DOI: https://doi.org/10.5334/jcaa.207
تاريخ النشر: 2025-01-01
المؤلف: Mario Casillo وآخرون
الموضوع الرئيسي: المسح ثلاثي الأبعاد والتراث الثقافي
نظرة عامة
تستكشف هذه الورقة البحثية دمج الذكاء الاصطناعي (AI) في الممارسات الأثرية، مع التركيز على إمكانيته لتعزيز الحفاظ على التراث الثقافي في ظل التحديات الحديثة. تستخدم الدراسة تحليلًا ببليومتريًا وشبكات التأليف المشترك لتحديد الموضوعات السائدة في هذا المجال، مثل التعلم الآلي (ML)، والاستشعار عن بعد، والنمذجة التنبؤية. تكشف النتائج الرئيسية أن تقنيات الذكاء الاصطناعي، بما في ذلك أنظمة الكشف الآلي والشبكات العصبية، تحسن بشكل كبير من استراتيجيات اكتشاف المواقع الأثرية والحفاظ عليها. ومع ذلك، تسلط الأبحاث الضوء أيضًا على قضايا حرجة، بما في ذلك الوصول إلى البيانات، والاعتبارات الأخلاقية، والفجوات في استخدام التكنولوجيا عبر مناطق مختلفة.
تتناول الاستنتاجات المستخلصة من التحليل خمسة أسئلة بحث رئيسية، تكشف أن الولايات المتحدة، والمملكة المتحدة، وإسبانيا، وألمانيا هي المساهمين الرئيسيين في هذا المجال. التركيز الأساسي للأبحاث الحالية هو على تحديد الكيانات وحماية المواقع الأثرية من التهديدات مثل النهب والأضرار البيئية. تقنيات مثل الشبكات العصبية الالتفافية (CNNs) وتطبيقات إنترنت الأشياء (IoT) شائعة، ومع ذلك، لا تزال التحديات قائمة بشأن توفر مجموعات البيانات القياسية واستدامة أساليب التعلم العميق. تدعو الدراسة إلى إطار عمل تعاوني بين التخصصات يشمل علماء الآثار، وعلماء الكمبيوتر، وصانعي السياسات لوضع معايير مشتركة وتعزيز الممارسات الأخلاقية. وتؤكد على ضرورة وجود حلول ذكاء اصطناعي مستدامة تعطي الأولوية للحفاظ على التراث الثقافي على المدى الطويل مع معالجة الآثار البيئية، مما يدعو في النهاية إلى التعاون الدولي والأطر الأخلاقية في تطبيق الذكاء الاصطناعي في علم الآثار.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على أهمية التراث الثقافي (CH) في تعزيز التنمية الاقتصادية المستدامة وتحسين جودة الحياة من خلال السياحة. وتؤكد على الحاجة إلى معرفة شاملة وطرق مراقبة مبتكرة للحفاظ على أصول التراث الثقافي وإدارتها بشكل فعال، لا سيما في المواقع التي تجمع بين التراث الثقافي والطبيعي. تركز الدراسة على تطبيق تقنيات الذكاء الاصطناعي (AI) والتعلم الآلي (ML) في الحفاظ على التراث الثقافي، بهدف تقديم رؤى من خلال تحليل ببليومتري للأبحاث الحديثة. يُفترض أن هذه التقنيات تحسن من اتخاذ القرارات، وتقييم المخاطر، وإدارة الصيانة، مما يمكّن من استراتيجيات حفظ أكثر كفاءة.
تستعرض الورقة إمكانيات الذكاء الاصطناعي والتعلم الآلي في الممارسات الأثرية، لا سيما في النمذجة التنبؤية وتحليل البيانات، والتي يمكن أن تعزز من تحديد وحفظ القطع الأثرية الثقافية. تناقش استخدام تقنيات متقدمة مثل LIDAR، والطائرات بدون طيار (UAVs)، وهياكل التعلم العميق مثل الشبكات العصبية الالتفافية (CNNs) لجمع البيانات ومعالجتها. تمهد المقدمة الطريق لمراجعة منهجية لتطبيقات الذكاء الاصطناعي في علم الآثار، مع تناول أسئلة بحث رئيسية تتعلق بالدمج التكنولوجي، والتحديات، والاتجاهات المستقبلية للممارسات المستدامة والأخلاقية في إدارة التراث الثقافي.
