rede neural convolucional poderia ajudá-lo na busca de potenciais tumbas citas - poderia analisar imagens de satélite como um cientista respeitado.
Pablo e Gino eram “colegas” na International House (uma rede mundial de 160 escolas de idiomas e institutos de formação de professores em mais de 50 países). Eles estavam unidos pela crença na importância do conhecimento compartilhado e da colaboração acadêmica. Ambos amavam heavy metal. Com um copo de cerveja, eles lançaram uma parceria científica e abriram uma nova página na história das pesquisas arqueológicas.
rede neural convolucional (CNN) é ideal para analisar fotografias e outras imagens. A CNN vê a imagem como uma grade de pixels. A rede neural, desenhada por Pablo Crespo, começa por atribuir a cada pixel uma classificação baseada na sua cor - quão vermelho, verde ou azul ele é. Depois de avaliar cada pixel de acordo com muitos parâmetros adicionais, a rede começa a analisar pequenos grupos de pixels, depois maiores, em busca de correspondências com os dados que foi treinada para detectar.
Trabalhando em seu tempo livre, os dois pesquisadores analisaram 1.212 imagens de satélite pela rede durante um período de vários meses, em busca de tumbas redondas de pedra. A parte complicada era não confundi-los com outros objetos circulares, como pilhas de entulho e lagoas de irrigação.
No início, eles trabalharam com imagens de cerca de 2.000 quilômetros quadrados. Eles usaram três quartos das imagens para ensinar à rede como é a aparência de uma tumba cita e para corrigi-la quando ela errasse o túmulo ou selecionasse outros objetos para sepultamento. Os cientistas deixaram o resto das imagens para verificar o sistema. Como resultado, a rede identificou corretamente as tumbas em 98% dos casos.
Segundo o Dr. Crespo, a rede não foi difícil de criar. Ele o implantou em menos de um mês usando Python sem nenhum custo extra. A menos, claro, que você não conte a cerveja comprada e bebida neste mês. O Dr. Caspari espera que a CNN ajude os arqueólogos a encontrar novas tumbas para que possam ser protegidos dos caçadores de tesouros.
As redes neurais convolucionais ajudam a automatizar tarefas científicas que envolvem ações infinitamente repetitivas, que geralmente são atribuídas a alunos de graduação. A inteligência artificial abre novas janelas para o passado. Assim, as redes aprenderam a classificar fragmentos de cerâmica, detectar navios afundados a partir de imagens de sonar e encontrar ossos humanos vendidos no mercado negro na Internet.
“Com uma tecnologia como essa, a Netflix está nos dando recomendações de filmes ” , disse Pablo Crespo, agora membro sênior da Etsy. - Por que não o usamos para algo como preservação da história humana ”?
Gabriele Gattilla e Francesca Anichini, arqueólogos da Universidade de Pisa, na Itália, estão escavando uma área de monumentos romanos, o que envolve a análise de milhares de peças quebradas de cerâmica. Na cultura romana, quase todos os tipos de utensílios, incluindo utensílios de cozinha e ânforas usados para transportar mercadorias através do Mediterrâneo, eram feitos de barro. Portanto, a análise da cerâmica é importante para a compreensão da vida dos antigos romanos.
O desafio é comparar cacos de cerâmica com imagens em catálogos impressos. Dr. Gattiglia e Dr. Anichini estimam que apenas 20% de seu tempo é gasto em escavações. O resto é gasto na análise de cerâmica - um trabalho pelo qual eles não são pagos.
“Há muito tempo sonhamos com algum tipo de ferramenta mágica para identificar a cerâmica na escavação ”, disse o Dr. Gattiglia.
Este sonho resultou no projeto ArchAIDE, uma solução digital que permitirá aos arqueólogos fotografar cerâmicas descobertas no campo e identificá-las por meio de redes neurais. O projeto, que recebeu financiamento do projeto Horizon 2020, agora envolve pesquisadores de toda a Europa, bem como um grupo de cientistas da computação da Universidade de Tel Aviv, em Israel, que desenvolveu a rede neural.
O projeto envolveu a digitalização de catálogos de papel e o treinamento de uma rede neural para reconhecer diferentes tipos de vasos de cerâmica com base nessas imagens. A segunda rede foi treinada para reconhecer os contornos dos fragmentos de cerâmica. Até agora, o ArchAIDE pode identificar apenas alguns tipos específicos de cerâmica, mas conforme o banco de dados cresce, as capacidades da rede neural devem crescer.
“Sonho com um catálogo de todos os tipos de cerâmica ” , disse o Dr. Anichini. " Mas parece que não é um trabalho para uma vida inteira."
Economizar tempo é um dos maiores benefícios das redes neurais. Na arqueologia subaquática, o tempo é caro, e os mergulhadores exploradores não podem passar muito tempo debaixo d'água sem arriscar sua saúde. Chris Clarke, um engenheiro do Harvey Mudd College em Claremont, Califórnia, resolve os dois problemas usando um robô para escanear o fundo do mar e, em seguida, usa uma rede neural para processar as imagens. Nos últimos anos, ele trabalhou com Timmy Gambin, um arqueólogo da Universidade de Malta, para estudar o fundo do mar Mediterrâneo ao redor da ilha de Malta.
O início não foi fácil: durante um dos primeiros "mergulhos" o robô colidiu com o local de um naufrágio, e os cientistas tiveram que mandar um mergulhador atrás dele. Depois desse excesso, tudo melhorou. Em 2017, uma rede neural identificou o que acabou sendo os destroços de um bombardeiro de mergulho da Segunda Guerra Mundial. O Dr. Clarke e o Dr. Gambin estão atualmente trabalhando em outro problema, mas não querem revelar detalhes ainda.
Sean Graham, professor de humanidades digitais na Carleton University em Ottawa, usa uma rede neural chamada Inception 3.0. A CNN, desenvolvida pelo Google, ajuda as pessoas a pesquisarem por meio de imagens na Internet anúncios de compra ou venda de ossos humanos. Nos Estados Unidos e em muitos outros países, existem leis que exigem que ossos humanos armazenados em coleções de museus sejam devolvidos aos descendentes dos "donos" dos ossos. Mas há pessoas que violam essa lei. O Dr. Graham disse que até encontrou vídeos na Internet de pessoas cavando sepulturas para alimentar o mercado negro.
Ele fez algumas alterações na rede do Inception 3.0 para que pudesse reconhecer fotografias de ossos humanos. O sistema já havia sido treinado para reconhecer objetos em milhões de imagens, mas nenhum desses objetos eram ossos. Desde então, ele treinou sua rede neural em mais de 80.000 imagens de ossos humanos. O cientista agora está trabalhando com uma organização chamada Combating Crime on the Internet, que usa redes neurais para rastrear imagens associadas ao comércio ilegal de marfim e escravidão sexual.
Os cientistas Crespo e Caspari estão convencidos de que as ciências sociais e humanas só se beneficiarão com a introdução da TI. Sua rede neural convolucional é fácil de usar e disponível para modificação de acordo com os objetivos da pesquisa. Em última análise, dizem eles, os avanços científicos se resumem a duas coisas.
“Novas descobertas acontecem no cruzamento do que já foi aprendido ” , diz Gino Caspari. “De vez em quando, não se negue uma cerveja com um vizinho ” , conclui seu colega Dr. Crespo.
