新興計算機技術與考古學

彭若宇

摘 要：計算機技術最早用于考古學始于20世紀50年代的美國考古學者有關民族部落的研究中。此后，隨著計算機科學的不斷進步，考古學中可運用的計算機技術也逐漸豐富起來，從一開始只是通過計算機進行考古信息的管理和處理的單一，到如今的百花齊放、紛繁復雜（如計算機3D建模投影遺址景觀復原、考古信息大數據庫等），兩者的結合愈發緊密。因此，在大數據、云計算、機器學習技術飛速發展的今日，我們不難意識到人工智能在考古領域，尤其是田野考古領域，可以有較大作為。文章通過考古發掘準備期、發掘期以及發掘后續工作三個時段來分析人工智能的可參與性、可利用性，看到田野考古的發展新方向，使考古亦可踏時代之浪潮而行。

關鍵詞：田野考古;人工智能;大數據

1 考古發掘準備期

筆者認為，考古發掘的準備期主要有兩方面的情況需要考慮：一是要查閱并且準備相關的文本文獻材料，二是要進行實地勘察以初步了解發掘地及其周邊。前者往往需要花費大量的時間和精力，而且常出謬誤，但是這一步驟又是田野考古中極為重要的一步，它可以為后續的發掘工作提供參考甚至指導。以筆者參與過的吉林省安圖縣寶馬城發掘為例，最開始的考證始于對20世紀80年代編纂的《安圖縣文物志》所載此城的形狀、基本的布局、城墻尺寸結構以及殘存遺物的簡單介紹，后據踏查于城中發現的一些指壓紋瓦片認定該城始建于渤海，遼金沿用。所以以往學術界普遍視寶馬城為渤海朝貢道上的重要驛站，更有學者將其比定為當時中京顯德府下轄的興州。①然而直到2013年進行試掘時才發現，其實為金王朝祭祀長白山的一座神廟遺址。筆者認為，一開始對寶馬城遺址性質的誤判，顯然是由于文獻的部分缺失和踏查不夠細致全面所致。當然上述問題是難以完全避免的。然而在新興計算機技術興起的今日，利用云計算、大數據還有機器學習，是可以使考古人員在客觀條件允許的情況下，盡可能地減少考古發掘準備期的一些誤判。

1.1 利用大數據技術準備文本文獻材料

大數據技術，主要指的是通過對海量信息實施存儲和分析，經過嚴謹的數據分析之后，能夠獲得滿足人們實際要求的計算結果的一項技術。②考古學作為一門和歷史學、文獻學、古文字學等有緊密聯系的學科，即使大部分考古學者博覽群書，對一些基本文獻都爛熟于心，往往也會在尋找文獻材料時陷入“文山書海”的困境中。隨著現代圖書文獻管理系統的出現，這一困難的情況得到了極大的改善，人們可以通過計算機以及相應的軟件進行搜索，迅速定位自己需要尋找的材料。不過隨著學科細分愈嚴，文獻書目也愈發冗雜起來，許多學科開始有了自己的數據庫系統，僅僅搜集自身學科所需文獻。在這一方面，筆者認為，由于考古學有多學科交集的特點，在建立完全屬于自身學科的圖書數據庫這一點上，是沒有必要的。不過，在現代人工智能強調機器深度學習的情況下，配合大數據技術，可以使海量的數據篩選變得更加精準和快捷，重復以及低相關度信息被計算機智能排除，數據深度得以不受外界煩冗多余信息干擾而有所保障。這樣一來，可以達到過濾無用信息，找到有用信息，減少人工誤差，進而提高考古學者在文獻材料搜集上的效率和精確度的良性循環。

1.2 利用機器學習技術進行考古踏查

考古踏查的主要目的是摸清考古遺址的一些基本情況。經筆者分析認為，這一過程主要存在兩個可考慮利用機器學習技術的方面：一是踏查選點;二是踏查范圍。

踏查是一種有篩點的考古發掘前期工作。如筆者在《日本平泉遺址考古踏查述略》③一文中所見，該文作者依次踏查了平泉遺址的城池、衙署、無量光院、毛越寺、中尊寺等遺址來了解平泉文化遺址的全貌。依此筆者認為，踏查選點是一項重要的考古準備工作。其實利用機器學習技術選址，早已有所普及，多用于商業、住房等選址上。例如，《基于多源大數據融合的銀行網點選址方法》①一文，通過多方面、多角度的數據建模，諸如人流量、交通擁堵指數、用戶價值、周邊競爭網點數等，基于機器學習算法，構建選點權重的損失函數。同理在進行考古遺址踏查時，我們亦可在植被情況、遺址密度、地形地貌等方面綜合數據，構建權重函數，利用計算機規劃踏查點，從而得到先后主次的踏查順序，形成重點踏查和次重點踏查的模式，并相應地做好人員、物資等分配調整，在減輕人工負擔的同時，做到踏查無漏、科學踏查，為日后的正式考古發掘做好充分良好的鋪墊。同理，這類技術也可利用踏查所得考古學遺物遺跡，與前文所提的大數據搜索技術結合，很好地構建考古遺址前期工作的大方向，控制誤判情況的出現概率。

