AI賦能考古學(xué)： 從泥土深處到數(shù)字未來

AI正以前所未有的深度和廣度滲透到考古學(xué)的各個(gè)層面，從根本上改變著我們發(fā)現(xiàn)、研究、保護(hù)和傳承人類歷史的方式。

考古學(xué)，這門致力于理解和重建人類過去的學(xué)科，其自身的發(fā)展史便是一部方法論不斷革新的歷史。從皮特里（F.Petrie）在1900年代初期開創(chuàng)性地運(yùn)用定量方法為陶器序列排序[1]，到1960年代在新考古學(xué)思潮推動下，系統(tǒng)論、計(jì)算機(jī)模擬和統(tǒng)計(jì)學(xué)分析的廣泛引人，再到地理信息系統(tǒng)（geographicinformationsystem，GIS）成為空間分析不可或缺的工具，考古學(xué)始終在積極擁抱能夠增強(qiáng)其解釋能力的新技術(shù)。進(jìn)入21世紀(jì)，人工智能（AI)，特別是其子領(lǐng)域機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，正以前所未有的深度和廣度融人考古學(xué)研究的各個(gè)環(huán)節(jié)。這并非一次突兀的技術(shù)革命，而是該領(lǐng)域長期以來數(shù)據(jù)驅(qū)動和定量化趨勢的一次根本性加速和范式升級。AI是能夠模擬人類智能（如推理、學(xué)習(xí)和決策）的系統(tǒng)總稱。其核心分支機(jī)器學(xué)習(xí)使軟件能通過從數(shù)據(jù)中學(xué)習(xí)規(guī)律來提高預(yù)測準(zhǔn)確性，而更深層次的深度學(xué)習(xí)則基于模仿人腦結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)，通過處理海量數(shù)據(jù)進(jìn)行自主學(xué)習(xí)。這些技術(shù)與考古的深度融合，為考古學(xué)研究開創(chuàng)新的篇章。

AI賦能考古遺址勘探與發(fā)掘

傳統(tǒng)的考古調(diào)查方法，如野外勘查和地表測繪，是發(fā)現(xiàn)考古遺址的重要手段。然而，這些方法受地形、植被和人類活動等因素的限制，存在可訪問性差、記錄不均衡、主觀性強(qiáng)等問題。近年來，遙感技術(shù)與AI的融合，為大規(guī)模、高精度的遺址檢測提供了新的可能。利用AI算法，可以處理海量的遙感數(shù)據(jù)，從中自動識別潛在的考古遺址[2]。深度學(xué)習(xí)模型，特別是卷積神經(jīng)網(wǎng)絡(luò)（CNN）與高分辨率的激光雷達(dá)（LiDAR）地形數(shù)據(jù)結(jié)合，推動了技術(shù)的極大發(fā)展[3]。AI模型被訓(xùn)練來識別與瑪雅建筑相關(guān)的特定地形模式，如平臺、金字塔的規(guī)則幾何形狀，以及堤道和水渠的線性特征，從而實(shí)現(xiàn)了大規(guī)模的自動化檢測。2018年，在危地馬拉北部的一項(xiàng)研究中，AI輔助分析LiDAR數(shù)據(jù)新發(fā)現(xiàn)了6萬多處瑪雅建筑，包括金字塔、宮殿、防御工事、房屋地基，以及連接各個(gè)城邦、總長超過160千米的高架堤道網(wǎng)絡(luò)。在伯利茲，類似的技術(shù)揭示了廣闊的濕地農(nóng)業(yè)系統(tǒng)，其規(guī)模是先前估計(jì)的5倍，證明了瑪雅人曾進(jìn)行過大規(guī)模的集約化農(nóng)業(yè)。這些發(fā)現(xiàn)從根本上重塑了我們對瑪雅文明的認(rèn)知，揭示了一個(gè)人口遠(yuǎn)比想象中密集、社會結(jié)構(gòu)更為復(fù)雜，并對環(huán)境進(jìn)行了深度改造的超級文明。近年來，隨著無人機(jī)載LiDAR技術(shù)的普及，數(shù)據(jù)采集成本大幅降低，讓這項(xiàng)革命性技術(shù)變得更加普及。

