MADRID, 27 (EUROPA PRESS)
Codirigido por la doctora Andrea Jalandoni, arqueóloga digital del Centro de Investigación Social y Cultural de la Universidad de Griffith, el estudio utilizó cientos de imágenes de arte rupestre encontradas en el Parque Nacional Kakadu para entrenar un modelo de 'Machine Learning' para detectar si había arte rupestre pintado dentro la imagen.
El modelo, presentado en Journal of Archaeological Science, logró una tasa de éxito del 89 %, lo que significa que determinó qué imágenes contenían arte rupestre la gran mayoría de las veces.
"Algunos de estos sitios no son de fácil acceso, por lo que aliviar parte del tiempo, el esfuerzo y los gastos para montar algunas misiones exploratorias es de gran valor para este tipo de investigación arqueológica en algunas de las áreas más remotas de Australia", dijo Jalandoni.
"Una vez que nuestro modelo ML detecta si un área fotografiada contiene potencialmente arte rupestre no descubierto anteriormente, los científicos pueden ingresar y verificar la verdad del sitio para verificar si hay arte rupestre presente e informar más al respecto".
Jalandoni y el coautor principal, el Dr. Nayyar Zaidi, de la Universidad de Deakin, trabajaron en estrecha colaboración con los ancianos tradicionales del Parque Nacional Kakadu en el estudio.
El Dr. Zaidi dijo que "el trabajo demostró el poder que la Inteligencia Artificial y el Aprendizaje Automático aportan a la investigación arqueológica y allana el camino hacia una investigación innovadora con un impacto significativo en los próximos años; estamos entusiasmados con la segunda fase de nuestro estudio".
En áreas donde existen numerosos sitios de arte rupestre, gran parte del arte rupestre no está identificado y, por lo tanto, permanece sin registrar ni investigar.
La automatización de los muchos procesos en la investigación del arte rupestre podría facilitar en gran medida la investigación del arte rupestre de muchas maneras, como a través del reconocimiento y la detección de objetos, la extracción de motivos, la reconstrucción de objetos, los gráficos de conocimiento de imágenes y las representaciones, dijo el equipo de investigación.
Jalandoni dijo que con la eficacia del modelo de aprndizaje automático utilizado en este estudio, el método podría usarse para entrenar modelos que fueran específicos del arte rupestre que se encuentra en diferentes regiones del mundo.
Los hallazgos también podrían ser útiles en el desarrollo de una aplicación que los turistas podrían usar para cargar imágenes de ejemplos de arte rupestre potencialmente no descubiertos para un análisis más detallado.
"Si usted es un turista en un área que podría tener arte rupestre y está tomando fotografías, uno de los objetivos futuros es que desarrollemos una aplicación en la que pueda agregar su imagen a la colección para ver si ha sido documentado o si podría ser arte rupestre no descubierto que necesita ser examinado", dijo Jalandoni.
"Por lo tanto, permitiría a los científicos ciudadanos sobre el terreno participar en importantes investigaciones arqueológicas".
