知識蒸留を用いた多視点画像融合による、日本で出土した古代ガラス玉の分類

タイムカプセルとしての玉

千年以上にわたり、小さなガラス玉は地中海やインドから日本列島へと交易路を伝って移動しました。今日、こうした色とりどりの破片は日本で発掘される最も一般的な遺物の一つであり、現在までに60万点以上が見つかっています。しかし、正確な産地を突き止めるには通常、時間がかかり高価な化学分析や専門家の目が必要です。本研究はシンプルでありながら力強い問いを投げかけます。日常的な写真と最新のAIは、実験室の代わりになり、考古学者がこれらの玉の由来を迅速かつ非破壊で追跡するのに役立つだろうか？

なぜ古代ガラスが重要なのか

ガラス玉は単なる装飾品以上の意味を持ち、ユーラシア大陸を横断する長距離接触の手がかりを提供します。地域ごとに原料や着色剤の組み合わせが異なり、それが化学的な“署名”を生み出すため、専門家はそれらをもとに東アジア、インド、東南アジア、中央アジア、地中海などの産地と結びつけて分類します。従来の産地推定は化学成分を測定する機器と、形状・色・製造痕を拡大して観察する専門家に頼ってきました。これらの手法は古代の交易について豊かな物語を明らかにしてきましたが、日本中の博物館や収蔵庫に保管された数十万点もの壊れやすい遺物に対して拡張するのは困難です。

実験室測定から単純な写真へ

このボトルネックを解消するため、著者らは玉の画像のみを用いる手法を検討します。ガラスの一片を溶かして分析する代わりに、各玉を二つの角度から撮影します。リング状の穴や全体の模様が分かる上面（トップ）と、厚みや輪郭が分かる側面（サイド）です。この二視点は、人間の専門家が遺物を手に取り回して表面の微妙な変化や形状を確認する行為を模しています。目標は野心的です：こうした写真だけで、コンピュータは考古学者が既に使っている16の確立された化学・地域グループのいずれかに自動的に各玉を割り当てられるだろうか？

専門家の見る目を機械に教える

研究チームはMidNetと呼ばれるハイブリッド型の人工知能システムに着目します。これは二つの主要な画像解析戦略を組み合わせたものです。一つは畳み込みニューラルネットワークで、微小なピット、色の筋、表面の損傷などの細部を捉えるのに優れています。もう一つはビジョントランスフォーマーで、色や形が全体としてどのように関係しているかといった大局を捉える設計です。MidNetは両方の視点（トップとサイド）を両方式で処理し、さらにそれらが互いに“合意”するよう促します。訓練中、各モデルは正解ラベルだけでなく、相手モデルの予測や別の視点からの情報からも学びます。この相互のやり取りにより、システムが特定の角度やモデル特有の癖にとらわれるリスクが減り、産地に結びつく持続的な視覚的特徴を学びやすくなります。

不均衡で不完全なデータへの対応

MidNetの基礎となるデータセットは、慎重な専門家の研究と化学分析で既にクラスが確定している3,434枚の玉の画像から成ります。ある玉のタイプは豊富に存在する一方、別のタイプはほんの数例しかないという、考古学でよく見られる問題があります。AIが単に最も一般的なクラスを好むのを防ぐために、研究者たちは二つの工夫を行いました。まず、非常に稀なタイプについては現代の画像合成技術を使って追加の学習画像を生成し、遺物に手を触れずに説得力のあるバリエーションを作りました。次に、訓練用写真に意図的な歪みを加え（色のわずかな変更、トリミング、小さな領域の隠蔽など）、小さな損傷や照明の違いに対してシステムの感度を下げました。最後に、見えない玉に対する一般化能力を評価するために厳格な交差検証手順で性能を検証しました。

システムの実力はどれほどか？

研究者らがハイブリッドなMidNetをより標準的な画像モデルと比較したところ、トップとサイドの両方の視点を使うことは常に有益であり、二つの角度が補完的な手がかりを捉えていることが確認されました。生の精度（accuracy）の面では、MidNetは数千点中わずか数個の差という範囲で最良の競合手法に匹敵しましたが、異なるテスト分割にわたって最も安定した挙動を示しました。言い換えれば、訓練セットに含まれる特定の玉によって性能が大きく左右されにくく、希少な遺物タイプを扱う際に重要な安定性を持っていることを示しています。とはいえ、専門家でも区別が難しい類似カテゴリに対しては依然として苦戦しており、写真だけではほとんど知覚できない差異が問題になる“超微細分類”の課題を示唆しています。

今後の発掘にとっての意義

本研究は、注意深い撮影と高度な画像解析により、多くの古代ガラス玉の産地を化学分析に頼らずに信頼性高く推定できることを示しました。考古学者にとって、これは迅速で低コスト、非破壊の大量分類を現場や実験設備のない小規模な博物館でも可能にします。難しいケースは依然として専門家の判断や化学分析を必要としますが、MidNetのようなシステムは日常的な分類の大部分を処理し、異例の品を浮き彫りにし、ガラスの大陸横断的な移動を追跡する大規模なデジタルアーカイブを支える助けとなるでしょう。要するに、この研究は人工知能が一粒の小さな玉ごとに人類の歴史を再構成する手助けになり得ることを示しています。

引用: 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

キーワード: 考古学, ガラス玉, 機械学習, 画像ベース分類, 文化遺産