تحسين تصنيف أطلال الإنسان القديمة باستخدام الشبكات العصبية المتبقية عبر الأطياف المرئية والقريبة من تحت الحمراء

لماذا ما تزال المدن المدفونة مهمة اليوم

في أنحاء العالم، تكمن آثار بلدات وحقول اندثرت منذ زمن طويل مخفية تحت أقدامنا، مموّهة إلى تربة عادية عبر آلاف السنين من الرياح والماء والزراعة. تحوي هذه البقايا المدفونة دلائل على كيفية تكيف المجتمعات السابقة مع تغير المناخ والفيضانات وازدياد السكان — مشكلات تتردد أصداؤها في حاضرنا. ومع ذلك فإن العثور على مثل هذه الأطلال الدقيقة عمل شاق وغالباً ما يعتمد على عين خبيرة في موقع التنقيب. تستكشف هذه الدراسة كيف يمكن لأشعة الضوء المرئي والقريب من تحت الأحمر، بالاشتراك مع الذكاء الاصطناعي الحديث، أن تحول التربة المألوفة إلى خريطة غنية للنشاط البشري الماضي، مسرعة الاكتشافات ومخفضة للتكلفة والتخمين.

البحث عن آثار في التربة العادية

ليست الأطلال البشرية القديمة دائماً معابد أو أسوار مدن شامخة. كثير منها حفَرات رماد، أو مقابر، أو خنادق دفاعية، أو جدران ترابية مدكوكة، أو أكوام من مواد بناء مكسورة التي مع الزمن تندمج مع الرواسب المحيطة. تكافح المسوحات التقليدية وحتى صور الأقمار الصناعية للتمييز بين هذه العناصر والترب الطبيعية عندما تكون صغيرة أو مدفونة بعمق. توفر الصين الوسطى، مهد الحضارة الصينية مع خمسة آلاف عام من الاستيطان شبه المستمر، منصة اختبار مثالية. هناك أعيد تشكيل الأرض مراراً على يد المزارعين والأنهار، تاركة لوحة معقدة من تراكمات ثقافية — مثل الخنادق والمنصات الترابية المدكوكة — متداخلة مع اللُّوس والترب القديمة وطبقات قاع البحيرات.

تحويل الضوء إلى بصمات للماضي

لالتقاط الفوارق الدقيقة بين هذه المواد، جمع الباحثون أكثر من 14,000 عينة طيفية في 27 موقعاً أثرياً عبر الصين الوسطى. باستخدام مطياف ميداني تحت سماء صافية في منتصف النهار، قاسوا كيفية انعكاس كل نوع من التربة أو الأطلال للضوء عبر مئات من نطاقات الطول الموجي الضيقة، من الألوان المرئية إلى القريب من تحت الأحمر. أصبحت كل عينة بهذا شكلاً من بصمة ضوئية، تشكلها حجم الحبيبات والرطوبة والمحتوى العضوي والمكون المعدني. ركزت الفريق على ثماني فئات: حفرات الرماد، والدفنات، والخنادق، والبِنايات الترابية المدكوكة، وحطام البناء، واللُّوس، والترب القديمة، ورواسب بحيراتية. تغطي هذه العينات ثقافات من قرى العصر النيوليثي المبكرة إلى الصين الإمبراطورية المبكرة، ما يلتقط كل من النشاط البشري والبيئات الطبيعية المتنوعة.

تنقية الإشارة وتعليم الآلة

البيانات الطيفية الخام فوضوية. يؤدي بخار الماء في الغلاف الجوي إلى نطاقات ضوضائية؛ وتزيد خصائص الجهاز وتحولات الإضاءة وحجم الحبيبات غير المتجانس التعقيد. أزال الفريق أولاً مناطق الطول الموجي المتشوهة بشدة ثم اختبر ثلاث تقنيات رياضية لتنقية المنحنيات المتبقية. الأولى، المسماة التحويل الطبيعي المعياري (SNV)، تعيد تحجيم كل طيف لتقليل تأثير التشتت واختلافات حجم الحبيبات. التقنية الأخرى، تصحيح التشتت المتعدد، تفصل الضوء الممتص بواسطة المادة عن الضوء المبعثر بواسطة الجزيئات. بعد المعالجة المسبقة، أعيد تشكيل كل طيف أحادي البعد إلى صورة رمادية صغيرة بحجم 39 في 39، معاملة منحنى الطيف كنسيج يمكن للحاسوب تمييزه. ثم درّب الباحثون عدة نماذج تعلم عميق — بما في ذلك AlexNet وMobileNetV2 وشبكة متبقية أعمق تُعرف باسم ResNet50 — لتصنيف هذه الصور إلى ثماني فئات من الأطلال والرواسب.

مدى كفاءة المصنف الذكي

أداء المجموعة المتميزة كان الجمع بين معالجة SNV وشبكة ResNet50. وصلت هذه المزجية إلى دقة تصنيف إجمالية تبلغ نحو 96.6 في المئة، متفوقة على نفس الشبكة دون معالجة مسبقة والنماذج العصبية الأخرى. ثبتت فاعليتها خصوصاً في التفريق بين مواد تبدو متشابهة بالعين المجردة، مثل الرواسب المدفونة المختلفة. حتى عندما قلل الباحثون كمية بيانات التدريب إلى 40 في المئة فقط من العينات المتاحة، ظلّت الدقة فوق 93 في المئة، وارتفعت تدريجياً مع إضافة أمثلة أكثر. أظهر تحليل مصفوفات الالتباس أن بعض الفئات، مثل الرواسب البحيراتية واللُّوس، تم تحديدها بمصداقية عالية بشكل خاص، بينما حصلت أصعب فئة — حطام المباني — أيضاً على دقة تفوق 95 في المئة.

ما يعنيه هذا للآثار وما بعدها

بالنسبة لغير المتخصصين، النتيجة الأساسية بسيطة: عبر تسليط طيف واسع من الضوء على التربة وترك شبكة عصبية مضبوطة لتفسر الانعكاسات، يمكن لعلماء الآثار رسم خرائط سريعة وموضوعية لأماكن إقامة الناس وزراعاتهم وبنائهم — حتى عندما لا تكون هناك أسوار أو قطع أثرية مرئية. تقلل هذه الطريقة الاعتماد على الخبرة الشخصية، وتسرّع المسوحات الميدانية، وتفتح الباب أمام مسوحات شبه آلية واسعة النطاق للمناظر الطبيعية بحثاً عن آثار ثقافية دقيقة. وعلى الرغم من أن مجموعة البيانات الحالية مصممة مناخياً وتاريخياً لصالح الصين الوسطى، يمكن توسيع المنهج نفسه إلى مناطق وفترات زمنية أخرى مع بناء مكتبات طيفية إضافية. على المدى الطويل، قد تحول مزج الاستشعار الطيفي الفائق والذكاء الاصطناعي وأدوات بعيدة أخرى الطريقة التي نستكشف بها التواريخ المدفونة، مما يمنحنا فهماً أوضح لكيفية تعامل المجتمعات السابقة مع التغير البيئي — وكيف قد نفعل الشيء نفسه.

الاستشهاد: Luo, R., Chen, P., Wang, H. et al. Enhancing ancient human ruins classification with residual neural networks using visible near-infrared spectra. npj Herit. Sci. 14, 284 (2026). https://doi.org/10.1038/s40494-026-02564-x

الكلمات المفتاحية: علم الآثار الطيفي الفائق, أطلال الإنسان القديمة, التعلّم العميق, أطياف القريب من تحت الأحمر, كشف التراث