كيف يغير الذكاء الاصطناعي علم الآثار؟ اكتشاف المدن المفقودة والحضارات القديمة

كيف يغير الذكاء الاصطناعي علم الآثار؟ اكتشاف المدن المفقودة والحضارات القديمة

تحت وطأة الغابات الاستوائية الكثيفة في جواتيمالا، نامت إمبراطورية "المايا" لقرون طويلة دون أن يدرك أحد حجمها الحقيقي. لعقود، كان علماء الآثار يقطعون هذه الأحراش سيرًا على الأقدام، يواجهون الملاريا والحيوانات المفترسة، ليوثقوا بصعوبة بالغة بضعة أمتار من جدار متهدم أو هرم غطته الأشجار. ولكن، في لحظة تقنية فارقة، تغير كل شيء. جلس باحث خلف شاشة حاسوبه، وأطلق خوارزمية ذكاء اصطناعي متطورة لتحليل ملايين النقاط الضوئية الملتقطة عبر تقنيات الاستشعار عن بعد. وفي غضون ساعات قليلة، انقشعت الغابة رقميًا لتكشف عن شبكة مذهلة تضم أكثر من 60 ألف مبنى أثري، وقنوات مائية، وتحصينات عسكرية لم تكن معروفة من قبل. لم يكن هذا مشهدًا من فيلم خيال علمي، بل الواقع الجديد الذي فرضه الذكاء الاصطناعي في علم الآثار. إننا نشهد اليوم ثورة رقمية صامتة تعيد كتابة التاريخ البشري، حيث تلتقي التكنولوجيا المتقدمة مع أسرار الماضي الدفين لتكشف لنا كيف بدأت قصة الحضارة الإنسانية.

ما هو الذكاء الاصطناعي وكيف دخل مجال الآثار؟

لفترة طويلة، ارتبط علم الآثار بالمعول، والفرشاة، والبحث الميداني الشاق في المواقع النائية. ومع ذلك، فإن تراكم كميات هائلة من البيانات الجغرافية، والصور الفضائية، والوثائق التاريخية خلق فجوة بين حجم المعلومات المتاحة وقدرة البشر على تحليلها. من هنا برزت الحاجة إلى دمج التكنولوجيا والآثار، وتحديدًا تقنيات الذكاء الاصطناعي (AI).

يعتمد الذكاء الاصطناعي في هذا السياق على تطوير خوارزميات قادرة على محاكاة القدرات الذهنية البشرية، مثل التعلم، والاستنتاج، والتعرف على الأنماط البصرية المعقدة. بدأت أولى محاولات إدخال هذه التقنيات عبر استخدام أنظمة المعلومات الجغرافية (GIS)، وتطورت سريعًا مع ظهور "التعلم العميق" (Deep Learning). بفضل هذه النماذج البرمجية، يمكن للحاسوب الآن التعرف على الآثار المحتملة تحت التربة أو رصد الفروق الدقيقة في تضاريس الأرض التي قد تشير إلى وجود غرف أو مقابر مدفونة.

من الناحية الأكاديمية، يتجاوز الذكاء الاصطناعي فكرة كونه أداة مساعدة؛ إنه يمثل اليوم ركيزة أساسية فيما يُعرف بـ "علم الآثار الرقمي". فهو يتيح معالجة البيانات الضخمة (Big Data) المستمدة من المسوحات الجيوفيزيائية والمستندات التاريخية بسرعة فائقة ودقة تفوق القدرة البشرية، مما يقلل من الوقت اللازم للاستكشاف من سنوات وعقود إلى أيام ومعدل ساعات معدودة.

تحليل الصور الفضائية للكشف عن المواقع الأثرية المخفية

تعتبر الصور الملتقطة عبر الأقمار الصناعية من أهم مصادر المعلومات في العصر الحديث، لكن تكمن الصعوبة في فحص ملايين الكيلومترات المربعة بحثًا عن شواهد أثرية قد لا تزيد مساحتها عن بضعة أمتار. هنا يبرز دور تحليل الصور الفضائية المدعوم بالذكاء الاصطناعي.

