El Dr. Gino Kaspari (derecha) durante el estudio geofísico de la tumba real escita en el sur de Siberia en 2018. Foto: Trevor Wallace
Encontrar la tumba de un antiguo rey, llena de artefactos de oro, armas y ropa exquisita, es el sueño de cualquier arqueólogo. Pero buscar tales objetos es increíblemente tedioso, le diría el Dr. Gino Caspari.
Gino Caspari, investigador arqueológico de la Swiss National Science Foundation, estudia la cultura de los antiguos escitas y nómadas que aterrorizaron a las poblaciones de las llanuras asiáticas hace 3000 años. En las tumbas de la nobleza escita se guarda la mayor parte de la fabulosa riqueza, robada a sus vecinos. Desde el momento en que se enterraron los cuerpos de los líderes, las tumbas se convirtieron en blanco de ladrones. Según las estimaciones del Dr. Caspari, más del 90% de ellos ya han sido destruidos y arruinados.
El científico sospecha que miles de tumbas están esparcidas por las estepas euroasiáticas que se extienden por millones de kilómetros cuadrados. Pasó horas mapeando tumbas utilizando imágenes de Google Earth en lo que ahora es Rusia, Mongolia y la provincia de Xinjiang en el oeste de China.
"En realidad, es un trabajo bastante aburrido y repetitivo " , dice el Dr. Caspari. " Y esto claramente no es lo que debería hacer un científico altamente educado".
Pablo Crespo, estudiante de posgrado de la Facultad de Economía de la City University de Nueva York, logró encontrar una solución más óptima a los problemas del científico. Trabajó con inteligencia artificial evaluando la volatilidad de los mercados de productos básicos. Pablo le sugirió al Dr. Caspari que una red neuronal convolucional podría ayudarlo en la búsqueda de posibles tumbas escitas: podría analizar imágenes de satélite como un científico respetado.
Pablo y Gino eran "colegas" en International House (una red mundial de 160 escuelas de idiomas e institutos de formación de profesores en más de 50 países). Los unía la creencia en la importancia de la disponibilidad general de conocimientos y la colaboración académica. Ambos también amaban el heavy metal. Con un vaso de cerveza, lanzaron una asociación científica y abrieron una nueva página en la historia de la investigación arqueológica.
, Google Earth. :
Imágenes de tumbas utilizadas por Pablo Crespo y el Dr. Caspari para entrenar la red neuronal. Foto: Pablo Crespo Una
red neuronal convolucional (CNN) es ideal para analizar fotografías y otras imágenes. CNN ve la imagen como una cuadrícula de píxeles. La red neuronal, diseñada por Pablo Crespo, comienza asignando una calificación a cada píxel en función de su color: qué tan rojo, verde o azul es. Después de evaluar cada píxel de acuerdo con muchos parámetros adicionales, la red comienza a analizar pequeños grupos de píxeles, luego más grandes, buscando coincidencias con los datos que ha sido entrenada para detectar.
Trabajando en su tiempo libre, los dos investigadores analizaron 1.212 imágenes de satélite en una red durante varios meses, en busca de tumbas de piedra redondas. La parte complicada fue no confundirlos con otros objetos circulares como montones de escombros y estanques de riego.
En un principio trabajaron con imágenes de unos 2.000 kilómetros cuadrados. Utilizaron tres cuartas partes de las imágenes para enseñarle a la red cómo se ve una tumba escita y para corregirla cuando pasaba por alto la tumba o seleccionaba otros objetos como entierro. Los científicos dejaron el resto de imágenes para comprobar el sistema. Como resultado, la red identificó correctamente las tumbas en el 98% de los casos.
La red no fue difícil de crear, dijo el Dr. Crespo. Lo implementó en menos de un mes usando Python sin costo adicional. A menos, por supuesto, que no cuente la cerveza comprada y bebida este mes. El Dr. Caspari espera que CNN ayude a los arqueólogos a encontrar nuevas tumbas para que puedan protegerse de los buscadores de tesoros.
Las redes neuronales convolucionales ayudan a automatizar las tareas científicas que implican acciones infinitamente repetitivas, que generalmente se atribuyen a los estudiantes de posgrado. La inteligencia artificial abre nuevas ventanas al pasado. Entonces, las redes han aprendido a clasificar fragmentos de cerámica, detectar barcos hundidos a partir de imágenes de sonar y encontrar huesos humanos vendidos en el mercado negro en Internet.
"Con una tecnología como esta, Netflix nos ofrece recomendaciones de películas,Dice Pablo Crespo, ahora investigador senior en Etsy. - ¿Por qué no lo usamos para algo como la preservación de la historia humana ”?
Gabriele Gattilla y Francesca Anichini, arqueólogos de la Universidad de Pisa en Italia, están excavando un área de monumentos romanos, lo que implica el análisis de miles de piezas de cerámica rotas. En la cultura romana, casi todos los tipos de utensilios, incluidos los de cocina y las ánforas que se utilizan para transportar mercancías por el Mediterráneo, estaban hechos de arcilla. Por lo tanto, el análisis de la cerámica es importante para comprender la vida de los antiguos romanos.