此外，考古預(yù)測建模（APM）也因AI而深化。在中國陜西和日本進(jìn)行的研究中，研究者利用深度學(xué)習(xí)的注意力機(jī)制（attentionmechanism），讓模型自動學(xué)習(xí)不同地形和水文因素對遺址分布的權(quán)重，從而更深刻地理解古代人類的定居選擇與人地關(guān)系[4]。AI與既有研究工具的結(jié)合正在創(chuàng)造一種全新的、在景觀甚至大陸尺度上展開的工作，將考古學(xué)分析的基本單元從孤立的遺址轉(zhuǎn)變?yōu)橄嗷リP(guān)聯(lián)的景觀。

AI在文物修復(fù)與保護(hù)中的應(yīng)用

考古發(fā)掘出土的文物，尤其是陶器、壁畫和雕塑，往往以破碎的狀態(tài)呈現(xiàn)，需要大量人工投入。AI正通過幾何匹配、視覺生成和機(jī)器人技術(shù)，為這項(xiàng)工作帶來革命性的解決方案。古羅馬城市龐貝遺址出土了數(shù)以萬計(jì)的遺物碎片。對于人類考古學(xué)家而言，將這些碎片拼合復(fù)原是一項(xiàng)幾乎不可能完成的任務(wù)。歐盟資助的RePAIR項(xiàng) 目（ReconstructingthePast:ArtificialIntelligenceandRoboticsMeetCulturalHeritage)正致力于攻克這一難題。在陶器碎片的研究中，研究人員采用了雙管齊下的技術(shù)路徑。在器形復(fù)原方面，利用基于圖神經(jīng)網(wǎng)絡(luò)（GNN）的算法來分析斷裂面的幾何屬性（如曲率、輪廓線），以預(yù)測匹配關(guān)系。在紋飾修復(fù)方面，則采用生成式AI模型。例如，通過在大量完整的同類藝術(shù)品（如中國仰韶時(shí)期的彩陶）數(shù)據(jù)集上進(jìn)行訓(xùn)練，AI能夠?qū)W習(xí)這類藝術(shù)品的風(fēng)格。當(dāng)面對有殘缺的陶片時(shí)，模型能夠以一種與原作風(fēng)格高度一致的方式，補(bǔ)充并猜測缺失的部分[5]。浙江大學(xué)的研究人員已經(jīng)利用AI成功地對古代中國繪畫進(jìn)行了數(shù)字化色彩修復(fù)，將原本需要長達(dá)1年的修復(fù)過程縮短至3個(gè)月。

傳統(tǒng)的文物修復(fù)深度依賴于修復(fù)者個(gè)人的技藝和主觀闡釋，其產(chǎn)物往往是一個(gè)單一的、看似確鑿無疑的復(fù)原結(jié)果。AI的介入，正在將修復(fù)實(shí)踐從這種闡釋性重建轉(zhuǎn)向概率性重建。AI模型本質(zhì)上是在概率空間中運(yùn)作，其輸出不再是一個(gè)單一的結(jié)果，而是一組附有置信度水平的科學(xué)假設(shè)。這與科學(xué)研究的基本過程更為契合。正如希臘維爾吉納古墓壁畫數(shù)字修復(fù)項(xiàng)目的首席研究員所言：“每一次修復(fù)研究本身也是一種闡釋。它是一個(gè)提議，絕非最終定論。像這樣的數(shù)字修復(fù)可以被永久地改進(jìn)和修正”。AI為文物修復(fù)這門古老的技藝引入了一種更透明、更具科學(xué)嚴(yán)謹(jǐn)性的新認(rèn)知論。

