دکتر مهدی زارع، پژوهشگر و استاد پژوهشکده بین‌المللی زلزله‌شناسی عنوان کرد: استفاده از هوش مصنوعی (AI) و یادگیری ماشینی (ML) در کشورهای در حال توسعه و به ویژه در خاورمیانه که دارای مکان‌های باستانی با تهدیدات منحصر به فرد از جمله درگیری، غارت و شهرنشینی سریع هستند، به عنوان یک عامل تغییر دهنده بازی برای حفظ میراث فرهنگی ضروری است.
به گزارش سیناپرس، به گفته او این فناوری‌ها فقط مفاهیم “آینده نگرانه” نیستند. امروزه به طور فعال برای حل مشکلات حیاتی حفاظت مورد استفاده قرار می‌گیرند که عبارتند از:
مبارزه با غارت با “چشمانی در آسمان”: یکی از فوری‌ترین تهدیدات برای میراث در مناطق جنگی (مانند بخش‌هایی از سوریه، عراق و یمن) حفاری و غارت غیرقانونی است. نظارت ماهواره‌ای با مدل‌های هوش مصنوعی برای تجزیه و تحلیل حجم زیادی از تصاویر ماهواره‌ای آموزش دیده‌اند تا “گودال‌های غارت” – چاله‌های کوچکی که توسط غارتگران برای سرقت آثار باستانی حفر می‌شوند – را شناسایی کنند. به جای اینکه باستان شناسان هزاران تصویر را به صورت دستی بررسی کنند، الگوریتم‌های یادگیری ماشینی می‌توانند کل مناطق را در عرض چند دقیقه اسکن کرده و فعالیت‌های غارت جدید را شناسایی کنند. این امر به مقامات اجازه می‌دهد تا سریع‌تر مداخله کنند یا نهادهای بین‌المللی را قادر می‌سازد تا خسارات را برای تلاش‌های آینده برای بازگرداندن آثار به وطن، مستندسازی کنند. پروژه EAMENA (باستان‌شناسی در معرض خطر در خاورمیانه و شمال آفریقا) از تجزیه و تحلیل تصاویر ماهواره‌ای برای نظارت بر صدها هزار مکان در سراسر منطقه استفاده می‌کند.
بازسازی دیجیتال مکان‌های تخریب‌شده: برای مکان‌هایی که قبلا در اثر جنگ (مانند معبد بل در پالمیرا) یا تروریسم (مانند تخریب مجسمه های بودا توسط تروریست های طالبان) یا سوانح طبیعی (مانند ارگ بم در ایران در اثر زلزله بم) آسیب دیده یا تخریب شده‌اند، هوش مصنوعی راهی برای “احیای” دیجیتالی آنها ارائه می‌دهد. مدل‌سازی و فتوگرامتری سه‌بعدی: هوش مصنوعی می‌تواند هزاران عکس توریستی، فیلم‌های قدیمی پهپاد و طرح‌های بایگانی را به هم بچسباند تا مدل‌های سه‌بعدی با کیفیت بالا از مکان‌های تخریب‌شده ایجاد کند.
NeRF (میدان‌های تابش عصبی) یک تکنیک جدیدتر هوش مصنوعی است که می‌تواند صحنه‌های سه‌بعدی پیچیده را از مجموعه‌ای پراکنده از تصاویر دوبعدی تولید کند. این امکان ایجاد تجربیات واقعیت مجازی فراگیر را ممکن می‌کند و حتی اگر ساختار فیزیکی از بین رفته باشد، حافظه یک مکان را حفظ می‌کند. هوش مصنوعی مولد می‌تواند با تجزیه و تحلیل سبک و هندسه قطعات باقی‌مانده، پیش‌بینی کند که یک مجسمه یا ساختمان آسیب‌دیده در ابتدا چگونه به نظر می‌رسیده و تلاش‌های مرمت فیزیکی را هدایت کند.
