ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСФОРМАЦИЯ СВИДЕТЕЛЬСТВ В ИССЛЕДОВАНИЯХ НАСКАЛЬНОЙ ЖИВОПИСИ: ЭТИЧЕСКИЕ И ЭПИСТЕМОЛОГИЧЕСКИЕ ВЫЗОВЫ
Аннотация
Искусственный интеллект (ИИ) все больше трансформирует исследовательскую практику в археологии, включая изучение наскальной живописи, открывая новые подходы к анализу данных, распознаванию образов и цифровой документации. Хотя эти разработки открывают значительные методологические возможности, их этические и эпистемо-логические последствия остаются недостаточно изученными. В данной статье рассматривается интеграция ИИ в исследования наскальной живописи, при этом утверждается, что его влияние выходит за рамки технических инноваций и меняет саму природу археологических свидетельств. С опорой на недавние применения машинного обучения и генеративного ИИ в статье выделяются ключевые проблемы, связанные с предвзятостью, дефицитом и репрезентативностью данных, а также вопросы непрозрачности моделей и ограничений стандартных метрик оценки. Особое внимание уделяется синтетическим изображениям как способу преодоления ограничений, связанных с данными, при этом подчеркиваются сопутствующие риски, такие как загрязнение наборов данных, утрата прослеживаемости и стирание границ между эмпирическими и сгенерированными данными. В статье выдвигается предположение, что ИИ приводит к переходу от свидетельств, основанных на наблюдениях, к свидетельствам, опосредованным моделями, что поднимает важные вопросы о том, как создаются и проверяются знания. В ответ на это в статье излагается набор практических принципов, направленных на поддержку ответственного использования ИИ, с акцентом на прозрачность, прослеживаемость, экспертный надзор и четкое разграничение между эмпирически-ми и синтетическими данными.
Скачивания
Литература
Bender E.M., Gebru T., McMillan-M ajor A., Shmitchell S. On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? In: Proceedings of the 2021 ACM Conference on 132Fairness, Accountability, and Transparency. New York: Association for Computer Machinery — ACM, 2021. Pp. 610–623. DOI: 10.1145/3442188.3445922
Bevan A. The Data Deluge. Antiquity. 2015;89(348):1473–1484. DOI: 10.15184/aqy.2015.102.
Bommasani R., Hudson D.A., Adeli E., Altman R., Arora S., von Arx S., Bernstein M.S., Bohg J., Bosselut A., Brunskill E., Brynjolfsson E., Buch S., Card D., Castellon R., Chatterji N., Chen A., Creel K., Davis J.Q., Demszky D., et al. On the Opportunities and Risks of Foundation Models. arXiv. 2021. DOI: 10.48550/arXiv.2108.07258
Bonald L., Mützenberg D., Krempser E., Verhagen P. Predicting Rock Art Sites in the Pajeú Watershed, Brazil. Digital Applications in Archaeology and Cultural Heritage. 2024;35(e00372). DOI: 10.1016/j.daach.2024.e00372
Boyd D., Crawford K. Critical Questions for Big Data. Information, Communication & Society. 2012;15(5):662–679. DOI: 10.1080/1369118X.2012.678878
Bruno F., Bruno S., De Sensi G., Luchi M.L., Mancuso S., Muzzupappa M. From 3D reconstruction to virtual reality: A complete methodology for digital archaeological exhibition. Journal of Cultural Heritage. 2010;11(1):42–49. DOI: 10.1016/j.culher.2009.02.006.
Casillo M., Colace F., Gaeta R., Lorusso A., Pellegrino M. Artificial Intelligence in Archaeological Site Conservation: Trends, Challenges, and Future Directions. Journal of Computer Applications in Archaeology. 2025;8(1):224–241. DOI: 10.5334/jcaa.207
Chesney R., Citron D.K. Deep fakes: A Looming Challenge for Privacy, Democracy, and National Security. California Law Review. 2019;107(6):1753–1820
Cioni D., Berlincioni L., Becattini F., Del Bimbo A. Diffusion Based Augmentation for Captioning and Retrieval in Cultural Heritage. In: 2023 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW). IEEE, 2023. Pp. 1699–1708. DOI: 10.1109/ ICCVW60793.2023.00186
Crawford K. Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. New Haven : Yale University Press, 2021. 288 p.
