AI進軍考古學科學家用深度學習算法發現近100萬年前人類用火證據

火的使用是智人進化的一個關鍵因素，火不僅可以用於創造更複雜的工具，還可讓食物變得更安全，從而有助於大腦的發育。迄今為止，全球範圍內僅發現了5個可追溯到50萬年前用火證據的遺址，包括位於南非的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現了第六個表明人類用火痕迹的遺址！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。研究成果已發表在PNAS期刊上。

論文地址：https://www.pnas.org/doi/epdf/10.1073/pnas.2123439119

AI 進軍考古

傳統的考古方法對於早期古人類遺址使用火源的識別，主要依賴於對蝕變沉積物、岩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，作者團隊開發了一種基於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，從而彌補了用火痕迹在視覺特徵上的可能缺失。

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岩屑殘存，年代介於100萬至80萬年前之間。

圖註：從左至右依次為Filipe Natalio、Ido Azuri、Zane Stepka

研究團隊首先對1976-1977年在Evron Quarry挖掘出的材料進行了研究，並沒有發現熱相關特徵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。

圖註：Evron Quarry遺址考古發掘現場

團隊測試了許多種方法，包括傳統的數據分析方法、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於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，並以此估計它們的熱暴露情況。

AI技術可以可靠地區分現代燧石是否被燃燒過，而且還能揭示其燃燒的溫度。火的熱量可以引起附近石頭的變化，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，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。

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，並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於未知樣品（即從Evron Quarry遺址採集的石器）。團隊採用有監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。這種方法依賴於燧石有機和無機成分發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點，是它可以近似熱量與α-石英、莫干岩以及D和G波段光譜區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，石塊從視覺上並不能看出任何被火燒過的痕迹，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。