گروهی از باستان شناسان از دانشگاه یاماگاتا، با همکاری یک همکار از دانشگاه پاریس و دو محقق هوش مصنوعی از مرکز تحقیقات توماس جی. واتسون IBM، از یک مدل هوش مصنوعی برای کشف نقش‌برجسته‌های جدید در کف صحرای نازکا پرو استفاده کرده‌اند. یافته‌های آنها در مطالعه‌ای که در مجموعه مقالات آکادمی ملی علوم منتشر شده است، شرح داده شده است. در این مطالعه، محققان مدل هوش مصنوعی توسعه داده‌اند که می‌تواند نقش‌برجسته‌های ضعیف پنهان در چشم‌انداز طبیعی پامپای نازکا را با تحلیل تصاویری که توسط پهپادها گرفته شده، تشخیص دهد. برای بیش از یک قرن، دانشمندان، از جمله باستان شناسان و مورخان، تحت تاثیر نقش‌برجسته‌هایی که در زمین صحرا در نازکا، پرو حکاکی شده است، بوده‌اند. این طرح‌های عظیم معمولاً تنها از ارتفاع قابل توجهی، مانند کوه یا هواپیما، به طور کامل قابل مشاهده هستند. تحقیقات نشان داده است که این نقش‌برجسته‌ها توسط فرهنگ نازکا بین ۲۰۰ پیش از میلاد و ۷۰۰ میلادی با جابجا کردن سنگ‌ها یا سنگ‌ریزه ها یا خط‌کشیدن روی زمین، خلق شده‌اند، که نتیجه آن‌ها چیزی است که اکنون نقش‌برجسته می‌نامیم. پیش از این مطالعه جدید، مجموعاً ۴۳۰ نقش‌برجسته در پرو کشف و مستندسازی شده بود، هرچند نرخ کشف نقش‌برجسته‌های جدید کاهش یافته بود.

محققان معتقدند که بسیاری دیگر همچنان پنهان باقی مانده‌اند، اما جستجوی آن‌ها به دلیل اندازه و کم‌نمایی آن‌ها چالش‌برانگیز بوده است. برای این تحقیق جدید، تیم ژاپنی از متخصصان هوش مصنوعی در IBM کمک خواستند تا تلاش‌های جستجوی خود را تقویت کنند. آن‌ها با همکاری یکدیگر یک برنامه هوش مصنوعی توسعه دادند که می‌تواند حتی نشانه‌های ضعیف نقش‌برجسته‌ها را از تصاویر هوایی کف صحرا تشخیص دهد. پس از آموزش مدل با تصاویری از نقش‌برجسته‌های شناخته شده قبلی، محققان از آن برای جستجوی الگوهای اضافی استفاده کردند. آن‌ها موفق به شناسایی ۳۰۳ نقش‌برجسته جدید شدند که از طریق بازدیدهای میدانی توسط کارشناسان انسانی تایید شد. همان‌طور که انتظار می‌رفت، بسیاری از خطوط در نقش‌برجسته‌های تازه کشف شده ضعیف بودند، اما محققان موفق به تفسیر تصاویر شدند که عمدتاً انسان‌ها و حیوانات اهلی را نشان می‌داد، همراه با برخی اشکال انتزاعی، از جمله یک نهنگ قاتل دارای چاقو. این تیم قصد دارد همچنان از برنامه هوش مصنوعی برای جستجوی نمونه‌های بیشتری از این هنر باستانی استفاده کند. © ۲۰۲۴ شبکه Science X