De Lara H. Inteligencia artificial en el arte rupestre: límites, posibilidades y desafíos de una evolución incierta. Salduie. 2025;25(2):33–46. DOI: 10.26754/ojs_salduie/sald.2025212652
De Lara H. Inteligencia artificial generativa y documentación sintética en el estudio del arte rupestre. Cuadernos de Arqueología de la Universidad de Navarra. 2026;34:297–314. DOI: 10.15581/012.34.027
Doshi-Velez F., Kim B. Towards A Rigorous Science of Interpretable Machine Learning. Statistics. Machine Learning. arXiv. 2017. DOI: 10.48550/arXiv.1702.08608
Fiorucci M., Khoroshiltseva M., Pontil M., Traviglia A., Del Bue A., James S. Machine Learning for Cultural Heritage: A Survey. Pattern Recognition Letters. 2020;133:102–108. DOI: 10.1016/j.patrec.2020.02.017
Floridi L., Cowls J., Beltrametti M., Chatila R., Chazerand P., Dignum V., Luetge C., Madelin R., Pagallo U., Rossi F., Schafer B., Valcke P., Vayena E. AI4People — An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds and Machines. 2018;28(4):689–707. DOI: 10.1007/s11023–018–9482–5
Gebru T., Morgenstern J., Vecchione B., Vaughan J.W., Wallach H., Daumé III H., Crawford K. Datasheets for Datasets. Communications of the ACM. 2021;64(12):86–92. DOI: 10.1145/3458723
Goodfellow I., Pouget- Abadie J., Mirza M., Xu B., Warde- Farley D., Ozair S., Courville A., Bengio Y. Generative Adversarial Nets. In: Proceedings of the 27th International Conference on Neural Information Processing Systems. Cambridge : MIT Press, 2014. Vol. 2. Pp. 2672–2680.
Ho J., Jain A., Abbeel P. Denoising Diffusion Probabilistic Models. In: Proceedings of the 34th International Conference on Neural Information Processing Systems. New York : Curran Associates Inc., 2020. Art. 574. Pp. 6840–6851.
Horn C., Ivarsson O., Lindhé C., Potter R., Ashley G., Ling J. Artificial Intelligence, 3D Documentation, and Rock Art — Approaching and Reflecting on the Automation of Identification and Classification of Rock Art Images. Journal of Archaeological Method and Theory. 2022;29:188–213. DOI: 10.1007/s10816–021–09518–6
Huggett J. Is Big Digital Data Different? Towards a New Archaeological Paradigm. Journal of Field Archaeology. 2020;45(1): S8–S17. DOI: 10.1080/00934690.2020.1713281
Huo D., Yang S., Hou M. Using the Improved YOLOv7-Seg Model to Segment Symbols from Rock Art Images. npj Heritage Science. 2025;13(16). DOI: 10.1038/s40494–025–01620–2
Jalandoni A., Zhang Y., Zaidi N.A. On the Use of Machine Learning Methods in Rock Art Research with Application to Automatic Painted Rock Art Identification. Journal of Archaeological Science. 2022;144(105629). DOI: 10.1016/j.jas.2022.105629
Jobin A., Ienca M., Vayena E. The Global Landscape of AI Ethics Guidelines. Nature Machine Intelligence. 2019;1(9):389–399. DOI: 10.1038/s42256–019–0088–2
Kowlessar J., Keal J., Wesley D., Moffat I., Lawrence D., Weson A., Nayinggul A., Mimal Land Management Aboriginal Corporation. Reconstructing Rock Art Chronology with Transfer Learning: A Case Study from Arnhem Land, Australia. Australian Archaeology. 2021;87(2):115–126. DOI: 10.1080/03122417.2021.1895481
Leonelli S. Data-centric Biology: A Philosophical Study. Chicago : University of Chicago Press, 2016. 288 p.