تقوم الخوارزميات، وخاصة شبكات العصبونات الالتفافية (CNNs)، بفحص الصور الفضائية متعددة الأطياف. هذه الصور لا تقتصر على ما تراه العين البشرية فحسب، بل تمتد لتشمل الأشعة تحت الحمراء والأشعة الرادارية. يستطيع الذكاء الاصطناعي رصد تغيرات طفيفة جدًا في نمو النباتات أو رطوبة التربة:

• مؤشر الاختلاف الخضري (NDVI): تؤثر الجدران الأثرية المدفونة تحت الأرض على نمو جذور النباتات فوقها، مما يجعل النباتات في تلك البقعة أقل نموًا أو مختلفة اللون مقارنة بالمحيط. يلتقط الذكاء الاصطناعي هذا الفارق الطفيف الذي يعجز البشر عن ملاحظته بالعين المجردة.
• بقايا التغيرات الحرارية: تحتفظ الهياكل الحجرية المدفونة بالحرارة بشكل يختلف عن التربة المحيطة بها. من خلال تحليل الصور الحرارية الليلية، يستطيع الذكاء الاصطناعي تحديد مخططات الأبنية المدفونة بدقة مذهلة.

بهذه الطريقة، يتمكن الباحثون من تحديد أماكن المواقع الأثرية المدفونة وتحديد أبعادها دون الحاجة إلى وضع قدم واحدة في الموقع، مما يحمي هذه الثروات التاريخية من أعمال التنقيب العشوائية ويوجه البعثات العلمية بدقة متناهية.

دور التعلم الآلي في اكتشاف المدن المفقودة

إن اكتشاف المدن المفقودة لم يعد معتمدًا على الصدفة أو الأساطير المتوارثة. بفضل التعلم الآلي (Machine Learning)، أصبح بإمكان العلماء تدريب الحواسيب على نماذج مسبقة للمستوطنات البشرية القديمة، ومن ثم تطبيق هذه النماذج للبحث عن مواقع مشابهة في مناطق غير مستكشفة بعد.

تبدأ العملية بتغذية النظام ببيانات دقيقة عن مواقع أثرية معروفة وموثقة تاريخيًا، مثل أشكال التلال الاصطناعية (التلال الأثرية في الشرق الأوسط)، أو أنماط توزيع البيوت حول المعابد. يتعلم الكمبيوتر الخصائص الطبوغرافية والجغرافية الدقيقة لهذه المواقع، مثل قربها من مصادر المياه، وارتفاعها عن سطح البحر، وميلان المنحدرات المحيطة بها.

بمجرد اكتمال مرحلة التدريب، يتم إطلاق النموذج الرياضي ليمسح مساحات شاسعة وجديدة تمامًا. في بضع دقائق، يمكن للنظام تصنيف آلاف التلال والمنخفضات، وتحديد أي منها يحمل احتمالاً كبيراً لكونه مدينة مفقودة أو مستوطنة قديمة طمرتها عوامل الطبيعة. وقد ساهم هذا الأسلوب بشكل مباشر في تتبع خطوط التجارة القديمة مثل طريق الحرير، واكتشاف مستوطنات معزولة في أعماق الصحاري الوعرة.

كيف تساعد الخوارزميات في قراءة النقوش والكتابات القديمة?

من أصعب التحديات التي تواجه دارسي الحضارات القديمة هي قراءة وتحليل النصوص والنقوش الأثرية التي لحق بها التلف عبر الزمن، أو تلك المكتوبة بلغات منسية لم تعد شائعة. هنا، أثبتت خوارزميات معالجة اللغة الطبيعية (NLP) والرؤية الحاسوبية كفاءة استثنائية.

على سبيل المثال، واجه العلماء صعوبة بالغة لقرون في فك الرموز المكتوبة على الألواح الطينية السومرية بالخط المسماري، أو قراءة البرديات المتفحمة جراء ثوران بركان فيزوف في إيطاليا. تقدم الذكاء الاصطناعي لحل هذه المعضلات عبر عدة آليات:

1. ترميم النصوص التالفة (Text Restoration)

تقوم خوارزميات مثل مشروع "إيثاكا" (Ithaka) المطوّر بالتعاون مع جهات أكاديمية رائدة، بتحليل النصوص الإغريقية القديمة التالفة. يستطيع النظام اقتراح الكلمات المفقودة بناءً على السياق اللغوي العام، وبنية الجملة، والأنماط التاريخية المألوفة في تلك الحقبة، محققاً نسبة دقة تفوق بكثير محاولات المؤرخين الفردية العادية.

