Anmerkung des Herausgebers: Diese CNN-Serie wird oder wurde von dem Land gesponsert, in dem sie hervorgehoben wird. CNN behält gemäß unserer Richtlinie die vollständige redaktionelle Kontrolle über das Thema, die Berichterstattung und die Häufigkeit der Artikel und Videos im Rahmen des Sponsorings.
Nördlich der Rub al-Khali liegen Geheimnisse im Sand vergraben.
Die riesige 650.000 Quadratkilometer große Wüste der Arabischen Halbinsel ist als „Leeres Viertel“ bekannt. Und abgesehen von den Wellen der ockerfarbenen Dünen wirkt es größtenteils tatsächlich leer.
Aber nicht zur künstlichen Intelligenz.
Forscher der Khalifa-Universität Abu Dhabi haben eine High-Tech-Lösung entwickelt, um weite Trockengebiete nach potenziellen archäologischen Stätten zu durchsuchen.
Traditionell nutzen Archäologen Bodenuntersuchungen, um potenziell interessante Standorte zu entdecken. Dies kann jedoch in schwierigem Gelände wie der Wüste zeitaufwändig und schwierig sein. In den letzten Jahren hat die Fernerkundung mithilfe optischer Satellitenbilder von Orten wie Google Earth bei der Suche nach ungewöhnlichen Merkmalen in großen Gebieten an Popularität gewonnen. Aber in der Wüste verdecken Sand- und Staubstürme auf diesen Bildern oft den Boden, während Dünenmuster das Erkennen potenzieller Standorte erschweren können.
„Wir brauchten etwas, das uns leitet und unsere Forschung leitet“, sagt Diana Francis, Atmosphärenforscherin und eine der Hauptforscherinnen des Projekts.
Das Team entwickelte einen Algorithmus für maschinelles Lernen, um Bilder zu analysieren, die mit Radar mit synthetischer Apertur (SAR) gesammelt wurden, einem Satellitenbildgebungsverfahren, das Radiowellen nutzt, um Objekte zu erkennen, die unter Oberflächen wie Vegetation, Sand, Erde und Eis verborgen sind.
Keine der beiden Technologien ist neu: SAR-Bildgebung wird seit den 1980er Jahren eingesetzt, und maschinelles Lernen ist in der Archäologie auf dem Vormarsch. Doch die gemeinsame Nutzung beider sei eine neue Anwendung, erklärt Francis, und seines Wissens ein Novum in der Archäologie.
Sie trainierte den Algorithmus anhand von Daten einer Stätte, die Archäologen bereits bekannt war: Saruq Al-Hadid, eine Siedlung mit Zeugnissen einer 5.000-jährigen Aktivität, die immer noch in der Wüste außerhalb von Dubai entdeckt wird.
„Nach der Schulung erhielten wir einen Hinweis auf andere potenzielle Gebiete (in der Nähe), die noch nicht durchsucht wurden“, erklärt Francis.
Sie fügt hinzu, dass die Technologie auf 50 Zentimeter genau ist und 3D-Modelle der erwarteten Struktur erstellen kann, die Archäologen eine bessere Vorstellung davon geben, was sich darunter verbirgt.
In Zusammenarbeit mit Dubai Culture, der Regierungsorganisation, die das Gelände verwaltet, führten Francis und sein Team eine Felduntersuchung mit Bodenradar durch, die „wiedergab, was der Satellit aus dem „Weltraum“ gemessen hatte“, sagte sie.
Jetzt plant Dubai Culture, die neu identifizierten Gebiete auszugraben, und Francis hofft, dass die Technik in Zukunft weitere vergrabene archäologische Schätze freilegen wird.
Beschleunigen Sie „mühsame“ Arbeiten
Die Verwendung von SAR-Bildern ist in der Archäologie aufgrund ihrer Kosten und Komplexität nicht üblich.
Aber es sei „wirklich spannend“, damit vergrabene Stätten zu identifizieren, sagt Amy Hatton, Doktorandin am Max-Planck-Institut für Geoanthropologie, die Deep-Learning-Modelle zur Erkennung archäologischer Strukturen im Nordwesten Saudi-Arabiens untersucht.