Lipton Z.C. The Mythos of Model Interpretability. Communications of the ACM. 2018;61(10):36–43. DOI: 10.1145/3233231
Mittelstadt B.D., Allo P., Taddeo M., Wachter S., Floridi L. The Ethics of Algorithms: Mapping the Debate. Big Data and Society. 2016;3(2). DOI: 10.1177/2053951716679679
Rudin C. Stop Explaining Black Box Machine Learning Models for High Stakes Decisions and Use Interpretable Models Instead. Nature Machine Intelligence. 2019;1(5):206–215. DOI: 10.1038/s42256–019–0048-x
Samek W., Wiegand T., Müller K.R. Explainable Artificial Intelligence: Understanding, Visualizing and Interpreting Deep Learning Models. ITU Journal: ICT Discoveries. 2017;1:39–48.
Shorten C., Khoshgoftaar T.M. A Survey on Image Data Augmentation for Deep Learning. Journal of Big Data. 2019;6(60). DOI: 10.1186/s40537–019–0197–0
Sokolovska A.A. Artificial Intelligence and Prospects for Its Use in the Study of Upper Palaeolithic Rock Art. VITA ANTIQUA. 2024;15(Methods for Monitoring and Research of Archaeological Heritage Objects):127–135. DOI: 10.37098/VA-2024–15–127–135
Suhaimi M.S., Zainuddin K., Ghazali M.D., Marzukhi F., Samad A.M., Majid Z. Comparison of One-stage and Two-stage Strategies of Machine Learning Model for Rock Art Object Detection. In: 2023 IEEE 13th International Conference on System Engineering and Technology (ICSET). IEEE, 2023. Pp. 215–220. DOI: 10.1109/ICSET59111.2023.
Suresh H., Guttag J.V. A Framework for Understanding Sources of Harm throughout the Machine Learning Life Cycle. In: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency. New York : ACM Press, 2021. Pp. 172–182. DOI: 10.1145/3465416.3483305
Veggi M. State of the Art on Artificial Intelligence Resources for Interaction Media Design in Digital Cultural Heritage. arXiv. 2025. DOI: 10.48550/arXiv.2504.13894
Wilkinson M.D., Dumontier M., Aalbersberg I.J., Appleton G., Axton M., Baak A., Blomberg N., Boiten J.W., da Silva L.B., Bourne P.E., Bouwman J., Brookes A.J., Clark T., Crosas M., Dillo I., Dumon O., Edmunds S., Evelo C.T., Finkers R., et al. The FAIR Guiding Principles for Scientific Data Management and Stewardship. Scientific Data. 2016;3:160018. DOI: 10.1038/sdata.2016.18
Copyright (c) 2026 де Лара Лопес Уго
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующими условиями:
a. Авторы сохраняют за собой права на авторство своей работы и предоставляют журналу право первой публикации этой работы с правом после публикации распространять работу на условиях лицензии Creative Commons Attribution License, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылокой на авторов оригинальной работы и оригинальную публикацию в этом журнале.
b. Авторы сохраняют право заключать отдельные договора на неэксклюзивное распространение работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном архиве учреждения или публиковать в составе монографии), с условием сохраниения ссылки на оригинальную публикацию в этом журнале. с. Политика журнала разрешает и поощряет размещение авторами в сети Интернет (например в институтском хранилище или на персональном сайте) рукописи работы как до ее подачи в редакцию, так и во время ее редакционной обработки, так как это способствует продуктивной научной дискуссии и положительно сказывается на оперативности и динамике цитирования статьи
2.jpg)
