当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 揭纳斯卡线之谜 科学家利用AI搜到4个图案

揭纳斯卡线之谜 科学家利用AI搜到4个图案

来源:搜狐 2023-06-19 11:14:50 0浏览 收藏

有志者,事竟成!如果你在学习科技周边,那么本文《揭纳斯卡线之谜 科学家利用AI搜到4个图案》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~

揭纳斯卡线之谜 科学家利用AI搜到4个图案

如果你从秘鲁南部海岸线上空鸟瞰地面,就能看到许多奇怪的生物图画,包括巨型蜘蛛、鲸鱼、蜂鸟和秃鹰等等,这些被称为“纳斯卡线”,又称古代地画,这是秘鲁的考古之谜。为了保护这些具有重要历史意义的遗迹,科学家现在正在使用人工智能技术来帮助搜索。

这些地画最早发现于20世纪初,据称创作于大约公元前400年至公元650年,但这些数十至数百英尺长的沙漠图画是怎么制作出来的,至今仍是个谜。

尽管已经找到了数百张神秘的绘画,但即使是最仔细的观察者,仍然有许多无法辨认的图画。这就是为什么新的搜索依赖于非人类的助手。最近,《考古科学期刊》的七月刊上发表的一篇文章指出,一种基于人工智能的技术成功地鉴定出了四条新的纳斯卡线。

揭纳斯卡线之谜 科学家利用AI搜到4个图案

研究人员,包括主要作者、日本山形大学人类学和考古学教授坂井正人(Masato Sakai),多年来一直在寻找隐藏的纳斯卡线。截至2022年12月,其团队使用卫星图像和光学雷达等技术手段在Nazca Pampa发现了168个新地画。

研究人员与IBM日本和IBM位于美国的Thomas J. Watson研究中心合作,使用21个已知的纳斯卡地画来深度训练学习系统,然后利用该系统去逐一检视航拍照片。在2019年被发现的第一条被人工智能系统捕获的纳斯卡线是一个外形奇特的人形生物。最近,新的软件系统发现了三条新的纳斯卡线,其中包括两条长250英尺的腿和一条长62英尺的鱼。

揭纳斯卡线之谜 科学家利用AI搜到4个图案

根据该报告,深度学习系统分析航拍照片的速度比人类快约21倍。论文称,对于人类考古学家来说,仔细研究整个Nazca Pampa地区以识别有形象的图画(不包括许多几何或线性图案)需时68天左右。但在人工智能帮助下,只需要78小时。

纳斯卡线与其他具有重要文化或生态意义的遗址相似,都受到气候变化和人类活动等方面的威胁。时间对于寻找和保存这些古怪的历史片段至关重要——坂井正人及其团队称,实地研究和人工智能两相结合可以带来“更高效的调查”。

到这里,我们也就讲完了《揭纳斯卡线之谜 科学家利用AI搜到4个图案》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

版本声明
本文转载于:搜狐 如有侵犯,请联系study_golang@163.com删除
在Go语言中使用MySQL实现数据的可靠性传输在Go语言中使用MySQL实现数据的可靠性传输
上一篇
在Go语言中使用MySQL实现数据的可靠性传输
在Go语言中使用Docker部署Web应用程序
下一篇
在Go语言中使用Docker部署Web应用程序
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    329次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    386次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    380次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    350次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    174次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码