AI助力古人類研究的深度解析

在古人類學(xué)研究中，首要環(huán)節(jié)是對遺骸的性別、年齡和身高等生物學(xué)特征進(jìn)行判定。傳統(tǒng)方法依賴骨骼形態(tài)學(xué)觀察，不僅耗時(shí)，而且結(jié)果易受個(gè)體經(jīng)驗(yàn)影響。AI技術(shù)為此提供了標(biāo)準(zhǔn)化方案。目前，研究團(tuán)隊(duì)已采用卷積神經(jīng)網(wǎng)絡(luò)對頭骨的三維模型或二維圖像進(jìn)行分析。通過在大規(guī)模已知性別樣本上訓(xùn)練，AI模型能夠準(zhǔn)確識別判定性別的關(guān)鍵形態(tài)特征。基于遷移學(xué)習(xí)，模型使用數(shù)干例現(xiàn)代人頭骨的三維CT掃描數(shù)據(jù)，自動聚焦于性別差異顯著的顱骨區(qū)域，并剔除無關(guān)背景信息，由此顯著提升判定的準(zhǔn)確性和效率。

該方法具備良好可擴(kuò)展性，可用于其他骨骼部位的年齡、種系等特征判定，也可在考古發(fā)掘現(xiàn)場通過智能手機(jī)拍攝的普通照片進(jìn)行快速初步分析，大幅提高現(xiàn)場信息獲取效率。AI驅(qū)動的自動化分析將古人類學(xué)從依賴專家經(jīng)驗(yàn)的手藝，轉(zhuǎn)變?yōu)榱炕蛿?shù)據(jù)驅(qū)動的科學(xué)。下一步研究將著力提升模型對多種數(shù)據(jù)類型的適用性，例如直接處理來自發(fā)掘現(xiàn)場的光學(xué)圖像，而不僅限于實(shí)驗(yàn)室CT數(shù)據(jù)。長期來看，這一自動化框架有望從頭骨判定擴(kuò)展至全骨骼體系的特征識別。

AI在古文字破譯及歷史數(shù)據(jù)挖掘中的實(shí)踐

古代文字是研究歷史思想與社會結(jié)構(gòu)的核心資料，但其載體時(shí)常面臨破損或文字失傳的難題。自然語言處理（NLP）和計(jì)算機(jī)視覺技術(shù)為這些文本的解讀與修復(fù)提供了支持。在處理原始文本時(shí)，AI可用于文本標(biāo)準(zhǔn)化，增強(qiáng)圖像質(zhì)量。比如，針對字跡形態(tài)多樣的古代手寫文本（如楔形文字），“ProtoSnap”項(xiàng)目利用生成式AI模型，先將形態(tài)不一的字符圖像處理成清晰、統(tǒng)一的標(biāo)準(zhǔn)化格式，再將這些優(yōu)化后的數(shù)據(jù)用于訓(xùn)練識別與翻譯模型，以提升其最終的準(zhǔn)確率。同時(shí)，一些項(xiàng)目（如“電子巴比倫圖書館”）則利用AI算法對散布于不同機(jī)構(gòu)的文物碎片進(jìn)行虛擬匹配和拼接，已成功復(fù)原了部分已失傳的文獻(xiàn)。

此外，AI也在幫助重建文本的歷史語境。通過對某一語言的全部存世語料庫進(jìn)行統(tǒng)計(jì)分析，AI模型可以預(yù)測特定銘文的書寫年代和地理來源。這種方法將銘文研究從對孤立文本的解讀，引向了基于網(wǎng)絡(luò)科學(xué)（networkscience）的宏觀分析。它使得研究者能將全部語料視為一個(gè)相互關(guān)聯(lián)的龐大數(shù)據(jù)集，從中發(fā)掘大規(guī)模的文化互動與歷史變遷模式。

