Machine learning applications in archaeological practices: a review

要約

考古学における人工知能と機械学習の応用は近年大幅に増加しており、それらは今やあらゆるサブ分野、地理的地域、時代に広がっています。
考古学における機械学習の使用に関する最近のレビューは考古学の特定の下位分野のみに焦点を当てているため、これらのアプリケーションの普及と成功はほとんど調査されていないままです。
私たちのレビューでは、1997 年から 2022 年の間に出版された 135 件の論文の徹底的なコーパスを調査しました。2019 年以降、関連出版物の数が大幅に増加していることが観察されました。
レビューされた論文で最も代表的なタスクは自動構造検出と遺物の分類であり、タフォノミーと考古学的予測モデリングがそれに続きました。
レビューによると、クラスタリング手法と教師なし手法は教師ありモデルに比べて過小評価されていました。
人工ニューラル ネットワークとアンサンブル学習は、使用されるモデルの総数の 3 分の 2 を占めます。
ただし、機械学習の人気が高まっているにもかかわらず、依然として誤解が生じやすいです。
場合によっては、使用される機械学習手法の要件や注意事項が不十分に定義されていることが観察されました。
さらに、考古学目的での機械学習アプリケーションの目標とニーズは、場合によっては不明確であるか、表現が不十分である場合があります。
これに対処するために、私たちは考古学者が研究課題、プロジェクトの規模、データに適応した一貫性のある方法論を開発するためのワークフロー ガイドを提案しました。
他の多くの分野と同様に、機械学習は考古学の研究と実践において急速に重要なツールになりつつあり、制限がないわけではありませんが、大規模で多変量のデータの分析に役立ちます。
このレビューは、考古学における機械学習手法の応用の可能性を最大化するために、明確に定義され、十分に報告された構造化された方法論と共同作業の実践の重要性を強調しています。

要約(オリジナル)

Artificial intelligence and machine learning applications in archaeology have increased significantly in recent years, and these now span all subfields, geographical regions, and time periods. The prevalence and success of these applications have remained largely unexamined, as recent reviews on the use of machine learning in archaeology have only focused only on specific subfields of archaeology. Our review examined an exhaustive corpus of 135 articles published between 1997 and 2022. We observed a significant increase in the number of relevant publications from 2019 onwards. Automatic structure detection and artefact classification were the most represented tasks in the articles reviewed, followed by taphonomy, and archaeological predictive modelling. From the review, clustering and unsupervised methods were underrepresented compared to supervised models. Artificial neural networks and ensemble learning account for two thirds of the total number of models used. However, if machine learning is gaining in popularity it remains subject to misunderstanding. We observed, in some cases, poorly defined requirements and caveats of the machine learning methods used. Furthermore, the goals and the needs of machine learning applications for archaeological purposes are in some cases unclear or poorly expressed. To address this, we proposed a workflow guide for archaeologists to develop coherent and consistent methodologies adapted to their research questions, project scale and data. As in many other areas, machine learning is rapidly becoming an important tool in archaeological research and practice, useful for the analyses of large and multivariate data, although not without limitations. This review highlights the importance of well-defined and well-reported structured methodologies and collaborative practices to maximise the potential of applications of machine learning methods in archaeology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google