Расхитители гробниц: как новейшие технологии меняют археологию

Фото: Pexels
Фото: Pexels
Читая об археологах, многие представляют себе людей в пыльных ботинках с кисточками в руках. Но сейчас они больше похожи на супершпионов с удивительными гаджетами. Рассказываем о новейших технологиях из их арсенала

Лазеры LiDAR для поиска скрытых руин

LiDAR (лидар, light detecting and ranging) расшифровывается как «обнаружение и определение дальности посредством света» — аналог радара, только речь тут идет про световые, а не звуковые волны. С помощью этой технологии ученые сканируют область земли, изучают время отражения лазерного импульса от поверхности и получают детализированную трехмерную виртуальную модель местности. Чаще всего лидар крепится к борту самолета, вертолета или является частью промышленного дрона. С высоты лазеры могут найти руины под густым пологом леса, определить крошечные поверхностные аномалии, такие как захоронения, или составить карту подводной местности. Так, в 2020 году с помощью лидара в тропических лесах Амазонки было обнаружено более 35 поселений, датируемых 1300–1700 годами нашей эры.

В 2016 году с помощью лазерных снимков группа исследователей обнаружила древние города на севере Гватемалы
В 2016 году с помощью лазерных снимков группа исследователей обнаружила древние города на севере Гватемалы (Фото: American Association for the Advancement of Science)

Изотопный анализ, описывающий жизнь древних людей

По содержанию изотопов (атомов одного химического элемента с разной массой ядер) в зубах, ногтях, волосах и одежде можно определить, где человек жил, как питался, чем болел и где погиб. Так, археологи восстановили образ жизни женщины из бронзового века, известной как «девушка из Эгтведа»: анализ показал, что около 3 400 лет назад незадолго до смерти она много путешествовала по материку, а в ее рационе иногда наблюдался недостаток белка.

Останки «девушки из Эгтведа», найденные в монументальном кургане в Дании
Останки «девушки из Эгтведа», найденные в монументальном кургане в Дании (Фото: Scientific Reports)

С помощью тех же методов ученые описали диету и перемещения английского короля Ричарда III. Например, к концу жизни количество изотопов кислорода в его ребре повысилось, но король не переезжал в течение этого времени. Исследователи предполагают, что изменения могут быть вызваны частыми пиршествами и чрезмерным употреблением вина.

Роботы для исследования опасных мест и древних орудий

Инженеры Стэнфордского университета разработали компактного змееподобного робота Vinebot, оснащенного камерой. Он помогает исследовать подземные туннели, не нарушая древних структур и не подвергая опасности человеческие жизни. Робот может пройти по узким проходам, увеличить в 100 раз свою исходную длину и даже подниматься по стенам без контакта с поверхностью.

Другое любопытное устройство — роботизированная рука LBR iiwa. Она помогает археологам определять, как могли использоваться инструменты каменного века. Раньше ученые делали это вручную: брали копию орудия и в течение нескольких часов воздействовали на нее десятками разных способов (били, резали, царапали и так далее). Затем образец помещали под микроскоп, чтобы сравнить следы износа с отметинами на оригинале. Сейчас все это делается автоматически с помощью робота LBR iiwa.

Машина сотни раз повторяет человеческие движения, имитируя применение инструмента, и записывает параметры оставшихся следов
Машина сотни раз повторяет человеческие движения, имитируя применение инструмента, и записывает параметры оставшихся следов (Фото: Johannes Pfleging, ETH Zurich)

Археологи используют роботов не только для доступа в труднопроходимые места или для рутинных задач, но и для определения походки вымерших животных. Так, ученые из лаборатории EPFL в Берлине с помощью ископаемых и окаменелых следов воссоздали движения оробатов, травоядных рептилоподобных амфибий.

Искусственный интеллект для изучения древних игр

Ученые часто находят элементы старинных настольных игр, такие как доски и фигурки, но инструкции к ним не прилагаются. Например, древнеегипетская игра с передвижением фишек «Сенет» так и осталась без четко сформулированных правил. Историки пытались собрать воедино подсказки из иероглифов и фундаментальные знания о культуре, но неверные переводы, ошибки транскрипции и ложные предположения лишь породили множество противоречащих друг другу догадок.

Царица Нефертари играет в сенет. 1298–1235 годы до нашей эры
Царица Нефертари играет в сенет. 1298–1235 годы до нашей эры (Фото: The Met)

Чтобы решить эту проблему, ученые из Маастрихтского университета в Нидерландах разработали алгоритм, который помогает анализировать и реконструировать древние игры. Процесс начинается с того, что игра разбивается на людемы (единицы игровой информации) — количество участников, движение фигур, критерии победы. Затем исследователи ищут схожие компоненты в уже известных правилах, а после загружают все собранные людемы в программу Ludii. Алгоритм берет на себя рутинную часть: в течение нескольких часов проводит тысячи партий, тестируя гипотезы ученых. Так, например, стали известны правила игры «58 лунок», которая была популярна во втором и первом тысячелетии до нашей эры.

Цифровые двойники для защиты ценных артефактов

Археологи создают высокодетализированные 3D-модели археологических объектов, которые можно просматривать в интернете и использовать для создания копий. Основу предмета фиксируют 3D-сканером, а внешний вид «цифрового близнеца» формируется из высококачественных снимков. Благодаря этой технологии ученые со всего мира могут скачать реплику артефакта и изучить ее, не подвергая опасности хрупкий и светочувствительный оригинал. Это также открывает доступ к виртуальным выставкам. Например, еще в 2017 году Британский музей опубликовал 3D-модель Розеттского камня — древнеегипетской стелы с выбитым на ней священным текстом, датированными 196 годом до нашей эры.

Археолог Давиде Танаси сканирует артефакт из коллекции древностей Ливана.
Археолог Давиде Танаси сканирует артефакт из коллекции древностей Ливана. (Фото: The Conversation)

Нейронные сети, анализирующие фрагменты снимков

В 1988 году французский ученый Ян Лекун предложил новый вид нейросетей — сверточную сеть. Она создана по подобию зрительной коры головного мозга и умеет эффективно распознавать образы. Сегодня эта математическая модель помогает археологам быстро обрабатывать огромное количество данных, например анализировать тысячи спутниковых снимков руин и фрагментов костей или обнаруживать затонувшие корабли по изображениям гидролокаторов. Так, археолог-исследователь Джино Каспари из Швейцарского национального научного фонда использовал нейронную сеть для поиска скифских гробниц на территории современной России, Монголии и Китая.

Изображения захоронений, которые исследователь использовал для обучения нейронной сети
Изображения захоронений, которые исследователь использовал для обучения нейронной сети (Фото: The New York Times)

Нейросеть видит изображение как массив пикселей и присваивает каждому из них рейтинг в зависимости от цвета и яркости. После этого сеть анализирует группы пикселей и ищет совпадения с данными, на которых была обучена. В итоге программа Каспари правильно распознала гробницы на снимках в 98% случаев.

Другая нейронная сеть научилась анализировать фрагменты глиняной посуды. Приложение ArchAIDE для планшетов и смартфонов позволяет археологам фотографировать керамику прямо во время раскопок и сравнивать ее с изображениями в печатных каталогах архивов и библиотек. Это помогает ученым быстро классифицировать керамическую форму, стиль и штампы.

Обновлено 23.12.2021
Главная Лента Подписаться Поделиться
Закрыть