Ricostruzione del paleoambiente con tecniche di AI, a partire da dati archeobotanici: le relazioni tra umani e non umani. (2023-2026)
Le ricostruzioni ambientali svolgono un ruolo cruciale in archeologia, consentendo ai ricercatori di comprendere la complessa interazione tra gli esseri umani e gli ambienti circostanti nel corso della storia. Negli ultimi dieci anni, l’Intelligenza Artificiale (IA) è stata sempre più esplorata in ambito archeologico e l’applicazione di tecniche che sono parte dell’IA ha rivelato essere un valido aiuto in attività ripetitive o che richiedono un elevato impiego di tempo.
Il presente progetto è parte di un dottorato di ricerca in Intelligenza Artificiale presso il Dipartimento di Informatica dell’Università di Pisa. Il suo scopo principale è quello di utilizzare modelli basati di IA per ricostruire il paesaggio vegetale dei tempi antichi e identificarne la tipologia di bioma, sulla base di dati botanici archeologici. Particolare importanza viene data in questo progetto alle analisi dei pollini, attraverso le quali è possibile studiare la vegetazione presente in un’area specifica in un determinato momento storico. I risultati della conta dei grani di polline conservati nei sedimenti sono processati attraverso tecniche di IA predittive e generative in modo da identificare il bioma e generare ipotetici scenari di come avrebbe potuto apparire il paleoambiente dell’area indagata.
Una parte fondamentale del progetto è la proposta di un approccio human-in-the-loop; gli esperti di settore, come gli archeologi, possono interagire e influenzare il sistema di ricostruzione in modo da ottenere dati efficaci, efficienti e affidabili, garantendone la validità scientifica.
Il progetto è organizzato in cinque fasi:
1. Stato dell’arte. Una prima fase prevede sia l’esplorazione di repository e dataset disponibili riguardanti sequenze polliniche provenienti da contesti archeologici e non, sia lo studio della raccolta bibliografica riguardante le tecniche di ricostruzione del paleoambiente al fine di monitorare lo stato dell’arte e scegliere dei casi studio sui quali sviluppare un Proof of Concept.
2. Sviluppo di modelli di ricostruzione. In questa fase tre sono gli obiettivi principali e prevedono (i) lo sviluppo di sistemi di ricostruzione per l’identificazione del tipo di bioma e la creazione di ipotetici scenari paleoambientali; (ii) l’identificazione delle specie presenti e non rinvenute nella documentazione archeologica; (iii) l’individuazione di associazioni tra specie coesistenti.
3. Generazione di scenari. La terza fase è quella in cui i risultati ottenuti dalle fasi precedenti vengono restituiti in forma di scenario con descrizioni testuali o fotografie, attraverso l’utilizzo di reti neurali generative avversative (GAN). L’obiettivo di questa fase è anche rimarcare l’impatto dell’essere umano sulla vegetazione e le trasformazioni dell’ambiente in cui vive.
4. Test di modelli. Il progetto prevede il test dei modelli precedentemente sviluppati attraverso l’uso di dati paleoentomologici che insistono sulle stesse aree geografiche e cronologiche.
5. Sviluppo di metodi di Continual Learning. Nell’ultima fase è previsto lo sviluppo di un sistema che possa garantire la sostenibilità degli obiettivi del progetto nel futuro attraverso metodi di Continual Learning. Interesse è posto anche al miglioramento dei metodi sviluppati in modo che sia possibile lavorare in condizioni di scarsità di dati.
Il progetto si caratterizza per una spiccata transdisciplinarietà in quanto coniuga conoscenze in data analysis, archeologia e paleoecologia.
Progetto a cura di:
Elisa Paperini
e.paperini1@studenti.unipi.it
