Os investigadores desenvolveram uma forma de detectar a presença de arte rupestre em áreas remotas e de difícil acesso nas paisagens escarpadas da Austrália, utilizando métodos de Machine Learning (ML) ou Aprendizagem de Máquina.
Cogerido pela Dra. Andrea Jalandoni, uma arqueóloga digital do Centro de Investigação Social e Cultural da Universidade Griffith, o estudo utilizou centenas de imagens de arte rupestre encontradas no Parque Nacional de Kakadu para treinar um modelo ML para detectar se a arte pintada estava presente na imagem.
O modelo atingiu uma taxa de sucesso de 89%. O que significa, portanto, que determinou que imagens continham arte rupestre na grande maioria das vezes.
“Alguns destes sítios não são facilmente acessíveis, ao passo que aliviar algum do tempo, esforço e despesas para montar algumas missões exploratórias é de enorme valor para este tipo de investigação arqueológica em algumas das áreas mais remotas da Austrália”, disse a Dra. Jalandoni.
“Assim que o nosso modelo ML detecta se uma área fotografada contém potencialmente arte rupestre previamente desconhecida, os cientistas podem então entrar no local e verificar se há arte alguma presente e relatar mais sobre ela”.
A Dra. Jalandoni e o autor Colíder Dr. Nayyar Zaidi da Universidade de Deakin trabalharam em estreita colaboração com os anciãos tradicionais do Parque Nacional de Kakadu no estudo.
O Dr. Zaidi disse que “o trabalho demonstrou o poder que o ML e a IA trazem à investigação arqueológica. Além disso, prepara o caminho para uma investigação inovadora com um impacto significativo nos próximos anos, “estamos entusiasmados com a segunda fase do nosso estudo”.
A arte rupestre e a falta de identificação
Em áreas onde existem numerosos sítios de arte rupestre, grande parte dela não está identificada e, dessa forma, permanece sem registo e sem investigação.
“A automatização dos muitos processos na investigação poderia facilitar grandemente a investigação de muitas maneiras, tais como através do Reconhecimento e Detecção de Objetos, Extração de Motivos, Reconstrução de Objetos, Gráficos de Conhecimento de Imagem e Representações”, disse a equipe de investigação.
Segundo Dra. Jalandoni, com a eficácia do modelo ML utilizado neste estudo, o método poderia ser utilizado para formar outros que fossem específicos da arte rupestre encontrada em diferentes regiões do mundo.
Ela disse que os resultados poderiam também ser úteis no desenvolvimento de uma aplicação que os turistas poderiam então utilizar para carregar imagens de exemplos dessa arte potencialmente não descobertos para análise posterior.
“Se é turista em uma área que poderia potencialmente ter uma arte desse tipo e está tirando fotografias, um dos objetivos futuros é desenvolver uma aplicação onde possa adicionar a sua imagem à coleção para ver se foi documentada ou se pode ser arte rupestre não descoberta que precise de ser examinada”, disse a Dra. Jalandoni. “Assim, permitiria aos cientistas cidadãos no terreno participar em importantes investigações arqueológicas”.
Os resultados, “Sobre a utilização de Métodos de Aprendizagem Mecânica na Pesquisa de Arte Rupestre com Aplicação à Identificação Automática de Arte Rupestre Pintada”, foram publicados no Journal of Archaeological Science.
Fonte : ancientpages
Tradução : Fatos Curiosos
Discussion about this post