الطرق
اتبعت المنهجية المستخدمة في هذه المراجعة إرشادات PRISMA (عناصر التقرير المفضلة للمراجعات المنهجية والتحليلات التلوية)، مما يسهل تجميعًا منظمًا للأدبيات المتعلقة بتطبيق الذكاء الاصطناعي (AI) والتعلم الآلي (ML) في علم الآثار. استخدمت الدراسة قواعد بيانات Scopus وWeb of Science (WoS) وIEEE Xplore، مع التركيز على الأوراق المنشورة باللغة الإنجليزية بين يناير 2020 وأكتوبر 2024. تم تنفيذ استراتيجية بحث بوليانية باستخدام كلمات مفتاحية مثل “علم الآثار”، “الذكاء الاصطناعي”، “التعلم الآلي”، “التعلم العميق”، “النماذج التنبؤية”، “الصور”، و”LIDAR”، مما أسفر عن مجموعة أولية من 358 وثيقة. بعد إزالة التكرارات وتطبيق معايير الصلة، تم اختيار 37 مقالة للمراجعة الشاملة، مع التركيز على الدراسات التجريبية التي توضح تطبيقات الذكاء الاصطناعي في السياقات الأثرية، بما في ذلك اكتشاف المواقع، ورصد الهياكل، ونمذجة المخاطر.
شمل عملية الاختيار تقييمًا من مرحلتين للعناوين والملخصات لضمان الصرامة المنهجية والملاءمة للتراث الثقافي. تعكس مجموعة البيانات النهائية مجموعة متنوعة من المناطق الجغرافية والمنهجيات التقنية، مع التركيز على مقاييس أداء تقنيات الذكاء الاصطناعي المستخدمة، مثل دقة التنبؤ ودقة الكشف. على الرغم من شمولية المراجعة، تم الاعتراف بالقيود، بما في ذلك احتمال إغفال الأدبيات ذات الصلة بسبب مصطلحات البحث المختارة والوصول المحدود إلى بعض قواعد البيانات. يتم تمثيل عملية الاختيار والفحص بصريًا في مخطط تدفق متوافق مع PRISMA، يوضح كل مرحلة من مراحل التعرف، والأهلية، والإدراج.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على الاتجاهات المهمة في تطبيق الذكاء الاصطناعي (AI) للحفاظ على الآثار، مع التأكيد على التعاون الدولي القوي في هذا المجال. توضح شبكات التأليف المشترك والروابط الببليوغرافية أن الولايات المتحدة تعمل كمركز رئيسي، مما يعزز الشراكات مع دول مثل المملكة المتحدة، وإسبانيا، وألمانيا، مع الإشارة أيضًا إلى التعاون الناشئ مع دول مثل الهند والصين. على الرغم من هذه التقدمات، تكشف التحليلات عن بيئة بحث مجزأة تتميز بمجموعات معزولة وروابط دولية محدودة، مما قد يعيق نشر المنهجيات والمعايير عبر التخصص.
تشير خريطة كثافة كلمات مؤلفي المقالات إلى تركيز قوي على مصطلحات مثل “التعلم الآلي”، “الاستشعار عن بعد”، و”كشف الكائنات”، مع زيادة ملحوظة في أهمية تطبيقات الذكاء الاصطناعي المتقدمة مثل “الشبكات العصبية” و”النمذجة ثلاثية الأبعاد”. تعكس هذه التحولات اهتمامًا متزايدًا في دمج التحليل البيئي والاستدامة في البحث الأثري، لا سيما استجابةً لتأثيرات تغير المناخ على مواقع التراث. ومع ذلك، تشير التحليلات أيضًا إلى تحيز تكنولوجي في الأدبيات، مع عدم كفاية الاهتمام بأخلاقيات الحفظ والمشاركة العامة. تحدد خريطة كثافة مصادر الاقتباس المجلات الرئيسية كأماكن رئيسية لنشر الأبحاث الأثرية المتعلقة بالذكاء الاصطناعي، مما يبرز الطبيعة متعددة التخصصات لهذا المجال حيث تتقارب التقدمات التكنولوجية مع علوم التراث. بشكل عام، بينما حسنت تقنيات الذكاء الاصطناعي بشكل كبير من المنهجيات الأثرية، لا تزال التحديات قائمة، لا سيما فيما يتعلق بالوصول العادل إلى قدرات الذكاء الاصطناعي ودمج المنظورات الإنسانية في جدول الأعمال البحثي.
DOI: https://doi.org/10.5334/jcaa.207
Publication Date: 2025-01-01
Author(s): Mario Casillo et al.
Primary Topic: 3D Surveying and Cultural Heritage
Overview
This research paper investigates the integration of artificial intelligence (AI) into archaeological practices, emphasizing its potential to enhance the conservation of cultural heritage amidst modern challenges. The study employs bibliometric analysis and co-authorship networks to identify dominant themes in the field, such as machine learning (ML), remote sensing, and predictive modeling. Key findings reveal that AI technologies, including automated detection systems and neural networks, significantly improve archaeological site discovery and preservation strategies. However, the research also highlights critical issues, including data access, ethical considerations, and disparities in technology use across different regions.
