Les recherches sont menées depuis 2004 par une équipe de l’université de Yamagata, dirigée par le professeur Makato Sakai. L’université de Yamagata a mené des études sur la répartition des géoglyphes en utilisant l’imagerie satellite, la photographie aérienne, le LiDAR à balayage aéroporté et la photographie par drone pour étudier la vaste zone de la Pampa de Nazca, qui couvre plus de 390 km².
On pense que les lignes de Nazca ont été réalisées au fil des siècles, à partir de 100 ans avant J.-C., par le peuple Nazca de l’actuel Pérou. Elles ont été étudiées en détail pour la première fois dans les années 1940 et, lorsqu’elles ont été classées au patrimoine mondial de l’UNESCO en 1994, une trentaine d’entre elles avaient été identifiées. Elles sont remarquablement bien conservées compte tenu de leur âge, grâce au climat sec du désert et aux vents qui balaient le sable, mais elles sont obscurcies par les inondations et l’activité humaine.
En dix ans, les archéologues ont découvert 142 nouveaux motifs dans le désert en les identifiant manuellement à l’aide de photographies aériennes et de relevés sur le terrain. Ensuite, en collaboration avec des chercheurs d’IBM Japon, ils ont utilisé l’apprentissage automatique pour rechercher dans les données des motifs qui n’avaient pas été détectés dans les études précédentes.
Pour réaliser une étude approfondie de la région en 2016, les chercheurs ont utilisé des photographies aériennes avec une résolution au sol de 0,1 m par pixel. L’équipe a identifié de nombreux géoglyphes au fil du temps, mais comme le processus prend beaucoup de temps, elle s’est tournée vers l’apprentissage profond de l’IA pour analyser les images beaucoup plus rapidement.
Une étude publiée dans le Journal of Archaeological Science a révélé la découverte de quatre nouveaux géoglyphes de Nazca grâce à cette nouvelle méthode, en développant une approche d’étiquetage pour les données d’entraînement qui identifie un modèle partiel similaire entre les géoglyphes connus et les nouveaux géoglyphes.
Les quatre nouveaux géoglyphes représentent une figure humanoïde, une paire de jambes, un poisson et un oiseau. Le géoglyphe humanoïde tient une massue dans sa main droite et mesure 5 mètres de long. Le géoglyphe du poisson, représenté avec une bouche grande ouverte, mesure 19 mètres, celui de l’oiseau 17 mètres et celui de la paire de jambes 78 mètres.
« Nous avons développé un pipeline DL qui répond aux défis qui se posent fréquemment dans la tâche de détection d’objets dans les images archéologiques », écrivent les auteurs de l’étude. Notre méthode permet de découvrir des cibles auparavant inaccessibles en permettant à DL d’apprendre des représentations d’images avec une meilleure généralisation et de meilleures performances. En outre, en accélérant le processus de recherche, notre approche fait progresser l’archéologie en introduisant un nouveau paradigme qui combine la recherche sur le terrain et l’IA, ce qui se traduit par des investigations plus efficaces et plus efficientes.
Ces résultats illustrent une fois de plus l’utilité de l’apprentissage automatique pour les scientifiques, en particulier lorsqu’ils s’attaquent à des tâches impliquant des ensembles de données considérables. Tout comme les êtres humains, il est possible d’apprendre aux algorithmes à passer au crible des types de données spécifiques, à la recherche de modèles et d’anomalies. Bien que la création de ces outils puisse s’avérer difficile, une fois formés, ces algorithmes sont infatigables et cohérents.
Écrire commentaire