رمزگشایی زبان‌های باستانی: خاورمیانه محل زندگی برخی از قدیمی‌ترین زبان‌های نوشتاری جهان (مانند خط میخی و اکدی) است، اما متخصصان بسیار کمی می‌توانند آنها را بخوانند.مدل‌های هوش مصنوعی، مشابه گوگل ترنسلیت، به‌طور خاص برای زبان‌های باستانی توسعه یافته‌اند. به‌عنوان مثال، پروژه “موتور بابلی” از یادگیری ماشینی برای ترجمه اکدی باستانی از لوح‌های خط میخی به‌طور مستقیم به انگلیسی استفاده می‌کند. همچنین هوش مصنوعی می‌تواند هزاران لوح تکه‌تکه شده را اسکن کرده و به‌صورت دیجیتالی آنها را بر اساس جریان و شکل متن به هم “تکه تکه” کند و معماهایی را حل کند که تکمیل آنها یک عمر انسان طول می‌کشد.
کشف مکان‌های پنهان قبل از گم شدن: بسیاری از مکان‌ها در کشورهای در حال توسعه کشف نشده و محافظت نشده باقی مانده‌اند. در سنجش از راه دور الگوریتم‌های یادگیری ماشینی می‌توانند داده‌های لیدار (اسکن لیزری) و تصاویر هوایی را تجزیه و تحلیل کنند تا از میان شن‌های بیابان یا پوشش گیاهی متراکم “ببینند”. آنها الگوهای هندسی ظریفی – مانند دیوارها یا جاده‌های مدفون – را که چشم انسان از دست می‌دهد، شناسایی میکنند. این به کشورهایی با بودجه محدود اجازه می‌دهد تا منابع باستان‌شناسی خود را بدون حفاری‌های فیزیکی پرهزینه و در مقیاس بزرگ نقشه‌برداری کنند و به آنها اجازه می‌دهد تا از این مناطق در برابر ساخت و ساز یا کشاورزی محافظت کنند.
چالش‌های کشورهای در حال توسعه
به گزارش سیناپرس، استاد پژوهشکده بین‌المللی زلزله‌شناسی یادآورشده است: در حالی که این فناوری قدرتمند است، پیاده‌سازی آن در کشورهایی مانند کشور ما با موانعی همراه است. “دوقلوهای دیجیتال” (داده‌های) این مکان‌ها می تواند هم متعلق به مالکان بناهای تاریخی باشد و هم توسط دولت کنترل شود. هوش مصنوعی پیشرفته به قدرت محاسباتی قابل توجهی نیاز دارد. راه‌حل‌ها باید مبتنی بر “ابر داده ها Data Cloude “ باشند یا برای سخت‌افزارهای کم‌مصرف بهینه شوند تا باستان‌شناسان واقعاً به آنها دسترسی داشته باشند.
امروزه در دنیا هوش مصنوعی (AI) و فناوری‌های دیجیتال به طور فزاینده‌ای در حفاظت از میراث به کار می‌روند. با این حال، اکثر تحقیقات بر کاربردهای فنی، مانند بهبود دقت داده‌ها و افزایش کارایی، تاکید دارند، در حالی که کاربرد آنها در چارچوب وسیع‌تری از پایداری فرهنگی و گردشگری میراث همچنان نادیده گرفته می شود. مدیریت فراگیر داده‌ها، حفاظت از اصالت داده‌ها، استفاده از هوش مصنوعی به عنوان یک ابزار مکمل، ایجاد تعادل بین نوآوری و ارزش‌های فرهنگی، تضمین حق چاپ و رعایت اخلاقی، نگهداری فنی بلندمدت و مدیریت مشارکتی از جنبه‌های نوین یادگیری ماشین برای حفاظ و مرمت میراث فرهنگی است.
1.پایش محوطه‌های تاریخی، طبیعی و شهرهای تاریخی
تجزیه و تحلیل تصاویر ماهواره‌ای و هوایی: با استفاده از بینایی کامپیوتر (Computer Vision)، الگوریتم‌ها در تغییرات کاربری زمین در اطراف محوطه‌ها را شناسایی کنند (مانند تصرف اراضی، ساخت‌وسازهای غیرمجاز)، علائم تخریب ناشی از عوامل طبیعی (مانند سیل، فرسایش) یا انسانی را تشخیص دهند. سایت‌های باستانی مدفون شده را با تحلیل الگوهای پوشش گیاهی یا رطوبت خاک (علائم کژدیسی محصول) پیدا میکنند.