The conclusions drawn from the analysis address five key research questions, revealing that the United States, the United Kingdom, Spain, and Germany are leading contributors to this field. The primary focus of current research is on entity identification and the protection of archaeological sites from threats such as looting and environmental damage. Techniques such as convolutional neural networks (CNNs) and Internet of Things (IoT) applications are prevalent, yet challenges remain regarding the availability of standardized datasets and the sustainability of deep learning approaches. The study advocates for a collaborative, interdisciplinary framework that includes archaeologists, computer scientists, and policymakers to establish shared standards and promote ethical practices. It underscores the necessity for sustainable AI solutions that prioritize the long-term preservation of cultural heritage while addressing environmental impacts, ultimately calling for international cooperation and ethical frameworks in the application of AI in archaeology.
Introduction
The introduction of this research paper highlights the significance of cultural heritage (CH) in promoting sustainable economic development and enhancing quality of life through tourism. It emphasizes the need for comprehensive knowledge and innovative monitoring methods to conserve and manage CH assets effectively, particularly in combined cultural and natural heritage sites. The study focuses on the application of Artificial Intelligence (AI) and Machine Learning (ML) technologies in CH conservation, aiming to provide insights through a bibliometric analysis of recent research. These technologies are posited to improve decision-making, risk assessment, and maintenance management, enabling more efficient conservation strategies.
The paper outlines the potential of AI and ML in archaeological practices, particularly in predictive modeling and data analysis, which can enhance the identification and preservation of cultural artifacts. It discusses the use of advanced technologies such as LIDAR, UAVs, and deep learning architectures like Convolutional Neural Networks (CNNs) for data collection and processing. The introduction sets the stage for a systematic review of AI applications in archaeology, addressing key research questions related to technological integration, challenges, and future directions for sustainable and ethical practices in cultural heritage management.
Methods
The methodology employed in this review adhered to the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines, facilitating a structured synthesis of literature pertaining to the application of Artificial Intelligence (AI) and Machine Learning (ML) in archaeology. The investigation utilized the Scopus, Web of Science (WoS), and IEEE Xplore databases, focusing on English-language papers published between January 2020 and October 2024. A Boolean search strategy was implemented using keywords such as ‘Archaeology’, ‘Artificial Intelligence’, ‘Machine Learning’, ‘Deep Learning’, ‘Predictive Models’, ‘Images’, and ‘LIDAR’, resulting in an initial collection of 358 documents. After removing duplicates and applying relevance criteria, 37 articles were selected for comprehensive review, emphasizing empirical studies that illustrate AI applications in archaeological contexts, including site discovery, structural monitoring, and risk modeling.
The selection process involved a two-phase evaluation of titles and abstracts to ensure methodological rigor and relevance to cultural heritage. The final dataset reflects a diverse range of geographic regions and technical methodologies, with a focus on the performance metrics of the AI techniques employed, such as prediction accuracy and detection precision. Despite the thoroughness of the review, limitations were acknowledged, including potential omissions of relevant literature due to the chosen search terms and restricted access to certain databases. The selection and screening process is visually represented in a PRISMA-compliant flow diagram, detailing each stage of identification, eligibility, and inclusion.
Discussion
The discussion section of the research paper highlights significant trends in the application of artificial intelligence (AI) for archaeological preservation, emphasizing the robust international collaboration in this field. The co-authorship and bibliographic connection networks illustrate that the United States serves as a central hub, fostering partnerships with countries like the United Kingdom, Spain, and Germany, while also noting emerging collaborations with nations such as India and China. Despite these advancements, the analysis reveals a fragmented research environment characterized by isolated clusters and limited international links, which may hinder the dissemination of methodologies and standards across the discipline.
The density map of author keywords indicates a strong focus on terms like “machine learning,” “remote sensing,” and “object detection,” with a notable rise in the importance of advanced AI applications such as “neural networks” and “3D modeling.” This shift reflects a growing interest in integrating environmental analysis and sustainability into archaeological research, particularly in response to climate change impacts on heritage sites. However, the analysis also points out a technocentric bias in the literature, with insufficient attention given to conservation ethics and public engagement. The citation source density map identifies key journals as primary venues for disseminating AI-related archaeological research, underscoring the interdisciplinary nature of the field where technological advancements converge with heritage science. Overall, while AI technologies have significantly enhanced archaeological methodologies, challenges remain, particularly regarding equitable access to AI capabilities and the integration of humanistic perspectives into the research agenda.