מיזוג תמונות מרובות-מבט באמצעות העברת ידע למיון חרוזי זכוכית עתיקים שנחפרו ביפן

חרוזים כאבני-זמן

יותר מאלף שנים, חרוזי זכוכית זעירים נסעו לאורך דרכי המסחר מהמזרח התיכון והודו אל הארכיפלג היפני. כיום, השברים הצבעוניים הללו הם בין הממצאים הנפוצים ביותר שמחופרים ביפן — נמצאו למעלה מ-600,000 מהם — אך קביעת מקום הייצור המדויק שלהם בדרך כלל דורשת בדיקות כימיות איטיות ויקרות ועין מומחה מיומנת. המחקר הזה שואל שאלה פשוטה אך חזקה: האם צילומים שגרתיים ובינה מלאכותית מודרנית יכולים להחליף את המעבדה, ולעזור לארכאולוגים לעקוב במהירות ובאופי שאינו פוגע במסעיו של החרוז?

מדוע זכוכית עתיקה חשובה

חרוזי זכוכית הם יותר מתכשיט; הם רמזים למגעים מרחיקי לכת ברחבי אירואסיה. אזורים שונים השתמשו בתערובות חומרי גלם וצבעים מובחנים, שיצרו "חתימות" כימיות שמומחים משתמשים בהן כדי לקבץ חרוזים למשפחות המקושרות למקומות כמו מזרח אסיה, הודו, דרום-מזרח אסיה, מרכז אסיה והים התיכון. עבודת מוצא מסורתית נשענת על מכשירים שמודדים מרכיבים כימיים ועל מומחים שבודקים צורות, צבעים וסימני ייצור בהגדלה. שיטות אלה חשפו סיפורים עשירים על סחר עתיק, אך קשה להרחיבן למאות אלפי חפצים שבריריים המאוחסנים במוזיאונים ובמחסנים ברחבי יפן.

מהמדידות במעבדה לצילומים פשוטים

כדי לפרוץ את צוואר הבקבוק הזה, החוקרים בוחנים שיטה שמשתמשת אך ורק בתמונות של החרוזים. במקום להמיס חתיכה קטנה של זכוכית לניתוח, הם מצלמים כל חרוז משתי זוויות: מבט על שמגלה את החור המעגלי ודפוסי הצבע הכלליים, ומבט צד שמראה את העובי והפרופיל. שתי נקודות המבט הללו מחקות את האופן שבו מומחים מטפלים בחפצים, מסובבים אותם בידיהם כדי לתפוס שינויים עדינים במרקם ובצורה. המטרה שאפתנית: בהינתן רק התמונות האלה, האם מחשב יכול להקצות אוטומטית כל חרוז לאחד מ-16 הקבוצות הכימיות והאזוריות המוסכמות שכבר בשימוש אצל הארכאולוגים?

מלמדים מכונות לראות כמו מומחים

הצוות משתמש במערכת בינה מלאכותית היברידית שנקראת MidNet. היא משלבת שתי אסטרטגיות מובילות לניתוח תמונה. הראשונה, רשת עצבית קונבולוציונית, טובה במיוחד בזיהוי פרטים עדינים כגון נקבוביות זעירות, פסים של צבע או נזקים על פני השטח. השנייה, טרנספורמר חזותי, תוכננה לראות את התמונה הרחבה — כיצד צבעים וצורות מתקשרים ברחבי כל החרוז. MidNet מעבדת את שתי הזוויות (על וצד) דרך שני סוגי המודלים ואז מעודדת אותם "להתאים" זה לזה. במהלך האימון כל מודל לומד לא רק מהתווית הנכונה אלא גם מניבויי השותף ומהזווית החלופית. ההחלפה הזו מפחיתה את הסיכון שהמערכת תתבסס על מוזרויות של זווית מסוימת או סוג מודל מסוים במקום על תכונות חזותיות יציבות הקשורות למקור.

