考古数据科学中的意义屏障
计算机视觉与模式识别
2021-02-12 v1 机器学习
摘要
考古学家与其他科学家一样，正经历学科中的数据洪流，其由计算能力及设备的激增所推动，这些设备能够创建、收集、存储和传输日益复杂（且庞大）的数据量，例如来自多种来源的遥感影像。在本文中，我们提出一个初步问题：这种日益增长的信息可用性是否确实需要新的计算机化技术以及人工智能方法，以对考古问题获得崭新且更深的理解。简言之，尽管深度学习（DL）作为一种受人类学习方式启发的机器学习设计已变得普遍，并被用于执行人们可能描述为智能的自动操作，我们在此希望预见一场围绕以下主题的探讨：遵循此过程训练的机器，能否像人类那样从考古数据中外推概念与意义。甚至在获得技术结果之前，我们将以一个非常基本的概念开启反思：一组带有显著考古遗址的卫星图像，是否足以指导 DL 机器发现新的考古遗址以及其他潜在感兴趣的位置？进一步，若以较少智能、通过人工编程规则来学习的机器也能达到类似结果，又当如何？最后：若以意义屏障指代机器所能达成类人理解的程度，那么在考古数据科学中该屏障应置于何处？
引用
@article{arxiv.2102.06022,
title = {The Barrier of meaning in archaeological data science},
author = {Luca Casini and Marco Roccetti and Giovanni Delnevo and Nicolo' Marchetti and Valentina Orru'},
journal= {arXiv preprint arXiv:2102.06022},
year = {2021}
}