A menudo, cuando hablamos de Inteligencia Artificial (IA), nos imaginamos escenarios futuristas o aplicaciones tecnológicas en campos como la medicina o la robótica. Sin embargo, el verdadero potencial de la IA puede estar en cómo está revolucionando campos tradicionales como la arqueología.
El campo de la arqueología ha sido testigo de una serie de avances tecnológicos en las últimas décadas. La combinación de técnicas tradicionales con la tecnología moderna ha dado lugar a descubrimientos sin precedentes, y uno de los avances más prometedores es la arqueología computacional. Esta disciplina combina la ciencia de la computación con la investigación arqueológica, permitiendo a los expertos acceder a herramientas y métodos que antes estaban fuera de su alcance.
Uno de los logros más notables en esta área es la detección automatizada de yacimientos arqueológicos. Imagínese la capacidad de identificar sitios de interés sin tener que depender exclusivamente de excavaciones físicas, que son tanto costosas como invasivas. Con la detección automatizada, se pueden analizar grandes áreas en poco tiempo, lo que es especialmente útil en lugares donde la excavación física no es viable o está restringida.
Las investigaciones de Iban Berganzo
Iban Berganzo, un investigador destacado del Institut Català d’Arqueologia Clàssica (ICAC) en Cataluña, España, ha diseñado un innovador algoritmo para su tesis doctoral que transforma la manera en que los arqueólogos trabajan. La tesis doctoral de Berganzo se centra en la arqueología computacional, una disciplina emergente que fusiona las técnicas tradicionales arqueológicas con las capacidades avanzadas de la ciencia de la computación. Esta combinación ha abierto puertas a métodos innovadores y herramientas que antes no estaban disponibles para los arqueólogos.
El núcleo principal de esta tesis es la detección automatizada de yacimientos arqueológicos. En lugar de depender exclusivamente de las excavaciones físicas, que pueden ser tanto costosas como potencialmente dañinas para los sitios, esta técnica utiliza la tecnología para identificar áreas de interés arqueológico. Mediante el uso de algoritmos avanzados y bases de datos extensas, los arqueólogos pueden identificar posibles yacimientos basándose en imágenes satelitales, topografías y otros datos digitales. La ventaja es doble: por un lado, permite analizar grandes extensiones de tierra en un período de tiempo mucho más corto en comparación con las técnicas tradicionales. Por otro lado, es especialmente beneficioso en áreas donde las excavaciones físicas son inviables, ya sea por restricciones geográficas, políticas o de conservación.
Uso del algoritmo en el Valle del Indo
Para su tesis Iban entrenó a la IA utilizando información de yacimientos previamente conocido, abarcando una región de alrededor de 475.000 kilómetros cuadrados, permitiéndole afinar y mejorar su precisión. El algoritmo utilizado tiene la habilidad de identificar fragmentos minúsculos de cerámica y fitocitos, residuos dejados por plantas en descomposición, en el terreno, caminos, muros… ¿Cómo lo logra? A través del análisis meticuloso de imágenes tomadas por satélites, drones y aeronaves, además de examinar mapas actuales y antiguos para identificar rutas y divisiones de terreno que puedan indicar la presencia de antiguos asentamientos humanos.
Gracias a esta innovadora herramienta, se han descubierto alrededor de 6.000 sitios arqueológicos potenciales en el valle del Indo, una vasta región que se extiende entre Pakistán e India.
Berganzo tiene la ambición de ampliar su investigación a toda India. Esta herramienta no solo tiene el potencial de revolucionar la arqueología, sino que también representa un ahorro significativo en términos financieros. Las excavaciones arqueológicas, a menudo costosas, pueden ahora ser más precisas, reduciendo el gasto y maximizando el retorno en términos de descubrimientos históricos.
Técnicas de inteligencia artificial utilizadas en la arqueología
Tal y como explica Iban Berganzo en su tesis algunas de las técnicas principales que se utilizan en la arqueología computacional son:
- Lidar multitemporal: Es una técnica de detección remota que utiliza pulsos de luz láser para medir distancias entre el sensor y la Tierra, permitiendo crear mapas topográficos tridimensionales. La característica «multitemporal» implica que se toman múltiples lecturas a lo largo del tiempo para observar cambios o identificar características específicas.
- Aprendizaje automático híbrido: Combina diferentes modelos o algoritmos de aprendizaje automático para mejorar la precisión y eficiencia en la detección y clasificación de datos.
- Refinamiento: Es un proceso iterativo donde los modelos o algoritmos se ajustan y mejoran a medida que se obtienen más datos o se realizan más análisis.
- Curriculum learning: Es una técnica de entrenamiento de modelos en la que primero se presentan tareas más simples y, a medida que el modelo mejora, se introducen tareas más complejas, similar a cómo un currículo escolar se va complicando con el tiempo.
- Blob analysis: Es una técnica de procesamiento de imágenes donde se identifican y analizan regiones en una imagen que difieren en propiedades, como brillo o color, en comparación con áreas circundantes.
- Métodos de aumento de datos: Se refieren a técnicas que generan nuevos datos a partir de los datos existentes, a través de transformaciones como rotaciones, zoom o recortes, para mejorar el entrenamiento de los modelos de aprendizaje automático.
- Imágenes de satélites multiespectrales: Son imágenes captadas en diferentes bandas del espectro electromagnético, lo que permite identificar características que no son visibles para el ojo humano.
- Fotografías RGB de plataformas VANT: Fotografías tomadas por Vehículos Aéreos No Tripulados (VANT) o drones, en el espectro de color Rojo-Verde-Azul (RGB).
- Mapas históricos: Son recursos antiguos que proporcionan información sobre la ubicación y existencia de sitios o estructuras en el pasado.
- Combinaciones de sensores, datos y fuentes: Implica la integración y análisis de datos de diferentes sensores y fuentes para obtener una comprensión más completa y precisa de los sitios arqueológicos.
A pesar de estas impresionantes capacidades, Berganzo enfatiza la importancia del trabajo humano en la arqueología. Aunque la IA puede liberar a los arqueólogos de tareas rutinarias, el análisis en profundidad y el trabajo de campo siguen siendo esenciales. El futuro de la arqueología, parece ser una combinación de tradición y tecnología.