Izquierda: Dra. Francesca Anichini. A la derecha está Gabriele Gattilla. Fuente: Universidad de Pisa, MAPPALab
El proyecto ArchAIDE permitirá a los arqueólogos fotografiar cerámicas en el campo e identificarlas utilizando redes neuronales ultraprecisas. Fuente: Universidad de Pisa, MAPPALab.
El desafío consiste en comparar fragmentos de cerámica con imágenes de catálogos impresos. El Dr. Gattiglia y el Dr. Anichini estiman que solo el 20% de su tiempo se dedica a excavaciones. El resto se gasta en analizar la cerámica, un trabajo por el que no les pagan.
“Hace mucho que soñamos con algún tipo de herramienta mágica para identificar la cerámica en la excavación ”, dijo el Dr. Gattiglia.
Este sueño ha culminado en el proyecto ArchAIDE, una solución digital que permitirá a los arqueólogos fotografiar la cerámica descubierta en el campo e identificarla mediante redes neuronales. El proyecto, que ha recibido financiación del proyecto Horizonte 2020, ahora involucra a investigadores de toda Europa, así como a un grupo de informáticos de la Universidad de Tel Aviv en Israel, que desarrollaron la red neuronal.
El proyecto implicó la digitalización de catálogos en papel y el entrenamiento de una red neuronal para reconocer diferentes tipos de recipientes cerámicos basados en estas imágenes. La segunda red fue entrenada para reconocer los contornos de los fragmentos de cerámica. Hasta ahora, ArchAIDE solo puede identificar algunos tipos específicos de cerámicas, pero a medida que crece la base de datos, se espera que crezcan las capacidades de la red neuronal.
“Sueño con un catálogo de todo tipo de cerámicas ” , dijo el Dr. Anichini. " Pero parece que no es un trabajo de una sola vida".
Ahorrar tiempo es uno de los mayores beneficios de las redes neuronales. En arqueología submarina, el tiempo es caro y los buceadores exploradores no pueden pasar demasiado tiempo bajo el agua sin poner en riesgo su salud. Chris Clarke, ingeniero de Harvey Mudd College en Claremont, California, resuelve ambos problemas utilizando un robot para escanear el lecho marino y luego utiliza una red neuronal para procesar las imágenes. En los últimos años, ha trabajado con Timmy Gambin, arqueólogo de la Universidad de Malta, para estudiar el fondo marino mediterráneo alrededor de la isla de Malta.
El comienzo no fue fácil: durante uno de los primeros "nados", el robot chocó con el lugar de un naufragio, y los científicos tuvieron que enviar a un buzo tras él. Después de este exceso, todo mejoró. En 2017, una red neuronal identificó lo que resultaron ser los restos de un bombardero en picado de la Segunda Guerra Mundial. El Dr. Clarke y el Dr. Gambin están trabajando actualmente en un problema diferente, pero aún no quieren revelar detalles.
Los investigadores lanzan un vehículo submarino autónomo frente a la costa de Malta. Foto: Dr. Zoe Wood / Harvey Mudd College.
Reconstrucción en 3D de un accidente de avión de la Segunda Guerra Mundial frente a la costa de Malta. La reconstrucción se realizó utilizando datos de sensores obtenidos de un vehículo submarino autónomo. Fuente: Harvey Mudd College.
Sean Graham, profesor de humanidades digitales en la Universidad de Carleton en Ottawa, utiliza una red neuronal llamada Inception 3.0. CNN, desarrollado por Google, ayuda a las personas a buscar a través de imágenes en Internet anuncios para la compra o venta de huesos humanos. Los Estados Unidos y muchos otros países tienen leyes que exigen que los huesos humanos de las colecciones de los museos se devuelvan a los descendientes de los "propietarios" de los huesos. Pero hay personas que violan esta ley. El Dr. Graham dijo que incluso encontró videos en Internet de personas que cavaban tumbas para alimentar el mercado negro.
Hizo algunos cambios en la red Inception 3.0 para que pueda reconocer fotografías de huesos humanos. El sistema ya había sido entrenado para reconocer objetos en millones de imágenes, pero ninguno de esos objetos eran huesos. Desde entonces, ha entrenado su red neuronal en más de 80.000 imágenes de huesos humanos. El científico ahora está trabajando con una organización llamada Combating Crime on the Internet, que utiliza redes neuronales para rastrear imágenes asociadas con el comercio ilegal de marfil y la esclavitud sexual.
El científico Crespo y Caspari están convencidos de que las ciencias sociales y las humanidades solo se beneficiarán de la introducción de las tecnologías de la información. Su red neuronal convolucional es fácil de usar y está disponible para modificaciones de acuerdo con los objetivos de la investigación. En última instancia, dicen, los avances científicos se reducen a dos cosas.
“Los nuevos descubrimientos ocurren en la intersección de lo que ya se ha aprendido ” , dice Gino Caspari. “De vez en cuando, no se niegue a tomar una cerveza con un vecino ” , concluye su colega el Dr. Crespo.