2. تحديد هوية وتاريخ المخطوطات

بفضل الفحص الدقيق لأسلوب الكتابة وحركة اليد على الحجر أو الورق، يستطيع الذكاء الاصطناعي تحديد الكاتب أو المدرسة التي ينتمي إليها النص، فضلاً عن تقديم تقدير زمني دقيق لتاريخ كتابة المخطوطة بناءً على مقارنة الخصائص البصرية لآلاف النصوص المؤرخة مسبقاً.

الذكاء الاصطناعي والاستشعار عن بعد في المسوحات الأثرية

يعتبر الاستشعار عن بعد حجر الزاوية في المشروعات الأثرية الحديثة. وتعد تقنية "الليدار" (LiDAR - Light Detection and Ranging) واحدة من أقوى الأدوات في هذا المجال، حيث تعتمد على إرسال ملايين نبضات الليزر من طائرة أو طائرة بدون طيار (Drone) نحو سطح الأرض وقياس زمن ارتدادها لبناء خريطة ثلاثية الأبعاد بالغة الدقة للتضاريس.

لكن التحدي الأكبر يكمن في فرز هذه الملايين من النقاط الضوئية لإزالة الغطاء النباتي الكثيف الذي يحجب المعالم الأرضية. وهنا يأتي دور الذكاء الاصطناعي الذي يتم تدريبه على التمييز التلقائي بين الظواهر الطبيعية (مثل الأشجار، والشجيرات، والصخور الطبيعية) والظواهر البشرية الاصطناعية (مثل الأساسات الجدارية، والطرق الممهدة، والخنادق).

بدون الذكاء الاصطناعي، كان مسح مساحة صغيرة بالليدار يتطلب أشهراً من المعالجة اليدوية المضنية بواسطة خبراء متخصصين. اليوم، وبفضل خوارزميات التصنيف الآلي، تتم هذه العملية خلال ساعات، مما أتاح مسح مناطق شاسعة في غابات حوض الأمازون وجنوب شرق آسيا، وتغيير فهمنا بالكامل لكيفية انتشار المجتمعات القديمة وتنظيمها العمراني.

أمثلة حقيقية لاكتشافات أثرية ساهم فيها الذكاء الاصطناعي

لم تعد التطبيقات النظرية حبيسة المختبرات؛ بل تحولت إلى واقع ملموس غير وجه الخارطة الأثرية العالمية عبر إنجازات حقيقية تناقلتها كبرى المجلات العلمية:

• خطوط نازكا في بيرو: نجح باحثون بالتعاون مع مراكز بحثية كبرى في استخدام الذكاء الاصطناعي لاكتشاف رموز جغرافية ونقوش عملاقة جديدة مرسومة على رمال الصحراء، بعضها يمثل أشكالاً حيوانية وبشرية غريبة كانت غير واضحة تماماً للعين البشرية بسبب عوامل التعرية وتداخل التضاريس.
• مستوطنات ما قبل التاريخ في المملكة المتحدة: تمكنت برمجيات التعلم العميق من فحص آلاف الكيلومترات المربعة، وتحديد مئات المدافن الدائرية التي تعود إلى العصر البرونزي والتي كانت مجهولة تماماً للبعثات والباحثين المحليين.
• فك رموز برديات هيركولانيوم المتفحمة: باستخدام التصوير المقطعي ثلاثي الأبعاد عالي الدقة المعزز بنماذج التعلم الآلي والذكاء الاصطناعي، تمكن العلماء من قراءة النصوص المكتوبة داخل برديات متفحمة نتيجة ثوران بركان فيزوف عام 79 ميلادي، دون الحاجة لفتحها يدوياً ومواجهة خطر تفتتها الحتمي.

