AI opdager skibsvrag fra havoverfladen og fra luften

I samarbejde med United States Navy's Underwater Archaeology Branch, Jeg lærte en computer at genkende skibsvrag på havbunden fra scanninger taget af fly og skibe på overfladen. Den computermodel, vi skabte, er 92% nøjagtig til at finde kendte skibsvrag. Projektet fokuserede på kysterne på fastlandet i USA og Puerto Rico. Den er nu klar til at blive brugt til at finde ukendte eller ukortlagte skibsvrag.

Det første skridt i at skabe skibsvrag-modellen var at lære computeren, hvordan et skibsvrag ser ud. Det var også vigtigt at lære computeren at kende forskel på vrag og havbundens topografi. At gøre dette, Jeg havde brug for mange eksempler på skibbrud. Jeg havde også brug for at lære modellen, hvordan den naturlige havbund ser ud.

Bekvemt, National Oceanic and Atmospheric Administration fører en offentlig database over skibsvrag. Det har også en stor offentlig database med forskellige typer billeder indsamlet fra hele verden, inklusive ekkolods- og lidarbilleder af havbunden. De billeder, jeg brugte, strækker sig til lidt over 14 miles (23 kilometer) fra kysten og til en dybde på 279 fod (85 meter). Dette billede indeholder enorme områder uden skibsvrag, samt lejlighedsvis skibbrud.

At finde skibsvrag er vigtigt for at forstå den menneskelige fortid - tænk handel, migration, krig – men undervandsarkæologi er dyrt og farligt. En model, der automatisk kortlægger alle skibsvrag over et stort område, kan reducere den tid og omkostninger, der er nødvendige for at lede efter vrag, enten med undervandsdroner eller menneskelige dykkere.

Navy's Underwater Archaeology Branch er interesseret i dette arbejde, fordi det kunne hjælpe enheden med at finde ukortlagte eller ukendte flådeskibsvrag. Mere bredt, dette er en ny metode inden for undervandsarkæologi, der kan udvides til at lede efter forskellige typer neddykkede arkæologiske træk, herunder bygninger, statuer og flyvemaskiner.

Dette projekt er den første arkæologi-fokuserede model, der blev bygget til automatisk at identificere skibsvrag over et stort område, i dette tilfælde hele kysten af ​​fastlandet i USA. Der er et par relaterede projekter, der er fokuseret på at finde skibsvrag ved hjælp af dyb læring og billeder indsamlet af en undervandsdrone. Disse projekter er i stand til at finde en håndfuld skibsvrag, der befinder sig i området umiddelbart omkring dronen.

Vi vil gerne inkludere flere skibbruds- og billeddata fra hele verden i modellen. Dette vil hjælpe modellen til at blive rigtig god til at genkende mange forskellige typer skibsvrag. Vi håber også, at Søværnets Undervandsarkæologiske Afdeling vil dykke til nogle af de steder, hvor modellen har opdaget skibsvrag. Dette vil give os mulighed for at kontrollere modellens nøjagtighed mere omhyggeligt.

Jeg arbejder også på et par andre arkæologiske maskinlæringsprojekter, og de bygger alle på hinanden. Det overordnede mål med mit arbejde er at bygge en tilpasselig arkæologisk maskinlæringsmodel. Modellen vil hurtigt og nemt kunne skifte mellem at forudsige forskellige typer arkæologiske træk, på land såvel som under vandet, i forskellige dele af verden. Til denne ende, Jeg arbejder også på projekter med fokus på at finde gamle Maya arkæologiske strukturer, grotter på et arkæologisk område fra Maya og rumænske gravhøje.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.