基于AI的考古數(shù)據(jù)智能網(wǎng)絡(luò)平臺構(gòu)建

考古學(xué)研究產(chǎn)生的數(shù)據(jù)量正快速增長，對數(shù)據(jù)的高效管理與利用提出了更高要求。自然語言處理技術(shù)能夠?qū)脊艌?bào)告和文獻(xiàn)進(jìn)行自動化的信息提取。通過命名實(shí)體識別（NER）文檔分類和主題建模等技術(shù)，AI可以從非結(jié)構(gòu)化的文本中自動識別并標(biāo)注出地點(diǎn)、年代、器物類型等關(guān)鍵元數(shù)據(jù)，提升資料的可檢索性。目前，考古數(shù)據(jù)庫建設(shè)普遍存在數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)庫之間缺乏關(guān)聯(lián)性的問題。信息主要依賴人工錄人，限制了數(shù)據(jù)更新的速度和綜合利用的深度。Archaeotools項(xiàng)目是一個(gè)杰出的實(shí)踐案例。在該項(xiàng)目中，考古數(shù)據(jù)服務(wù)中心的團(tuán)隊(duì)利用信息提取技術(shù)，自動掃描考古報(bào)告，識別并標(biāo)注出其中關(guān)鍵的元數(shù)據(jù)，如遺址的地理位置、所屬的考古學(xué)時(shí)期、發(fā)現(xiàn)的器物類型（如“羅馬陶器”、“青銅時(shí)代斧”）等。這不僅極大地加速了文獻(xiàn)的編目過程，更重要的是，通過后續(xù)開發(fā)的多語種考古學(xué)詞匯表，該項(xiàng)目成功實(shí)現(xiàn)了對歐洲多國考古文獻(xiàn)的跨語言信息提取。這意味著，一位英國的研究者可以檢索到用法語或德語撰寫的、關(guān)于特定主題的報(bào)告，AI自動跨越了語言的藩籬。這種互操作性的提升，對于促進(jìn)國際合作和開展大尺度的比較研究具有革命性的意義。

未來的發(fā)展趨勢是利用AI構(gòu)建智能化的考古數(shù)據(jù)網(wǎng)絡(luò)。AI技術(shù)將不僅用于單個(gè)數(shù)據(jù)庫內(nèi)部的數(shù)據(jù)清理和自動分類，還將致力于實(shí)現(xiàn)跨數(shù)據(jù)庫平臺的數(shù)據(jù)關(guān)聯(lián)。在這個(gè)未來的圖景中，不同類型的考古遺存，如陶瓷器、金屬器、動植物遺存及人類遺骸，將被組織成各自專業(yè)的子數(shù)據(jù)庫模塊。AI算法將在其中扮演核心角色，承擔(dān)數(shù)據(jù)清理、自動分類和關(guān)系提取等關(guān)鍵任務(wù)。例如，利用圖像識別技術(shù)，系統(tǒng)可以自動識別考古照片中器物的紋飾和形態(tài)，并為其打上標(biāo)準(zhǔn)化的標(biāo)簽；利用NLP技術(shù)，系統(tǒng)可以從發(fā)掘記錄中自動提取遺存的伴出關(guān)系、地層信息等，并將其鏈接到對應(yīng)的數(shù)據(jù)庫條目中。

AI考古學(xué)面臨的挑戰(zhàn)

AI輔助文化遺產(chǎn)體驗(yàn)的創(chuàng)新

文化遺產(chǎn)的最終價(jià)值在于其與當(dāng)代社會的聯(lián)系。如何讓塵封的歷史“活”起來，讓公眾不僅僅是觀看，而是能夠體驗(yàn)、互動和共情，是全球文化遺產(chǎn)機(jī)構(gòu)面臨的共同挑戰(zhàn)。AI與虛擬現(xiàn)實(shí)（VR）增強(qiáng)現(xiàn)實(shí)（AR）、數(shù)字孿生以及元宇宙等前沿技術(shù)的結(jié)合，正在開辟一條全新的公眾參與路徑，將博物館和遺址地從靜態(tài)的展示空間，轉(zhuǎn)變?yōu)槌錆M活力的、可供探索的廣場。

對于大多數(shù)游客而言，考古遺址的斷壁殘?jiān)茈y與歷史上生機(jī)勃勃的城市生活聯(lián)系起來。數(shù)智城市和元宇宙技術(shù)，通過精細(xì)的三維建模和虛擬現(xiàn)實(shí)，可以將古代城市或歷史遺址在數(shù)字空間中完整重現(xiàn)。許多人參觀古代遺址后表示，由于一切都是廢墟，很難理解當(dāng)時(shí)的空間和生活狀態(tài)。VR和AR技術(shù)正在彌合這種想象的鴻溝。在龐貝古城，游客可以使用AR眼鏡或平板電腦，在真實(shí)的廢墟上看到其完整的3D復(fù)原樣貌[。這些技術(shù)結(jié)合生成式AI還可以填補(bǔ)缺失信息，推測和生成符合歷史風(fēng)格的建筑結(jié)構(gòu)、紋理和裝飾。這比純手動建模更高效，且能生成多種可能的復(fù)原方案。