與此同時，在踏查的進行過程中，不少考古學者都會面臨遺址地形情況較為復雜的情況，有些踏查地點甚至有較為危險的地理環境，這會導致無法一窺遺址全貌。航空考古和遙感技術雖然能有助于初步認識遺址②，但遺憾的是，在細節上無法達到完善。機器學習技術輔助下的智能機器人技術與地圖建模技術相結合能較好解決上述問題。眾所周知，人工智能機器人發展的標志之一便是AlphaGo圍棋，其以擊敗世界圍棋冠軍而聞名于世。這樣基于機器深度學習技術的AI人工智能機器人，具有較強的學習能力和模仿能力，現代機器人制造技術也完全可以使機器人能在許多極端環境下工作。在不考慮制作成本的情況下，考古人工智能機器人顯然比人更能勝任踏查工作，完成采集、勘察等多項任務，并且在航空遙感技術的配合下，使得考古遺址的踏查做到“點—面”結合，加之計算機云計算和深度分析的聯合工作，完成對遺址的建模分析，使考古學者們在考古發掘初期便“既窺全貌，又得細節”亦不是不可能的事情。

2 考古發掘進行時

考古發掘是一項復雜且漫長的工作。一直以來，隨著一代又一代考古學家的不懈努力，田野考古發掘的流程逐步完善。現代計算機技術也為考古發掘提供了諸如3D視覺建模復原遺址、遺物檔案數據庫管理技術等。筆者認為，人工智能可以大展拳腳的部分主要體現在考古遺址現場管理和部分發掘場景中。

2.1 考古遺址的現場管理

考古遺址的盜掘是當今最令考古學者頭疼和扼腕的事情。有這么一句話在考古工作者中廣為流傳：“陽光總在風雨后，盜墓總在考古前。”這便是對盜掘現象普遍存在的最好佐證。據統計，2012—2014年，全國法院新收盜掘古文化遺址、古墓葬刑事案件約占全部文物犯罪案件的90%。③一些考古工地因為發掘范圍大、管理不過來等問題，導致罪犯覬覦，甚至有白天還在發掘、晚上就有人來盜的現象存在。在《回憶2016年北京延慶金元時期古文化遺址盜掘大案》一文中，作者講道：“19日凌晨，膽大妄為的盜墓分子再次來到大石窯村案發現場，企圖趁著黑夜渾水摸魚，到白天踩點的幾個地方繼續盜掘文物。”④足見盜墓者之猖獗。更甚者則需當地政府派遣公安武警前來保衛。但畢竟人力有限，在這樣的形勢下，利用人工智能技術顯然是較為節省人力物力且高效的辦法。如今，AI智能識別人臉的功能已經走進了千家萬戶，防盜門和手機等都利用上了這一技術。在較小的考古發掘現場，可以修建護欄，并在出入口設置好人臉識別出入系統，錄入工作人員信息，可以有效避免閑雜人員的隨意流動。筆者在吉林省安圖縣寶馬城遺址發掘時，遺址現場裝有護欄，但遺憾的是并沒有這樣與時俱進的系統，導致在發掘時有當地村民進入，破壞了部分遺跡，令人難過。而在較大的遺址發掘區，如三星堆的三號坑遺址，利用計算機技術和分布式光纖監測防盜技術結合⑤，有效起到了保護和監控作用。可以說，新興計算機技術結合監控防護系統完全能做到對遺址現場的全天候、立體管控。