مزايا استخدام الذكاء الاصطناعي مقارنة بالأساليب التقليدية

لتوضيح حجم النقلة النوعية التي قدمتها تقنيات التنقيب الحديثة المدعومة بالذكاء الاصطناعي، نلخص أهم الفروق الجوهرية بين المنهجين التقليدي والحديث في الجدول الموضح أدناه:

التحديات والقيود التي تواجه هذه التقنيات الحديثة

على الرغم من الآفاق الواسعة التي يفتحها اكتشاف الآثار بالذكاء الاصطناعي، إلا أن هذه التقنية تواجه بعض التحديات والمحددات المنهجية التي تفرض على العلماء التعامل مع نتائجها بحذر وعناية:

أولاً، تبرز مشكلة انحياز البيانات (Data Bias). فإذا تم تدريب خوارزمية التعلم الآلي على تصنيف وتحديد المواقع بناءً على معطيات مستمدة من منطقة جغرافية محددة (مثل المعابد الرومانية في أوروبا فقط)، فقد تفشل تماماً في التعرف على الأنماط الأثرية لحضارات مختلفة في أفريقيا أو أمريكا الجنوبية، مما قد يؤدي إلى إغفال مواقع هامة أو تقديم نتائج مضللة نوعاً ما.

ثانياً، تظل المشكلة التقنية المعروفة باسم "الصندوق الأسود" (Black Box) قائمة؛ حيث تقدم نماذج التعلم العميق نتائج وتنبؤات بمواقع أثرية معينة دون توضيح الآلية الرياضية أو السبب الدقيق الذي جعلها تختار هذا المكان تحديداً، مما يثير حيرة الباحثين ويجعلهم يترددون في تخصيص ميزانيات للحفر الفعلي بناءً على توصيات النظام الذكي بمفرده.

أخيراً، يجب التأكيد على أن التكنولوجيا لا يمكنها أبداً إلغاء الحاجة إلى التحقق الميداني (Ground-truthing). فالذكاء الاصطناعي قد يرصد شكلاً هندسياً منتظماً تحت الأرض ويصنفه على أنه جدار أثري، ليتبين لاحقاً عند الحفر الفعلي أنه مجرد تشكيل صخري طبيعي أو بقايا بنية تحتية حديثة مهجورة.

مستقبل علم الآثار في عصر الذكاء الاصطناعي

إننا نقف على أعتاب عصر ذهبي جديد للاستكشافات الأثرية. في المستقبل القريب، يتوقع العلماء دمج الذكاء الاصطناعي مع تقنيات الروبوتات الذكية والمطورة ذاتياً. سنرى روبوتات صغيرة قادرة على دخول المقابر والممرات الضيقة التي تشكل خطراً على حياة البشر، ومجهزة بأنظمة ذكاء اصطناعي محلي تسمح لها بمسح المحيط وتصنيفه وتحليله بشكل فوري ومباشر.

علاوة على ذلك، يمهد التطور السريع في الواقع الافتراضي (VR) والواقع المعزز (AR) لإعادة بناء المدن المفقودة رقمياً بدقة متناهية بالاعتماد على التنبؤات الهندسية للذكاء الاصطناعي، مما يسمح للعامة والباحثين بالتجول داخل شوارع بابل، أو روما، أو حضارة المايا القديمة كما كانت تبدو قبل آلاف السنين.

خاتمة

في نهاية المطاف، يثبت لنا الذكاء الاصطناعي أنه ليس مجرد أداة لتطوير الصناعات الحديثة أو صياغة المستقبل، بل هو جسر تكنولوجي متين يربطنا بجذورنا العميقة في التاريخ الإنساني. لقد تحول هذا العلم بفضل الخوارزميات والتعلم الآلي من محاولات فردية تعتمد على الحظ والصبر الطويل، إلى علم دقيق يبحث في عمق الكوكب ليعيد إحياء قصص وحضارات طواها النسيان. إن دمج هذه التكنولوجيا مع الخبرة البشرية يضمن لنا الحفاظ على هذا الإرث الحضاري الفريد وحمايته من الضياع، ليظل شاهداً حياً تسترشد به الأجيال القادمة في فهم مسيرتها الطويلة على هذا الكوكب.