Archeologia del futuro: droni, satelliti e intelligenza artificiale alla ricerca del passato

L’intelligenza artificiale nell’analisi archeologica

Satelliti, droni e laser scanner producono quantità enormi di dati. Un singolo rilievo può generare migliaia di fotografie e milioni di punti tridimensionali. Analizzare manualmente ogni elemento richiederebbe tempi molto lunghi e, proprio per questo, l’intelligenza artificiale viene sempre più spesso utilizzata come strumento di supporto.

I sistemi di apprendimento automatico possono riconoscere forme ricorrenti, confrontare immagini, classificare reperti e segnalare aree caratterizzate da una maggiore probabilità di interesse archeologico. Non comprendono il passato nel senso umano del termine, ma individuano somiglianze statistiche all’interno dei dati.

Riconoscere forme e anomalie

Un algoritmo può essere addestrato attraverso esempi di strutture già conosciute. Dopo aver analizzato tumuli, recinti, strade, canali o edifici identificati dagli studiosi, il sistema cerca caratteristiche simili nelle nuove immagini.

Le forme geometriche, gli allineamenti, le variazioni della vegetazione e le differenze altimetriche possono essere utilizzati per assegnare a ogni area un livello di probabilità. Il risultato non costituisce una scoperta definitiva, ma aiuta a ridurre il territorio da esaminare manualmente.

Il problema dei dati di addestramento

Un modello apprende dagli esempi che gli vengono forniti. Se il materiale di addestramento riguarda soprattutto un determinato tipo di sito o un’unica area geografica, il sistema potrebbe funzionare male in contesti differenti.

Un insediamento costruito nel deserto produce tracce diverse da un villaggio nascosto dalla foresta, mentre un tumulo europeo non ha necessariamente la stessa forma di una struttura funeraria presente in un’altra parte del mondo. La qualità e la varietà dei dati iniziali sono quindi decisive.

Gli errori possono derivare anche da immagini incomplete, risoluzioni differenti e informazioni non aggiornate. Un sistema addestrato su dati poco rappresentativi rischia di riprodurre e amplificare i limiti della ricerca precedente.

Classificare ceramiche, monete e decorazioni

L’intelligenza artificiale può essere utilizzata anche dopo lo scavo, quando gli studiosi devono analizzare grandi quantità di materiali. Fotografie di frammenti ceramici, monete, iscrizioni e decorazioni possono essere confrontate con archivi digitali, individuando somiglianze e possibili appartenenze a categorie già note.

Nel caso della ceramica, il sistema può considerare forma, spessore, colore, composizione e decorazione. Può inoltre suggerire quali frammenti abbiano maggiori probabilità di appartenere allo stesso recipiente, riducendo il numero delle combinazioni da verificare.

Leggere testi danneggiati

I sistemi di riconoscimento delle immagini possono aiutare a identificare lettere e segni presenti su iscrizioni, papiri e manoscritti deteriorati. L’elaborazione digitale aumenta il contrasto, separa colori e mette in evidenza tracce di inchiostro quasi invisibili.

L’algoritmo può proporre una trascrizione o confrontare un segno con esempi già classificati, ma la comprensione della lingua, delle abbreviazioni, del periodo storico e del contesto richiede la competenza di epigrafisti, paleografi e filologi.

Prevedere dove concentrare la ricerca

I modelli predittivi combinano informazioni ambientali e archeologiche per individuare le zone nelle quali la presenza di siti potrebbe risultare più probabile. Possono considerare la distanza dall’acqua, la pendenza, la qualità del suolo, la vicinanza a vie naturali di comunicazione e la distribuzione dei siti già conosciuti.

Queste previsioni sono utili soprattutto quando il territorio da analizzare è molto vasto, ma non devono essere confuse con una certezza. Le comunità del passato sceglievano i luoghi anche sulla base di motivazioni politiche, religiose e simboliche difficili da tradurre in dati misurabili.