与美国海军水下考古处合作，一位学者开发了一种能够探测沉船的新型AI模型。
地理学家Leila Character成功探测到沉船，准确率高达92%。
水下考古既危险又昂贵，而能够绘制海面以上所有沉船分布的模型可以减少时间、成本和风险。
Character解释了他们如何创建该工具，以及预期将产生的影响。
核心理念
与美国海军的水下考古处合作，我教会了计算机如何根据飞机和水面船只拍摄的扫描数据识别海底沉船。我们创建的计算机模型在查找已知沉船方面的准确率为92%。该项目聚焦于美国本土海岸和波多黎各沿岸。目前，该模型已可用于寻找未知或未绘制的沉船。
创建沉船模型的第一步，是教会计算机沉船的样子。同样重要的是，教会计算机区分沉船与海床地形。为此，我需要大量沉船示例。我还需要让模型了解天然海床的样子。
幸运的是，美国国家海洋和大气管理局保存着一个公共沉船数据库。该机构还拥有一个大型公共数据库，收录了全球各地采集的各类影像，包括海床的声纳和激光雷达影像。我使用的影像覆盖范围距海岸略超过14英里（23千米），深度达279英尺（85米）。这些影像中既包含大片无沉船的区域，也偶尔有沉船。
重要意义
查明沉船对于理解人类过往（例如贸易、迁徙、战争）十分重要，但水下考古既昂贵又危险。能够自动绘制大片区域内所有沉船分布的模型，可以减少借助水下无人机或人类潜水员寻找沉船所需的时间和成本。
海军水下考古处对这项工作很感兴趣，因为它可以帮助该部门找到未绘制或未知的海军沉船。更广泛地说，这是水下考古领域的一种新方法，可推广用于寻找各类水下考古遗迹，包括建筑、雕像和飞机。
该领域正在开展哪些其他研究
本项目是首个以考古为重点、旨在自动识别大片区域内沉船的模型，本例中覆盖美国本土的整个海岸。另有几个相关项目聚焦于寻找沉船，主要依靠深度学习和水下无人机采集的影像。这些项目只能找到无人机周围区域内的少数几艘沉船。
下一步计划
我们希望在模型中纳入来自全球各地更多的沉船和影像数据。这将有助于模型更好地识别多种不同类型的沉船。我们还希望美国海军水下考古处能够潜入模型探测到沉船的部分地点，以便更仔细地核查模型的准确性。
我还在开展其他几个考古机器学习项目，这些项目相互衔接。我工作的总体目标是构建一个可定制的考古机器学习模型。该模型能够在陆地和水下、世界不同地区之间快速轻松地切换，预测不同类型的考古遗迹。为此，我还在开展以寻找古代玛雅考古结构、一处玛雅考古遗址的洞穴以及罗马尼亚墓冢为重点的项目。