Hatton weist darauf hin, dass Francis und sein Team durch den Einsatz von SAR-Bildgebung, die das Problem der Lichtstreuung durch Staubpartikel umgeht, technische Details gelöst haben, die die Fernerkundung in Wüstenregionen erschweren.
Die Khalifa University ist nicht die Einzige, die künstliche Intelligenz zur Erkennung potenzieller Standorte einsetzt.
Amina Jambajanstsan, eine weitere Doktorandin am Max-Planck-Institut, nutzt maschinelles Lernen, um die „mühsame Arbeit“ zu beschleunigen, potenzielle interessante Orte in hochauflösenden Drohnen- und Satellitenbildern zu finden. Sein Projekt, das sich auf mittelalterliche Grabstätten in der Mongolei konzentriert – einem Land mit mehr als 1,56 Millionen Quadratkilometern, fast so groß wie Alaska – hat Tausende potenzieller Stätten entdeckt, die Jambajanstsan und sein Team vor Ort nie hätten finden können.
Jambajanstsan sagt, dass die Kosten und der Rechenaufwand der SAR-Bildgebung zwar für viele Forscher ein Hindernis für deren Einsatz darstellen könnten, die Methode jedoch für Wüstenregionen wertvoll ist, in denen andere Technologien Schwierigkeiten haben – und das ist eine Methode, die sie für die Wüste Gobi im Süden der Mongolei in Betracht ziehen würde. wo ihre „normale optische Bildgebung“ keine Ergebnisse liefert.
Mensch gegen Maschine
Maschinelles Lernen findet in der Archäologie immer mehr Anwendung, auch wenn nicht alle Forscher davon begeistert sind.
„Es gibt zwei unterschiedliche Glaubenssysteme“, sagt Hugh Thomas, Professor für Archäologie an der Universität Sydney und Co-Direktor des prähistorischen Ausgrabungsprojekts AlUla und Khaybar in Saudi-Arabien. Einerseits suchen die Menschen nach technologischen Lösungen wie KI, um Websites zu identifizieren; Auf der anderen Seite diejenigen, die glauben, dass es eines „erfahrenen archäologischen Auges“ bedarf, um Strukturen zu identifizieren, erklärt er.
Obwohl Technologie dabei helfen kann, archäologische Stätten zu identifizieren und zu überwachen – insbesondere solche, die durch Landnutzungsänderungen, Klimawandel und Plünderungen bedroht sind – ist Thomas vorsichtig, sich zu sehr darauf zu verlassen.
„Ich würde diese Art von Technologie gerne in Gebieten einsetzen, in denen möglicherweise keine oder nur eine sehr geringe Wahrscheinlichkeit besteht, archäologische Stätten zu finden, was es den Forschern ermöglichen würde, sich stärker auf andere Gebiete zu konzentrieren, in denen wir voraussichtlich mehr finden“, sagt Thomas.
Die Vergangenheit ausgraben
Der eigentliche Test – und hoffentlich die Validierung – der Technologie wird nächsten Monat erfolgen, wenn die Ausgrabungen im Saruq Al Hadid-Komplex beginnen, von dem laut Dubai Culture nur etwa 10 % auf einem 6,2 Quadratkilometer großen Gebiet entdeckt wurden.
Wenn Archäologen die vom Algorithmus vorhergesagten Strukturen finden, plant Dubai Culture, die Technologie zu nutzen, um weitere Stätten freizulegen.
Francis und sein Team haben letztes Jahr einen Artikel über ihre Ergebnisse veröffentlicht und sie trainieren den maschinellen Lernalgorithmus weiterhin, um seine Genauigkeit zu verbessern, bevor sie seine Verwendung ausweiten.
„Die Idee ist, (die Technologie) in andere Regionen zu exportieren, darunter Saudi-Arabien, Ägypten und vielleicht auch in die Wüsten Afrikas“, erklärt sie.
Für weitere CNN-Nachrichten und Newsletter erstellen Sie ein Konto bei CNN.com