此外，過去為游客設(shè)置的動畫虛擬人物，可以經(jīng)由行為樹（behaviortrees）或更高級的機(jī)器學(xué)習(xí)模型等AI驅(qū)動來模擬古代人的真實(shí)社會行為、對游客的出現(xiàn)做出反應(yīng)、進(jìn)行復(fù)雜的交互。通過創(chuàng)造高度逼真的“數(shù)智人”（digitalhumans)，文化機(jī)構(gòu)可以為游客提供個(gè)性化、互動式的導(dǎo)覽體驗(yàn)。例如，倫敦大英博物館已經(jīng)開始探索利用AR技術(shù)，讓游客可以通過移動設(shè)備與虛擬的古埃及蔡司或羅馬百夫長進(jìn)行互動。這些數(shù)智人不僅僅是預(yù)設(shè)腳本的播放器，其背后強(qiáng)大的NLP和視覺識別能力，使它們能夠理解游客的提問，并根據(jù)游客正在觀看的展品提供相關(guān)的講解和故事。這種兼具教育性與娛樂性的沉浸式體驗(yàn)，能夠極大地激發(fā)公眾，特別是年輕一代，對歷史的興趣。

可以說，VR/AR提供了體驗(yàn)的媒介，而AI則提升了這個(gè)媒介中所呈現(xiàn)內(nèi)容的智能程度，讓重建更逼真、讓虛擬人物更鮮活、讓從體驗(yàn)中收集的數(shù)據(jù)分析更深刻。AI是實(shí)現(xiàn)動態(tài)系統(tǒng)和能動要素的關(guān)鍵，而不只是呈現(xiàn)靜態(tài)的3D模型。

AI為考古學(xué)帶來巨大機(jī)遇的同時(shí)，也伴隨著諸多挑戰(zhàn)。AI并非中立的工具，它的應(yīng)用正迫使我們重新審視考古學(xué)的數(shù)據(jù)、方法乃至倫理根基。

數(shù)據(jù)困境AI的核心是數(shù)據(jù)，而考古學(xué)數(shù)據(jù)的內(nèi)在特性，構(gòu)成了AI應(yīng)用的首要障礙。眾所周知，AI遵循“垃圾進(jìn)，垃圾出”的基本原則?？脊艑W(xué)的數(shù)據(jù)檔案并非完美無瑕，它們本身就是歷史的產(chǎn)物，記錄了過去研究的偏好與偏見。例如，歷史上許多考古工作在殖民主義思想影響下，更側(cè)重于發(fā)掘宏偉的紀(jì)念性建筑，而忽視了普通人的日常生活遺跡。如果用這類存在偏差的數(shù)據(jù)集來訓(xùn)練AI，模型不僅會學(xué)習(xí)并復(fù)制這種偏見，甚至?xí)ㄟ^算法將其固化和放大，產(chǎn)出對歷史的片面解讀[7。

與AI通常依賴的大規(guī)模、標(biāo)準(zhǔn)化數(shù)據(jù)集不同，一項(xiàng)考古發(fā)現(xiàn)可能在數(shù)十年間只有零星產(chǎn)出，出土的文物往往殘破不堪，記錄方式也因時(shí)代和地域而異。這種數(shù)據(jù)特點(diǎn)給AI的訓(xùn)練帶來了巨大挑戰(zhàn)[]。以陶器分類這一具體應(yīng)用為例，挑戰(zhàn)尤為明顯。在考古中，某些稀有類型的陶器或許是判斷文化交流或年代的關(guān)鍵證據(jù)，但它們在出土文物中占比極低。一個(gè)在不平衡數(shù)據(jù)集上訓(xùn)練的AI模型，可能會為了追求整體上的高準(zhǔn)確率，而選擇性地忽視這些稀有樣本。這便導(dǎo)致了所謂的準(zhǔn)確性悖論：模型報(bào)告的總體準(zhǔn)確率可能高達(dá) 99% ，但它識別稀有關(guān)鍵類型的能力可能為零。此時(shí)，AI帶來的就不是幫助，而是誤導(dǎo)。此外，處理殘破的陶片而非完整器物，也讓基于圖像識別的AI模型性能大打折扣。

