Lors des relevés d'art rupestre, Les aînés ont voyagé avec l'équipe d'enquête des gardes forestiers pour partager leurs connaissances sur l'art rupestre et l'histoire associée aux sites de l'est de la rivière Wilton. Inclus dans cette photo sont les co-auteurs Abraham Wesan (à gauche en chemise kaki), Dudley Lawrence (debout avec une barbe à la gauche d'Abraham et d'autres aînés Robert Redford (casquette et chemise bleue) et Jack Docherty (chapeau Akubra). Ce site était une halte et un camping encore utilisé jusqu'à la fin des années 1970. Robert Redford marchait sur la rivière Wilton retour à la station de distribution de sa famille près de Maningrida. Crédit :Peter Cooke, Mimal Land Management Corporation aborigène (MLMAC)
L'art rupestre de figures humaines créé au cours de milliers d'années dans la terre d'Arnhem en Australie a été soumis à une étude d'apprentissage automatique transformatrice pour analyser les changements de style au fil des ans.
L'étude a testé différents styles étiquetés « figures de course du Nord », 'Chiffres dynamiques', 'Post Dynamic figures' et 'Simple figures with Boomerangs' pour comprendre comment ces styles sont liés les uns aux autres.
En collaboration avec les propriétaires traditionnels Mimal et Marrku de la région de la rivière Wilton dans le Top End australien, Des chercheurs d'Australie du Sud dirigés par l'archéologue de l'Université Flinders, le Dr Daryl Wesley, ont examiné de plus près l'art de cette région.
Le chercheur de Flinders Jarrad Kowlessar et l'équipe ont utilisé l'apprentissage automatique pour analyser des images d'art rupestre collectées lors d'enquêtes dans le pays de Marrku en 2018 et 2019.
Les co-auteurs incluent Dudley Lawrence et Abraham Weson et d'autres de la Mimal Land Management Aboriginal Corporation, Alfred Nayinggul de la Njanjma Aboriginal Corporation, Le Dr Ian Moffat de Flinders et le chercheur de l'Université d'Adélaïde James Keal.
La chronologie reconstituée de l'art rupestre, vient de paraître dans Australian Archaeology, utilise des ensembles de données existants de plus de 14 millions de photos différentes d'un large éventail de choses provenant d'animaux tels que les chiens, chats, des lézards et des insectes à des objets comme des chaises, tables et tasses.
"Au total, l'ordinateur a vu plus de 1000 types d'objets différents et a appris à faire la différence entre eux simplement en regardant des photos d'eux, " explique le Dr Wesley.
"La compétence importante que cet ordinateur a développée était un modèle mathématique qui a la capacité de dire à quel point deux images différentes sont similaires l'une à l'autre."
Ensuite, la modélisation mathématique a été appliquée aux images collectées dans le nord de l'Australie.
"Cette approche nous permet d'utiliser le programme informatique pour montrer à quel point l'art rupestre est unique dans la rivière Wilton et comment il se rapporte à l'art rupestre dans d'autres parties de la terre d'Arnhem, " dit le Dr Wesley.
"Nous pouvons l'utiliser pour aider à montrer comment les styles d'art rupestre sont partagés par les propriétaires traditionnels d'Arnhem Land et qui sont uniques à chaque groupe à travers le passé."
L'apprentissage automatique permet à un ordinateur d'« apprendre » différentes choses sur des informations qui peuvent prendre de nombreuses années à un humain pour les parcourir et en tirer des enseignements, explique un Ph.D. de l'Université Flinders. candidat en archéologie Jarrad Kowlessar, qui a été le pionnier de l'approche d'apprentissage automatique pour l'analyse de l'art rupestre.
« Un résultat étonnant est que l'approche de l'apprentissage automatique a ordonné les styles dans la même chronologie que les archéologues les ont ordonnés en inspectant ceux qui apparaissent au-dessus. Cela montre que la similitude et le temps sont étroitement liés dans l'art rupestre d'Arnhem Land et que l'homme les figures rapprochées dans le temps étaient plus semblables les unes aux autres que celles éloignées l'une de l'autre, " il dit.
"Par exemple, l'algorithme d'apprentissage automatique a tracé des figures de Northern Running et des figures dynamiques très proches les unes des autres sur le graphique qu'il produit. Cela montre que ces styles que nous savons être plus proches les uns des autres en âge sont également plus proches les uns des autres en apparence, ce qui pourrait être une chose très difficile à remarquer sans une approche comme celle-ci".
L'article souligne que la nouvelle méthodologie a supprimé une grande partie de l'interprétation humaine individuelle et des biais possibles en utilisant une approche d'apprentissage automatique appelée « apprentissage par transfert ».
Cela a permis à l'ordinateur de comprendre comment chaque style était directement lié, indépendamment des chercheurs impliqués.
Les chercheurs sont enthousiastes à l'idée que cette méthodologie ouvre de nouvelles perspectives pour une grande quantité de recherches archéologiques afin de comprendre toutes sortes de cultures matérielles humaines d'une manière différente.
