Исследователи разрабатывают систему искусственного интеллекта, способную автоматически собирать разрозненные фрагменты археологических находок, включая керамику, каменные орудия и кости. Основная задача алгоритма заключается в поиске взаимно подходящих осколков по форме и краям разломов, а также в предложении вероятной геометрии утраченных частей предмета. Авторы проекта отмечают, что ручная работа специалистов крайне трудоемка: в коллекциях могут храниться тысячи фрагментов, и лишь около 1% из них удаётся сопоставить для керамики, тогда как для костей этот показатель варьируется от 4 до 26%. Даже единичные совпадения позволяют восстановить маршруты древних мастеров или детали разделки туш, однако из-за низкой эффективности многие коллекции остаются не собранными систематически.
Для обучения модели команда планирует создать базу данных, включающую как минимум 100 тысяч реальных и искусственно разбитых объектов. Каждый элемент будет сопровождаться трёхмерной моделью, фотографиями, описанием и каталожными сведениями. При создании цифровых разломов учёные будут учитывать специфику трещинообразования в камне, глине и кости, чтобы избежать обучения на слишком идеальных виртуальных примерах. ИИ должен решать двойную задачу: определять место установки каждого найденного фрагмента и реконструировать форму отсутствующих частей, используя не только геометрию, но и фото- и текстовые данные для исключения вариантов, противоречащих археологическим фактам.
Автоматически принимать результаты реконструкции исследователи не планируют, так как окончательное решение должно оставаться за человеком. Археологи будут сравнивать предложенные варианты и отбирать те, которые имеют исторический смысл, особенно в случаях, когда предмет разрушен полностью и проверить единственную возможную сборку невозможно. Техническая основа для системы уже создана: предыдущая модель GARF была обучена на более чем 1,9 миллиона разломов и проверена на синтетических данных и реальных сканах различных артефактов. Новая разработка CRAG, над которой работали три года, пошла дальше, научившись не только совмещать фрагменты, но и генерировать геометрию отсутствующих частей.
Проект получил финансирование программы Schmidt Sciences, а разработчики обещают открыть для других специалистов собранные наборы данных, веса моделей и результаты тестов. Если подход окажется успешным на больших коллекциях, ИИ сможет перебирать тысячи сочетаний за короткое время, освобождая людей от рутинной работы по сопоставлению осколков и позволяя им сосредоточиться на интерпретации истории, которую рассказывают найденные совпадения.
