Японские ученые из Университета Ямагата с помощью глубокого обучения ИИ обнаружили четыре новых геоглифа на засушливой перуанской прибрежной равнине, в северной части перуанского плато Наска. Исследование проводится с 2004 года командой из Университета Ямагата под руководством профессора Макато Сакаи. Университет Ямагата проводит исследования распространения геоглифов с использованием спутниковых изображений, аэрофотосъемки, бортового сканирования LiDAR и фотографии с беспилотников для исследования обширной территории плато Наска, охватывающей более 390 км2.
Линии Наска по мнению ученых были созданы на протяжении столетий, начиная примерно с 100 г. до н.э., народом Наска, проживающим в современном Перу. Впервые они были подробно изучены в 1940-х годах, и к тому времени, когда они были внесены в список Всемирного наследия ЮНЕСКО в 1994 году, было идентифицировано около 30. Они удивительно хорошо сохранились, учитывая их возраст.
Археологи обнаружили в пустыне 142 новых рисунка в течение десяти лет, идентифицируя их вручную с помощью аэрофотосъемки и съемки на месте. Затем в сотрудничестве с исследователями из IBM Japan они использовали машинное обучение для поиска в данных проектов, которые были упущены в предыдущих исследованиях.
Четыре новых геоглифа изображают гуманоидную фигуру, пару ног, рыбу и птицу. Гуманоидный геоглиф держит дубинку в правой руке и имеет длину 5 метров. Геоглиф рыбы с широко открытым ртом имеет длину 19 метров, геоглиф птицы — 17 метров, а пара ног — 78 метров.
Исследование, опубликованное в Journal of Archaeological Science, показало открытие четырех новых геоглифов Наски с использованием этого нового метода путем разработки подхода к маркировке обучающих данных, который идентифицирует аналогичную частичную закономерность между известными и новыми геоглифами.
«Мы разработали систему глубокого обучения, который решает проблемы, часто возникающие в задаче обнаружения объектов археологических изображений», — пишут авторы исследования.
Эти результаты служат еще одной иллюстрацией того, как машинное обучение может быть полезным для ученых, особенно при решении задач, связанных со значительными наборами данных. Как и людей, алгоритмы можно научить просеивать определенные типы данных в поисках закономерностей и аномалий. Хотя создание этих инструментов может быть сложной задачей, после обучения такие алгоритмы становятся неутомимыми и последовательными.