算法黑箱如果說數(shù)據(jù)是基礎(chǔ)，那么算法的透明度就是建立信任的關(guān)鍵。當(dāng)前，許多強(qiáng)大的AI模型，特別是深度學(xué)習(xí)網(wǎng)絡(luò)，其內(nèi)部決策過程極其復(fù)雜[8]，以至于研究者也難以完全解釋模型為何會得出某一特定結(jié)論。這種不透明性被稱為黑箱問題，它直接挑戰(zhàn)了科學(xué)研究的核心要求一一過程的可驗(yàn)證性和可重復(fù)性。這可能會動搖考古學(xué)作為一門科學(xué)的根基。如果一位考古學(xué)家無法解釋結(jié)果背后的推理過程，只是簡單地歸因于AI顯示的結(jié)果，那么這項(xiàng)發(fā)現(xiàn)便失去了學(xué)術(shù)嚴(yán)謹(jǐn)性。當(dāng)這種不透明的產(chǎn)出被用于公共展示時(shí)，風(fēng)險(xiǎn)進(jìn)一步加劇。一個(gè)由AI生成的、看似精確的古城3D復(fù)原模型，可能會向公眾傳遞一種“這就是歷史原貌”的誤導(dǎo)性確定感，掩蓋了其背后所有的數(shù)據(jù)偏見、算法假設(shè)和解釋的不確定性，這從根本上違背了考古學(xué)作為一門解釋性科學(xué)的初衷[9]。

價(jià)值偏見首先，帶有偏見的AI可能會塑造和強(qiáng)化有缺陷的歷史敘事。一個(gè)主要用西方文獻(xiàn)和歷史觀訓(xùn)練的AI，在分析非西方文化遺產(chǎn)時(shí)，可能會套用不合適的框架，從而產(chǎn)生扭曲的解讀[7]。此外，對于世界各地的原住民社群而言，其祖先的遺骸、器物、遺址數(shù)據(jù)不僅僅是信息，而是他們活態(tài)文化遺產(chǎn)中不可分割的一部分?？脊艑W(xué)家不能再理所當(dāng)然地將這些數(shù)據(jù)視為可以隨意采集和使用的資源。

未來之路：構(gòu)建負(fù)責(zé)任的考古AI

面對上述挑戰(zhàn)，考古學(xué)界并非要拒絕AI，而是需要積極地去引導(dǎo)和塑造其發(fā)展方向。一個(gè)負(fù)責(zé)任的考古AI未來，應(yīng)當(dāng)建立在以下幾個(gè)支柱之上。

以人機(jī)協(xié)同為標(biāo)準(zhǔn)實(shí)踐未來的主流模式不應(yīng)是AI取代人類，而是增強(qiáng)人類。考古學(xué)家的專業(yè)知識、批判性思維和實(shí)地經(jīng)驗(yàn)是AI無法替代的。LiDAR遺址的驗(yàn)證過程便是絕佳的例子：考古學(xué)家利用自己的知識對AI的結(jié)果進(jìn)行篩選、實(shí)地核查，并將驗(yàn)證后的真/假判斷反饋給AI，從而迭代式地訓(xùn)練出一個(gè)更精準(zhǔn)、更適應(yīng)當(dāng)?shù)丨h(huán)境的模型[10]。AI是強(qiáng)大的工具，但手握工具并決定如何使用的，永遠(yuǎn)應(yīng)該是考古學(xué)家。

以“可解釋性AI”實(shí)現(xiàn)透明為了打破黑箱，考古學(xué)界必須擁抱AI技術(shù)。例如，在AI做出判斷后，以可視化的方式向研究者展示模型看到了什么以及哪些特征是其決策的關(guān)鍵[1]。這使得考古學(xué)家能評估AI的判斷邏輯是否合理，是真正基于考古學(xué)特征，還是僅僅因?yàn)閳D像背景中的巧合。這讓AI從一個(gè)提供答案的神秘盒子，變成了一個(gè)可以與之對話、可以被審視的合作者。

