Blog
Makine öğrenimi uygulamalarının arkeolojideki yükselişi sürüyor
Çalışma, 2019 yılından itibaren ML uygulamalarının arkeolojide belirgin bir artış gösterdiğini tespit etmiştir.
www.arkeolojikhaber.com
Veriden öğrenebilen ve görünmeyen verilere genelleştirebilen ve dolayısıyla açık talimatlar olmadan görevleri yerine getirebilen istatistiksel algoritmaların geliştirilmesi ve incelenmesiyle ilgilenen, yapay zekâda akademik bir disiplin olan Makine Öğrenmesi uygulamaları arkeolojik alana her geçen gün daha fazla kullanılıyor.
Cornell Üniversitesi'nin bilimsel yayın organlarından Arxiv dergisinde Ocak ayında "Mathias Bellat, Jordy D. Orellana Figueroa, Jonathan S. Reeves, Ruhollah Taghizadeh-Mehrjardi, Claudio Tennie, Thomas Scholten" imzaları ile yayınlanan "Arkeolojik Uygulamalarda Makine Öğrenmesi Uygulamalarına Dair Bir İnceleme" (Machine Learning Applications in Archaeological Practices: A Review) başlığı ile yayınlanan makalede yer alan bilgilere göre; arkeoloji alanında makine öğrenmesi (ML: Machine Learning) tekniklerinin artan kullanımını ve bu alandaki uygulamaların çeşitliliği dikkat çekiyor.
Mathias Bellat ve ekibi tarafından gerçekleştirilen bu derleme, 1997 ile 2022 yılları arasında yayımlanmış 135 bilimsel makaleyi analiz ederek, ML'nin arkeolojideki rolünü ve potansiyelini ortaya koyuyor.
Makine Öğrenmesinin Arkeolojideki Yükselişi
Çalışma, 2019 yılından itibaren ML uygulamalarının arkeolojide belirgin bir artış gösterdiğini tespit etmiştir. Bu artış, özellikle görüntü tanıma algoritmalarının ve konvolüsyonel sinir ağları (CNN) gibi derin öğrenme modellerinin gelişimiyle paralel ilerlemiştir. Bu teknolojiler, özellikle otomatik yapı tespiti ve eser sınıflandırması gibi görevlerde etkili bir şekilde kullanılmaktadır.?
ML Uygulamalarının Arkeoloji'de Kullanılma Alanları ve Kullanılan Yöntemler
İncelenen makalelerde ML tekniklerinin en çok kullanıldığı alanlar şunlardır:?
Otomatik yapı tespiti: Lidar ve uydu görüntüleri gibi uzaktan algılama verileri kullanılarak arkeolojik yapıların otomatik olarak tanımlanması.?
Eser sınıflandırması: Seramik, taş aletler ve diğer arkeolojik nesnelerin özelliklerine göre sınıflandırılması.?
Tafonomi: Kemik yüzeylerindeki kesik izlerinin analiz edilerek insan ve hayvan faaliyetlerinin ayrıştırılması.?
Arkeolojik öngörü modelleri: Belirli çevresel ve coğrafi faktörlere dayanarak potansiyel arkeolojik alanların tahmin edilmesi.?
Kullanılan ML yöntemleri arasında en yaygın olanları yapay sinir ağları ve topluluk öğrenme (ensemble learning) teknikleridir. Ancak, denetimsiz öğrenme yöntemlerinin (örneğin, kümeleme algoritmaları) daha az kullanıldığı ve bu alanda potansiyel bir gelişim alanı olduğu belirtilmektedir.?
Arkeojik Alanda ML Uygulamalarında Karşılaşılan Zorluklar ve Öneriler
Çalışma, ML uygulamalarının arkeolojideki kullanımında bazı zorlukların bulunduğunu vurgulamaktadır:?
Yetersiz metodolojik tanımlar: Bazı çalışmalarda kullanılan ML yöntemlerinin gereksinimleri ve sınırlılıkları net bir şekilde belirtilmemiştir.?
Hedeflerin belirsizliği: ML uygulamalarının arkeolojik araştırma sorularına nasıl hizmet ettiği konusunda netlik eksikliği bulunmaktadır.?
İş birliği eksikliği: Arkeologlar ve bilgisayar bilimcileri arasındaki iletişim eksikliği, uygulamaların etkinliğini azaltmaktadır.?
Bu sorunların üstesinden gelmek için, çalışma, arkeologlara yönelik bir iş akışı rehberi önermektedir. Bu rehber, araştırma sorularına, proje ölçeğine ve mevcut verilere uygun, tutarlı ve etkili ML metodolojilerinin geliştirilmesine yardımcı olmayı amaçlamaktadır.?
Makalede yer alan bilgilere göre; Makine öğrenmesi, arkeolojik araştırmalarda büyük ve çok değişkenli verilerin analizinde önemli bir araç haline gelmiştir. Ancak, bu teknolojilerin etkin bir şekilde kullanılabilmesi için iyi tanımlanmış metodolojilere, şeffaf raporlamaya ve disiplinler arası iş birliğine ihtiyaç vardır. Çalışma, ML'nin arkeolojideki potansiyelini maksimize etmek için bu unsurların önemini vurgulamaktadır.?
Yaşar İliksiz - Arkeolojikhaber.com
Bu yazı hakkında yorum bulunamamıştır. İlk yorumu siz ekleyebilirsiniz >