AI 進軍考古學！深度學習演算法發現近 100 萬年前人類用火證據

懂用火是智人進化的關鍵，火不僅可幫助製造更複雜的工具，還能讓食物更安全，有益大腦發育。

迄今全球只發現5個可追溯至50萬年前用火證據的遺址：南非Wonderwerk洞穴和Swartkrans、肯亞Chesowanja、以色列Gesher Benot Ya′aqov、西班牙Cueva Negra。近日以色列研究團隊利用人工智慧演算法發現第六個證明人類用火痕跡的遺址，提出以色列舊石器時代晚期遺址有人類用火的證據。研究發表於《PNAS》。

AI 進軍考古界

傳統考古法對早期古人類遺址用火辨識主要靠蝕變沉積物、岩屑和骨骼等視覺判斷，如土壤變紅、變色、翹曲、龜裂、收縮、變暗等，但可能低估當時人類用火的普遍程度。新研究團隊開發基於拉曼光譜和深度學習演算法的光譜「溫度計」，估算燧石偽影的熱暴露，檢測極端高溫扭曲材料的原子結構，彌補用火痕跡視覺特徵的不足。

這次以色列舊石器時代早期露天遺址（Evron Quarry）以新方法找到有火燒過的動物和岩屑殘存，年代介於100萬至80萬年前。團隊首先研究1976~1977年Evron Quarry挖出的材料，並沒有發現熱相關特徵的視覺明顯證據，如土壤變紅、燧石工具變色或龜裂、收縮或動物遺骸變色等。

▲ Evron Quarry遺址現場。

團隊測試許多方法，包括傳統數據分析、機器學習建模和深度學習模型。流行的深度學習模型有優於其他模型的特定架構，使用AI技術的好處是可分析材料化學成分，估計熱暴露狀況。AI技術能可靠區分現代燧石是否燒過，且還能顯示當時溫度。火的熱量可引起附近石頭變化，燃燒會在原子程度改變骨骼結構，紅外線光譜也會改變。

團隊使用深度學習模型（1D卷積神經網路）學習燧石偽影的拉曼光譜模式，估計石器溫度。與完全連接的人工神經網路（FC-ANN）相比，此模型性能更優秀，能將真實溫度和估計溫度的平均絕對誤差從118°C降至103°C。

團隊預先訓練以色列不同地方收集的現代燧石，並在實驗室控制條件下加熱至已知溫度，訓練後模型才來分析未知樣品（即從Evron Quarry遺址採集的石器）。團隊採用有監督的深度學習連結拉曼光譜與燧石加熱溫度，這方法依靠燧石有機和無機成分的不可逆熱誘導結構改變，同時克服固有可變性。使用深度學習模型估算溫度的優點，是能以近似熱量與α-石英、莫干岩及D和G波段光譜區域因熱量產生的光譜變化間任何非線性決策邊界。

下圖石塊光用看的無法知道是否被火燒過，但透過深度學習模型，估算石塊收集的紫外拉曼光譜熱暴露度，發現都曾加熱至200°C~600°C，代表古人類有控制火的能力而非只會用自然野火。