倫理框架為項(xiàng)目前提FAIR原則，即可發(fā)現(xiàn)（findable）、可訪問（accessible）可互操作（interoperable)和可重用（reusable）等倫理框架不應(yīng)是項(xiàng)目完成后的補(bǔ)充檢查項(xiàng)，而必須是項(xiàng)目設(shè)計(jì)之初就內(nèi)置的核心要素。在任何涉及原住民或地方社群文化遺產(chǎn)的AI研究啟動之前，必須就數(shù)據(jù)的所有權(quán)、使用權(quán)和利益分享達(dá)成清晰、公正的協(xié)議。

推動跨學(xué)科合作與批判性教育考古學(xué)家與數(shù)據(jù)科學(xué)家之間需要建立更緊密的合作關(guān)系，確保開發(fā)出的AI工具能真正解決考古學(xué)的實(shí)際問題。同時(shí)，未來的考古學(xué)教育必須包含AI素養(yǎng)課程。目標(biāo)不是培養(yǎng)每個(gè)考古學(xué)家都成為程序員，而是讓他們成為AI技術(shù)批判性的使用者，能充分理解其能力邊界、內(nèi)在偏見和潛在風(fēng)險(xiǎn)。

AI對考古學(xué)而言，既非靈丹妙藥，也非洪水猛獸。它是一項(xiàng)強(qiáng)大的、具有顛覆性的技術(shù)，其價(jià)值和風(fēng)險(xiǎn)完全取決于我們?nèi)绾问褂盟?。如果我們僅僅追求速度和效率，而忽視了其背后的數(shù)據(jù)、算法和倫理問題，那么AI很可能會成為生產(chǎn)新偏見的工廠。但如果我們以開放、審慎和負(fù)責(zé)任的態(tài)度，將人類的智慧與機(jī)器的智能相結(jié)合，那么AI將有望成為一把探索人類過去的、前所未有的手鏟，幫助我們提出更深刻的問題，并以更包容、更科學(xué)的方式，講述屬于全人類的更完整的故事。

[1] Bickler S H. Machine learning arrives in archaeology. Advances in Archaeological Practice，2021，9(2):186-191.

[2]Mehrnoush S，Mehrtash A， Khazraee E.Deep learning in archaeological remote sensing:Automated qanat detection in the Kurdistan Region of Iraq. Remote Sensing，2020，12:500.

[3]Argyrou A， Agapiou A. A review of artificial intelligence and remote sensingfor archaeological research.Remote Sensing，2022， 14(23):6000.

[4] Wang Y， Shi X， Oguchi T.Archaeological predictive modeling using machine learning and statistical methods for Japan and China. ISPRS International Journal of Geo-Information，2023，12(6): 238.

[5]Stamatopoulos MI， Anagnostopoulos C N. 3D digital reassembling of archaeological ceramic pottery fragments based on their thickness profile.arXiv，2016.arXiv:1601.05824.

[6]Assael Y， Sommerschield T， Shillingford B，etal.Restoringand attributingancient textsusingdeep neural networks.Nature， 2022， 603 (7900): 280-283.

[7]Tenzer M， Pistili G， Brandsen A， et al. Debating AI in archaeology: applications，implications，and ethical considerations.Internet Archaeology， 2024， (67): 8.

[8]Agapiou A， Vionis A，Papantoniou G. Detection of archaeological surface ceramics using deep learning image-based methods and veryhigh-resolutionuavimageries.Land，2021，10(12):1365.

[9]VitaleV.Rethinking3D visualisation:From photorealistic visual aid to multivocal environment to study and communicate cultural heritage.London:King's College，2017.

[10] Canedo D，Hipolito J，F(xiàn)onte J， et al. The Synergy between artificial intelligence，remote sensing，and archaeological fieldwork validation.Remote Sensing，2024，16(11):1933.

[11]Labba C，Alcouffe A，Crubézy E，et al. IArch: An AI tool for digging deeper into archaeological data.2023 IEEE 35th International Conference on ToolswithArtificial Intelligence (ICTAI)，Nov 2023.DOI:10.1109/ICTA159109.2023.00012.