p A arte rupestre de figuras humanas criadas ao longo de milhares de anos na Terra de Arnhem da Austrália foi submetida a um estudo transformador de aprendizado de máquina para analisar as mudanças de estilo ao longo dos anos. p O estudo testou diferentes estilos denominados 'Figuras da corrida do norte', 'Figuras dinâmicas', 'Figuras pós-dinâmicas' e 'Figuras simples com Bumerangues' para entender como esses estilos se relacionam entre si.

p Trabalhando com os proprietários tradicionais Mimal e Marrku da área do Rio Wilton no Top End da Austrália, Pesquisadores da Austrália do Sul liderados pelo arqueólogo da Flinders University, Dr. Daryl Wesley, examinaram mais de perto a arte dessa região.

p O pesquisador do Flinders, Jarrad Kowlessar, e a equipe usaram o aprendizado de máquina para analisar imagens de arte rupestre coletadas durante pesquisas no país de Marrku em 2018 e 2019.

p Os co-autores incluem Dudley Lawrence e Abraham Weson e outros da Mimal Land Management Aboriginal Corporation, Alfred Nayinggul da Njanjma Aboriginal Corporation, Dr. Ian Moffat de Flinders e pesquisador da Universidade de Adelaide James Keal.

p A cronologia da arte rupestre reconstruída, acaba de ser publicado na Australian Archaeology, usa conjuntos de dados existentes com mais de 14 milhões de fotos diferentes de uma ampla variedade de coisas, desde animais, como cães, gatos, lagartos e insetos a objetos como cadeiras, mesas e xícaras.

p "No total, o computador viu mais de 1000 tipos diferentes de objetos e aprendeu a diferenciar entre eles apenas olhando as fotos deles, "Dr. Wesley explica.

p "A habilidade importante que este computador desenvolveu foi um modelo matemático que tem a capacidade de dizer como duas imagens diferentes são semelhantes entre si."

p Em seguida, a modelagem matemática foi aplicada às imagens coletadas no norte da Austrália.

p "Essa abordagem nos permite usar o programa de computador para mostrar como a arte rupestre é única no Rio Wilton e como ela se relaciona com a arte rupestre em outras partes de Arnhem Land, "Dr. Wesley diz.

p "Podemos usar isso para ajudar a mostrar como os estilos de arte rupestre são compartilhados por proprietários tradicionais em Arnhem Land e que são exclusivos de cada grupo no passado."

p O aprendizado de máquina permite que um computador "aprenda" coisas diferentes sobre as informações que podem levar muitos anos para um ser humano examinar e aprender com elas, explica um Ph.D. da Flinders University. candidato em arqueologia Jarrad Kowlessar, que foi o pioneiro na abordagem de aprendizado de máquina para análise de arte rupestre.

p "Um resultado incrível é que a abordagem de aprendizado de máquina ordenou os estilos na mesma cronologia que os arqueólogos os ordenaram, inspecionando quais aparecem em cima deles. Isso mostra que a semelhança e o tempo estão intimamente ligados na arte rupestre de Arnhem Land e na arte humana figuras desenhadas mais próximas no tempo eram mais semelhantes umas às outras do que aquelas desenhadas com muito tempo de diferença, " ele diz.

p "Por exemplo, o algoritmo de aprendizado de máquina plotou figuras do Northern Running e figuras dinâmicas muito próximas umas das outras no gráfico que produz. Isso mostra que esses estilos que sabemos são mais próximos uns dos outros em idade também estão mais próximos uns dos outros na aparência, o que pode ser algo muito difícil de notar sem uma abordagem como essa ".

p O artigo aponta que a nova metodologia removeu um grande grau de interpretação humana individual e possível viés ao usar uma abordagem de aprendizado de máquina chamada 'aprendizado de transferência'.

p Isso permitiu ao computador entender como cada estilo se relacionava diretamente entre si - independentemente dos pesquisadores envolvidos.

p Os pesquisadores estão entusiasmados com esta metodologia, abrindo novos caminhos para uma grande quantidade de pesquisas arqueológicas para compreender todos os tipos de cultura material humana diferente de uma maneira diferente.