AI 進軍考古學！科學家用深度學習算法發(fā)現了近 100 萬年前人類用火的證據，登上PNAS

火的使用是智人進化的一個關鍵因素，火不僅可以用于創(chuàng)造更復雜的工具，還可讓食物變得更安全，從而有助于大腦的發(fā)育。

迄今為止，全球范圍內僅發(fā)現了5個可追溯到50萬年前用火證據的遺址，包括位于南非的Wonderwerk洞穴和Swartkrans、肯尼亞的Chesowanja、以色列的Gesher Benot Ya'aqov、西班牙的Cueva Negra。

現在，以色列的一個研究團隊利用人工智能算法發(fā)現了第六個表明人類用火痕跡的遺址！這項研究揭示了以色列一個舊石器時代晚期遺址中存在人類用火的證據。研究成果已發(fā)表在PNAS期刊上。

AI 進軍考古學！科學家用深度學習算法發(fā)現了近 100 萬年前人類用火的證據，登上PNAS


1

AI 進軍考古
傳統(tǒng)的考古方法對于早期古人類遺址使用火源的識別，主要依賴于對蝕變沉積物、巖屑和骨骼的視覺評估，例如，土壤變紅、變色、翹曲、開裂、收縮、變暗等等，這可能會低估當時人類用火的普遍程度。

而在這項研究中，作者團隊開發(fā)了一種基于拉曼光譜和深度學習算法的光譜「溫度計」，用來估計燧石偽影的熱暴露，檢測極端高溫扭曲材料的原子結構，從而彌補了用火痕跡在視覺特征上的可能缺失。

研究表明，以色列的舊石器時代早期露天遺址（Evron Quarry）存在被火燒過的動物和巖屑殘存，年代介于100萬至80萬年前之間。

AI 進軍考古學！科學家用深度學習算法發(fā)現了近 100 萬年前人類用火的證據，登上PNAS


研究團隊首先對1976-1977年在Evron Quarry挖掘出的材料進行了研究，并沒有發(fā)現熱相關特征在視覺上的明顯證據，比如土壤變紅、燧石工具變色或開裂、收縮或動物遺骸變色等。

AI 進軍考古學！科學家用深度學習算法發(fā)現了近 100 萬年前人類用火的證據，登上PNAS

團隊測試了許多種方法，包括傳統(tǒng)的數據分析方法、機器學習建模和更先進的深度學習模型。流行的深度學習模型具有優(yōu)于其他模型的特定架構，使用AI技術的好處是它可以分析材料的化學成分，并以此估計它們的熱暴露情況。

AI技術可以可靠地區(qū)分現代燧石是否被燃燒過，而且還能揭示其燃燒的溫度�；鸬臒崃靠梢砸�起附近石頭的變化，燃燒會在原子水平上改變骨骼結構，相應的紅外光譜也會改變。

在這項研究中，團隊使用一個深度學習模型（一維卷積神經網絡）來學習燧石偽影的拉曼光譜模式，從而估計石器的溫度。與完全連接的人工神經網絡（FC-ANN）相比，該模型性能更優(yōu)，能夠將真實溫度和估計溫度之間的平均絕對誤差從118 °C降至103 °C。

AI 進軍考古學！科學家用深度學習算法發(fā)現了近 100 萬年前人類用火的證據，登上PNAS

首先，團隊對從以色列不同地方收集來的現代燧石進行預訓練，并在實驗室控制條件下加熱至已知溫度。其次，將訓練后的模型應用于未知樣品（即從Evron Quarry遺址采集的石器）。團隊采用有監(jiān)督的深度學習方法將拉曼光譜與燧石的加熱溫度關聯起來。這種方法依賴于燧石有機和無機成分發(fā)生的不可逆熱誘導結構改變，同時克服了其固有的可變性。使用深度學習模型進行溫度估計的優(yōu)點，是它可以近似熱量與α-石英、莫干巖以及D和G波段光譜區(qū)域因熱量而產生的光譜變化之間的任何非線性決策邊界。

在下圖中，石塊從視覺上并不能看出任何被火燒過的痕跡，而通過使用深度學習模型，對從石塊中收集的紫外拉曼光譜的熱暴露進行估計，發(fā)現它們都曾被加熱至200°C至600°C之間。這暗示了古人類具備控制火的能力而非僅僅使用自然野火。

AI 進軍考古學！科學家用深度學習算法發(fā)現了近 100 萬年前人類用火的證據，登上PNAS


2

后續(xù)討論
對于挖掘出的骨骼，研究團隊也經過實驗確認了它們曾被火燃燒過，作者之一Chazan表示：「如果沒有人工智能驗證的燧石結果，沒有人會費心測試這些骨頭的熱暴露情況」。

這項研究盡管尚無法確定該遺址的工具是被自然火還是人工火燃燒的。燃燒痕跡所導致的空間變化可以解釋為人類干預的證據，因為自然火通常會導致整個燃燒區(qū)域的同質熱變化。

作者承認，野火和參差不齊的植被也可能導致整個區(qū)域的溫度分布不均勻，并且溫度并不是使用野火和人工火之間的可靠區(qū)分標準。但盡管如此，石器時代器具的估計溫度、燃燒過的動物群的存在，仍能表明該遺址的古人類曾使用火的可能性。

在未來，這項研究所使用的方法可以擴展到其他舊石器時代晚期的遺址，這將有可能擴大人們對早期古人類與火之間關系的時空理解，打開了解早期人類生活的窗口。