پایش با پهپادها (Drones): پهپادها مجهز به سنسورهای مختلف مثل Lidar، دوربین‌های چندطیفی می‌توانند از مناطق وسیع نقشه‌برداری سه‌بعدی با دقت بالا انجام دهند. AI این داده‌های حجیم را پردازش کرده و مدل‌های دیجیتال دقیقی ایجاد می‌کند که برای پایش مستمر مفید هستند.
۲. پایش و نگهداری موزه‌ها
مدیریت مجموعه‌ها (Collection Management): هوش مصنوعی می‌تواند با تحلیل داده‌های محیطی (دما، رطوبت، نور) پیشنهاداتی برای بهینه‌سازی شرایط نگهداری اشیا ارائه دهد و از آسیب دیدن آنها جلوگیری کند.
امنیت: سیستم‌های نظارتی هوشمند با استفاده از تشخیص رفتار (Behavior Recognition) می‌توانند حرکات مشکوک بازدیدکنندگان یا نگهبانان را شناسایی و هشدار دهند.
بازسازی و مرمت دیجیتال: الگوریتم‌ها می‌توانند تصاویر اشیای شکسته یا آسیب‌دیده را تحلیل کرده و پیشنهاداتی برای بازسازی مجازی شکل اصلی آنها ارائه دهند.
دستیارهای هوشمند: چت‌بات‌های مجهز به هوش مصنوعی می‌توانند به سوالات بازدیدکنندگان درباره اشیا مختلف پاسخ دهند و تجربه بازدید را غنی‌تر کنند.
۳. پایش و آسیب‌شناسی سازه‌ای بناهای تاریخی
تشخیص ترک و تغییر شکل: با نصب سنسورهای اینترنت اشیا (IoT) بر روی سازه (حسگرهای لرزه، کرنش، دما) و پردازش داده‌های آنها با یادگیری ماشین، علائم اولیه آسیب (مانند گسترش ترک‌ها، تغییر شکل‌های نامتعارف) را به سرعت شناسایی میکنند.
تحلیل تصاویر با وضوح بالا: الگوریتم‌های بینایی کامپیوتر می‌توانند بر روی تصاویر دیجیتال گرفته شده از نما و سازه، ترک‌ها، فرسودگی مصالح و سایر آسیب‌ها را با دقتی فراتر از چشم انسان شناسایی و حتی روند پیشرفت آنها را در طول زمان ردیابی کنند.
شبیه‌سازی استحکام سازه (Digital Twin): با ایجاد یک “دوقلوی دیجیتال” از بنا و اعمال نیروهای مختلف (مثل زلزله، باد) بر روی آن، می‌توان نقاط ضعف سازه را قبل از وقوع فاجعه شناسایی و برای تقویت آنها برنامه‌ریزی کرد.
۴. ساماندهی بازدید از محوطه‌ها و مدیریت گردشگران
پیش‌بینی ترافیک بازدیدکنندگان: با تحلیل داده‌های تاریخی، آب و هوا، تعطیلات و رویدادها، هوش مصنوعی می‌تواند تعداد بازدیدکنندگان در روزهای آینده را پیش‌بینی کند. این موضوع به مدیریت برای توزیع مناسب نیروها، ساعات بازدید و فروش بلیت زمان‌بندی‌شده کمک می‌کند.
بهینه‌سازی مسیرهای بازدید: با ردیابی حرکت بازدیدکنندگان (از طریق داده‌های موقعیت‌یاب تلفن‌های همراه – به صورت ناشناس)، می‌توان مسیرهای شلوغ و گلوگاه‌ها را شناسایی و مسیرهای جایگزین پیشنهاد داد.