עבודה עם נתונים לא שווים ולא מושלמים

מערך הנתונים שמאחורי MidNet מורכב מ-3,434 תמונות של חרוזים שהמקבצים שלהן נקבעו בעבר בעזרת מחקר מומחים מדוקדק וניתוח כימי. חלק מסוגי החרוזים נפוצים, בעוד אחרים מיוצגים על ידי מספר מועט של דוגמאות — בעיה נפוצה בארכאולוגיה. כדי למנוע מה-AI להעדיף בקלות את הקטגוריות הנפוצות ביותר, החוקרים השתמשו בשני תחבולות. ראשית, הם ייצרו תמונות אימון נוספות עבור סוגים נדירים מאוד באמצעות טכניקת סינתוז תמונות מודרנית, שיצרה וריאציות אמינות מבלי לגעת בחפצים עצמם. שנית, הם עיוותו במתכוון תמונות אימון — שינוי קל בצבע, חיתוך או הסתרת טלאים קטנים — כדי להפוך את המערכת לפחות רגישה לנזקים קלים או לשינויים בתאורה. לאחר מכן העריכו את הביצועים בפרוצדורת חצייה-ולידציה קפדנית כדי לבדוק עד כמה השיטה תוכל להכליל לחרוזים שלא נראו קודם.

כמה טוב המערכת עובדת?

כשבדקו את ה-MidNet ההיברידי מול מודלים סטנדרטיים יותר לניתוח תמונה, הם מצאו ששימוש בשתי הזוויות תמיד עוזר, ואושש שהשתי הזוויות לוכדות רמזים משלימים. במונחי דיוק גולמי, MidNet השווה לשיטת התחרות הטובה ביותר בהפרש של רק כמה חרוזים מתוך אלפים, אך הציגה את ההתנהגות היציבה ביותר בחלוקות המבחן השונות. במילים אחרות, הביצועים שלה השתנו פחות מניסוי לניסוי, מה שמעיד שהיא פחות רגישה לאילו חרוזים מסוימים נכללים בקבוצת האימון — תכונה מכרעת כשמטפלים בסוגי חפצים נדירים. השיטה עדיין נאבקת בקטגוריות הדומות זו לזו שאף מומחים מתקשים להבחין ביניהן, מה שמרמז על בעיית "דקה-מאוד-בחינה" שבה ההבדלים כמעט בלתי ניתנים לזיהוי בתמונות בלבד.

מה משמעות הדבר לחפירות עתידיות

המחקר מראה כי צילום זהיר בשילוב ניתוח תמונה מתקדם יכול לאמוד באופן מהימן את מקום ייצורם של רבים מחרוזי הזכוכית העתיקים, מבלי לגעת בכימיה שלהם. עבור ארכאולוגים, זה פותח דלת למיון מהיר, זול ולא-פולשני של אוספים גדולים, גם בשטח או במוזיאונים קטנים שאין להם מעבדות. בעוד שמקרים מאתגרים עדיין ידרשו שיקול דעת מומחה ובדיקות כימיות, מערכת כזו כמו MidNet יכולה לטפל ברוב המיון השגרתי, להדגיש חפצים יוצאי-דופן ולתמוך בארכיונים דיגיטליים גדולים שעוקבים אחר תנועת הזכוכית בין יבשות ומאות שנים. בקיצור, העבודה מדגימה כיצד בינה מלאכותית יכולה לסייע בשיחזור ההיסטוריה האנושית, חרוז קטן אחד בכל פעם.

ציטוט: Fukuchi, T., Tamura, T. & Fukunaga, K. Multi-view image fusion using knowledge distillation for classification of ancient glass beads excavated in Japan. npj Herit. Sci. 14, 41 (2026). https://doi.org/10.1038/s40494-026-02305-0

מילות מפתח: ארכאולוגיה, חרוזי זכוכית, למידת מכונה, מיון מבוסס תמונה, מורשת תרבותית