神经网络可以更轻松地识别历史中的不同点

在人工智能（AI）潜力方面没有被广泛涉及的一个领域是如何在历史，人类学，考古学和其他类似领域中使用它。这正在被证明 新研究 展示了如何 机器学习 可以作为考古学家区分两个主要时期的工具：中石器时代（MSA）和后石器时代（LSA）。 

这种区别似乎是学术界和考古学家已经确定的东西，但事实并非如此。在许多情况下，很难区分两者。 

MSA和LSA 

大约30万年前，第一个MSA工具包与人类智人的最早化石同时出现。这些相同的工具包一直使用到大约三万年前。大约6.7万年前，行为发生了重大变化，当时石材工具的生产发生了变化，由此产生的工具包是LSA。 

LSA工具包在最近仍在使用，现在变得很清楚，从MSA到LSA的转变只是线性过程。变化发生在不同的时间和不同的地方，这就是为什么研究人员如此专注于这一过程，可以帮助解释文化创新和创造力的原因。 

这种理解的基础是MSA和LSA之间的区别。

Jimbob Blinkhorn博士是皇家霍洛威地理系马克斯·普朗克人类历史科学研究所和第四纪研究中心的泛非进化研究小组的考古学家。 

“非洲东部是研究这一重大文化变化的重要地区，不仅因为它拥有一些最年轻的MSA站点和一些最古老的LSA站点，而且因为大量开挖和过时的站点使其成为研究的理想选择使用定量方法，” Blinkhorn博士说。 “这使我们能够收集130到12000年前的大量模式变化，以改变石材工具的生产和使用，以研究MSA-LSA的过渡。” 

人工神经网络 (ANNs) 

该研究基于92种石材工具组合中的16种替代工具类型，重点是它们的存在与否。这项研究强调了经常一起出现的工具形式群，而不是每个单独的工具。 

Matt Grove博士是利物浦大学的考古学家。

“我们雇用了 人工神经网络 （ANN）的方法来训练和测试模型，以区分LSA组合和MSA组合，并检查年龄较大（130-7.1万年前）和较年轻（71-2.8万年前）之间的时间差异，成功率为94％率。”格洛夫博士说。 

人工神经网络（ANN）模仿人脑的某些信息处理功能，并且处理能力在很大程度上取决于许多简单单元共同作用的作用。 

格罗夫说：“人工神经网络有时被描述为一种“黑匣子”方法，即使它们非常成功，也可能并不总是清楚为什么。 “我们采用了一种模拟方法，打破了这个黑匣子，以了解哪些输入对结果有重大影响。这使我们能够确定MSA和LSA之间的石器工具组合物组成的模式是如何变化的，我们希望这证明了这种方法在未来的考古研究中将如何被更广泛地使用。” 

“我们的研究结果表明，可以根据仅在组合中发现的伪像类型的星座来区分MSA和LSA组合，” Blinkhorn says. “支持件，刀片和双极技术的结合出现，以及缺少核心工具，Levallois薄片技术，点技术和刮刀的结合，可以强有力地识别LSA组件，而相反的模式则可以识别MSA组件。重要的是，这为早期研究人员指出，关键的类型变化确实伴随着这种文化转变而发生的定性差异提供了定量支持。”

该团队现在将使用新开发的方法来进一步研究非洲石器时代的文化变革。 

Blinkhorn说：“我们采用的方法提供了一个强大的工具包，可以检查用来描述考古记录的类别，并帮助我们检查和解释祖先之间的文化变化。”