El arte rupestre de figuras humanas creadas durante miles de años en Arnhem Land de Australia se ha sometido a un estudio de aprendizaje automático transformador para analizar los cambios de estilo a lo largo de los años.

El estudio ha probado diferentes estilos etiquetados como 'Figuras de Northern Running', 'Figuras dinámicas', 'Figuras post dinámicas' y 'Figuras simples con bumeranes' para comprender cómo se relacionan estos estilos entre sí.

Trabajando con los propietarios tradicionales de Mimal y Marrku del área del río Wilton en el extremo superior de Australia, Investigadores de Australia del Sur dirigidos por el arqueólogo de la Universidad de Flinders, Dr. Daryl Wesley, han examinado más de cerca el arte de esta región.

El investigador de Flinders Jarrad Kowlessar y el equipo utilizaron el aprendizaje automático para analizar imágenes de arte rupestre recopiladas durante las encuestas en el país de Marrku en 2018 y 2019.

Los coautores incluyen a Dudley Lawrence y Abraham Weson y otros de Mimal Land Management Aboriginal Corporation, Alfred Nayinggul de Njanjma Aboriginal Corporation, El Dr. Ian Moffat de Flinders y el investigador de la Universidad de Adelaide James Keal.

La cronología reconstruida del arte rupestre, recién publicado en Australian Archaeology, utiliza conjuntos de datos existentes de más de 14 millones de fotos diferentes de una amplia gama de cosas de animales como perros, gatos lagartijas e insectos a objetos como sillas, mesas y tazas.

"En total, la computadora vio más de 1000 tipos diferentes de objetos y aprendió a diferenciarlos con solo mirar fotos de ellos, "Explica el Dr. Wesley.

"La habilidad importante que desarrolló esta computadora fue un modelo matemático que tiene la capacidad de decir qué tan similares son dos imágenes diferentes entre sí".

Luego, el modelo matemático se aplicó a las imágenes recopiladas en el norte de Australia.

"Este enfoque nos permite usar el programa de computadora para mostrar cuán único es el arte rupestre en el río Wilton y cómo se relaciona con el arte rupestre en otras partes de Arnhem Land, "Dice el Dr. Wesley.

"Podemos usar esto para ayudar a mostrar cómo los propietarios tradicionales en Arnhem Land comparten los estilos de arte rupestre y cuáles son exclusivos de cada grupo en el pasado".

El aprendizaje automático permite que una computadora 'aprenda' diferentes cosas sobre información que un ser humano puede tardar muchos años en revisar y aprender. explica un Ph.D. de la Universidad de Flinders. candidato en arqueología Jarrad Kowlessar, que ha sido pionero en el enfoque de aprendizaje automático para el análisis de arte rupestre.

"Un resultado sorprendente es que el enfoque de aprendizaje automático ordenó los estilos en la misma cronología en la que los arqueólogos los ordenaron al inspeccionar los que aparecen encima. Esto muestra que la similitud y el tiempo están estrechamente vinculados en el arte rupestre de Arnhem Land y que los humanos las figuras dibujadas más cerca en el tiempo eran más similares entre sí que las dibujadas con una diferencia de tiempo prolongada, " él dice.

"Por ejemplo, el algoritmo de aprendizaje automático ha trazado las cifras de Northern Running y las cifras dinámicas muy cercanas entre sí en el gráfico que produce. Esto muestra que estos estilos que sabemos que están más cerca entre sí en edad también están más cerca entre sí en apariencia, lo cual puede ser muy difícil de notar sin un enfoque como este ".

El artículo señala que la nueva metodología eliminó un gran grado de interpretación humana individual y un posible sesgo mediante el uso de un enfoque de aprendizaje automático llamado 'aprendizaje por transferencia'.

Esto permitió que la computadora entendiera cómo cada estilo se relacionaba directamente entre sí, independientemente de los investigadores involucrados.

Los investigadores están entusiasmados con esta metodología que abre nuevos caminos para una gran cantidad de investigación arqueológica para comprender todo tipo de diferentes culturas materiales humanas de una manera diferente.