تحلیل رفتار بازدیدکنندگان: هوش مصنوعی می‌تواند الگوهای رفتاری را تحلیل کند؛ مثلاً تشخیص دهد که بازدیدکنندگان در کدام بخش‌ها بیشتر توقف میکنند یا کدام آثار جذابیت کمتری دارند. این اطلاعات برای طراحی بهتر فضای موزه یا محوطه مفید است.
۵. مطالعه سوانح
مدل‌سازی و پیش‌بینی مخاطرات و سوانح: هوش مصنوعی می‌تواند با تحلیل داده‌های زمین‌شناختی، هواشناختی و تاریخی، احتمال وقوع سوانحی مانند سیل، زلزله یا آتش‌سوزی در اطراف محوطه‌های میراثی را مدل‌سازی و پیش‌بینی کند.
برنامه‌ریزی برای پاسخ به بحران: در صورت وقوع حادثه، هوش مصنوعی می‌تواند با تحلیل داده‌های لحظه‌ای (مانند تصاویر ماهواره‌ای، گزارش‌های میدانی)، آسیب‌های وارده را ارزیابی و اولویت‌های امداد و نجات را تعیین کند.
ارزیابی خسارت: پس از بحران، الگوریتم‌ها می‌توانند با مقایسه تصاویر قبل و بعد از حادثه، سرعت و دقت ارزیابی خسارت را به شدت افزایش دهند.
۶. مطالعه و پایش فرونشست در محوطه‌های میراثی
تجزیه و تحلیل داده‌های راداری (InSAR): تکنیک InSAR با استفاده از تصاویر ماهواره‌ای راداری، تغییرات میلی‌متری سطح زمین را اندازه‌گیری می‌کند. هوش مصنوعی و یادگیری ماشین می‌توانند این داده‌های پیچیده و حجیم را پردازش کرده و نرخ دقیق فرونشست در یک محوطه تاریخی را اندازه‌گیری کنند. الگوهای فرونشست را شناسایی و مناطق در معرض خطر بیشتر را مشخص کنند. ارتباط بین فرونشست و عوامل انسانی مانند برداشت بی‌رویه آب‌های زیرزمینی را تحلیل کنند.
۷. باستان‌شناسی پیشگویانه (Predictive Archaeology)
مدل‌های یادگیری ماشین با تحلیل داده‌های جغرافیایی، توپوگرافی و منابع آب در مکان‌های شناخته‌شده باستانی، می‌توانند مکان‌های با احتمال بالای وجود آثار باستانی کشف‌نشده را پیش‌بینی کنند. هوش مصنوعی می‌تواند با تحلیل سبک‌شناسی نقوش، خطوط و معماری، به تاریخ‌گذاری نسبی آثار و کشف ارتباطات فرهنگی بین تمدن‌ها کمک کند. با دیجیتالی‌سازی مجموعه‌ها و استفاده از هوش مصنوعی برای ایجاد تورهای مجازی و توضیحات تعاملی، افراد در سراسر جهان می‌توانند به میراث فرهنگی دسترسی داشته باشند.
۸. مقابله با قاچاق اشیای عتیقه
مقابله با قاچاق اشیای عتیقه نیز با کمک گیری از الگوریتم‌ها ممکن است. هوش مصنوعی می‌تواند وب‌سایت‌ها و شبکه‌های اجتماعی را برای شناسایی و ردیابی فروش غیرقانونی اشیای تاریخی رصد کنند.
هوش مصنوعی و علم داده به متخصصان میراث فرهنگی این توانایی را می‌دهند که به جای واکنش به مشکلات، به صورت پیش‌بینانه و فعال عمل کنند. آنها با ارائه بینش‌های عمیق از داده‌های عظیم (Big Data)، دقت، سرعت و کارایی در تمامی مراحل حفاظت، مدیریت و مطالعه میراث فرهنگی را به طور چشمگیری افزایش می‌دهند. این فناوری‌ها نه تنها به حفاظت بهتر از میراث برای نسل‌های آینده کمک میکنند، بلکه درک ما را از گذشته بشریت نیز عمیق‌تر می‌سازند.