2.2 部分發掘場景

考古發掘不僅是一項有趣的工作，同時也是一項危險的工作，尤其是在面對一些墓葬遺址發掘時，墓葬內部由于化學反應可能產生有害氣體，或者形成缺氧環境，對于考古工作者而言，這是嚴峻的生命考驗;也存在一些非破壞而不得入的窄小環境，如甬道等遺跡。而前文所述的人工智能機器人技術則能較好地解決這一問題。對于有深度學習“加持”的機器人而言，切換“踏查”和“發掘”模式只是程式更改的小問題而已，加之其適應多種環境的能力，無論是擔起勘探發掘環境“先遣隊”的任務，還是解決通過狹小空間、獲得內部情報的問題，都是人力所不能及的。在條件允許的情況下，使用它們并結合計算機大數據技術，可以使考古工作者更為透徹地了解遺址的細節，從而掌控好整個遺址的發掘進度和方向。而云計算技術則為上述裝備提供了充分的后勤保障。由于時下科學技術所限，越是復雜的計算和控制，所需要的計算機占地面積也越大。而考古遺址往往處在較為偏僻的地方，甚至難見人煙。考古人只能攜帶一些便攜式的設備，這樣的設備是支撐不了海量數據的運算的。但是云計算技術可以通過便攜設備在主機計算并反饋到一線，這樣一來，發掘時所得的材料數據分析儲存就完全不需要人力的來回往返，即可通過一線設備在終端計算并迅速得到想要的分析結果，從而加快考古發掘的整體進程，減少人員往來路費等不必要開支，將更多資源投入到應用之處。

3 考古發掘后續工作

考古發掘所得遺物大都面臨兩種命運：一種是進入文物庫房集中管理，另一種則是調撥各級博物館進行展示。而遺跡多回填掩埋，或者以此為基礎建立遺址博物館，后者是近十來年才在國內漸漸流行起來的，如金沙遺址博物館、良渚遺址公園等。據筆者觀察，這些考古發掘的后續工作重點有三，即管理、教育和研究。管理針對的是入庫和入館文物，教育則是針對博物館觀眾，研究就是針對各類學者了。

3.1 考古遺存管理

在數據庫技術已經成熟的今天，大部分地方文物庫房和博物館對考古遺物都有完整的記錄和統計，加之全國文物普查活動的不斷深入，文物缺失和遺漏的情況越發少見。現今考古遺物管理的要點已經不僅僅局限在“不丟失”和“保存完好”上了，館際間的文物交流顯得更為重要，信息的交換才是考古遺物發揮應有之義的要點。筆者實習的吉林省博物館在2017年開發了數字博物館，這是新興計算機技術利用的一個方向。但是筆者認為，數字博物館的功用更多應體現在數字化數據的可流動性上，當館際交換不再需要實物流動時，不僅會使館際交換更加頻繁，讓人們在家鄉的博物館就可以看到全國各地乃至世界各地的文物，也會讓文物保護成本大大降低，文物信息交流效率提高。實物館際交流則應該成為數據流館際交流的補充，隨著以后人工智能的進一步發展，VR投影技術和AI互動技術完全可以帶給觀眾超現實的質感，博物館環境的整體交互也未嘗不是不可能。

考古遺跡也同樣可以利用上述技術，在一些考古博物館或大型遺址公園進行完全的復現。據筆者了解，吉林省博物館就有寶馬城遺址的復原3D影像投影。當然限于現實因素，這并不是人工智能技術的完全再現，但是我們應當意識到，在現有技術條件下，對回填遺跡的博物館再現不是困難的事情。

3.2 考古遺存的教育功能

博物館是社會教育和公眾考古學的前沿陣地，考古發掘遺存是良好的教育素材。在“田野考古發掘—博物館”這一轉換過程中，最難的部分是保證不失實;在另一環節“博物館—觀眾”中，最難的部分則是對觀眾的吸引力，即觀眾興趣。對前者而言，目前國內較多博物館采用了立體影像等技術，做到了較好的復原展示，如若想更進一步，則可以向故宮博物院學習，開放數字館，充分利用計算機技術的信息集中處理展示優勢。而就后者來說，大數據技術可以很好地分析觀眾數據，無論是駐留時間、流量大小，還是到博物館的交通方式等，都可以得到較好的處理，為博物館提供良好的社教對策、展出對策。人工智能也可以在現今廣為流行的博物館網絡公眾平臺上發揮作用，如一些展出信息的定時自動推送、后臺信息的回復處理和參觀意見收集等。

3.3 考古遺存的研究

人工智能在各個研究領域已經開始發揮作用，由于其極強的深度學習能力和自主性，較之傳統的計算機技術優勢相對明顯，人工驅動研究有向數據驅動研究轉化的趨勢。對于考古學來說，以往利用計算機技術研究類型學的方法逐漸開始不再適用，隨著越來越多的信息涌入，數據的自我篩選顯得尤為重要。考古遺存的分析將不再成為困擾考古學者的問題，我們可以將更多的精力集中在對遺存的解釋上，讓人工智能技術解放考古人的部分冗余工作，這樣才能使研究方向導向更深處。

4 結語

筆者認為，我們應當認識到，在廣義語境下的田野考古發掘，可以很好地與人工智能這一新興計算機技術結合。在數據流和建模計算的前提下，考古學將不再是“自說自話”，而是“拿數據和科學說話”。把分析和篩選材料交予人工智能，使解釋材料走向更深層，才是考古學未來發展的應有之義。