论文部分内容阅读
摘 要：计算机技术最早用于考古学始于20世纪50年代的美国考古学者有关民族部落的研究中。此后，随着计算机科学的不断进步，考古学中可运用的计算机技术也逐渐丰富起来，从一开始只是通过计算机进行考古信息的管理和处理的单一，到如今的百花齐放、纷繁复杂（如计算机3D建模投影遗址景观复原、考古信息大数据库等），两者的结合愈发紧密。因此，在大数据、云计算、机器学习技术飞速发展的今日，我们不难意识到人工智能在考古领域，尤其是田野考古领域，可以有较大作为。文章通过考古发掘准备期、发掘期以及发掘后续工作三个时段来分析人工智能的可参与性、可利用性，看到田野考古的发展新方向，使考古亦可踏时代之浪潮而行。
关键词：田野考古;人工智能;大数据
1 考古发掘准备期
笔者认为，考古发掘的准备期主要有两方面的情况需要考虑：一是要查阅并且准备相关的文本文献材料，二是要进行实地勘察以初步了解发掘地及其周边。前者往往需要花费大量的时间和精力，而且常出谬误，但是这一步骤又是田野考古中极为重要的一步，它可以为后续的发掘工作提供参考甚至指导。以笔者参与过的吉林省安图县宝马城发掘为例，最开始的考证始于对20世纪80年代编纂的《安图县文物志》所载此城的形状、基本的布局、城墙尺寸结构以及残存遗物的简单介绍，后据踏查于城中发现的一些指压纹瓦片认定该城始建于渤海，辽金沿用。所以以往学术界普遍视宝马城为渤海朝贡道上的重要驿站，更有学者将其比定为当时中京显德府下辖的兴州。①然而直到2013年进行试掘时才发现，其实为金王朝祭祀长白山的一座神庙遗址。笔者认为，一开始对宝马城遗址性质的误判，显然是由于文献的部分缺失和踏查不够细致全面所致。当然上述问题是难以完全避免的。然而在新兴计算机技术兴起的今日，利用云计算、大数据还有机器学习，是可以使考古人员在客观条件允许的情况下，尽可能地减少考古发掘准备期的一些误判。
1.1 利用大数据技术准备文本文献材料
大数据技术，主要指的是通过对海量信息实施存储和分析，经过严谨的数据分析之后，能够获得满足人们实际要求的计算结果的一项技术。②考古学作为一门和历史学、文献学、古文字学等有紧密联系的学科，即使大部分考古学者博览群书，对一些基本文献都烂熟于心，往往也会在寻找文献材料时陷入“文山书海”的困境中。随着现代图书文献管理系统的出现，这一困难的情况得到了极大的改善，人们可以通过计算机以及相应的软件进行搜索，迅速定位自己需要寻找的材料。不过随着学科细分愈严，文献书目也愈发冗杂起来，许多学科开始有了自己的数据库系统，仅仅搜集自身学科所需文献。在这一方面，笔者认为，由于考古学有多学科交集的特点，在建立完全属于自身学科的图书数据库这一点上，是没有必要的。不过，在现代人工智能强调机器深度学习的情况下，配合大数据技术，可以使海量的数据筛选变得更加精准和快捷，重复以及低相关度信息被计算机智能排除，数据深度得以不受外界烦冗多余信息干扰而有所保障。这样一来，可以达到过滤无用信息，找到有用信息，减少人工误差，进而提高考古学者在文献材料搜集上的效率和精确度的良性循环。
1.2 利用机器学习技术进行考古踏查
考古踏查的主要目的是摸清考古遗址的一些基本情况。经笔者分析认为，这一过程主要存在两个可考虑利用机器学习技术的方面：一是踏查选点;二是踏查范围。
踏查是一种有筛点的考古发掘前期工作。如笔者在《日本平泉遗址考古踏查述略》③一文中所见，该文作者依次踏查了平泉遗址的城池、衙署、无量光院、毛越寺、中尊寺等遗址来了解平泉文化遗址的全貌。依此笔者认为，踏查选点是一项重要的考古准备工作。其实利用机器学习技术选址，早已有所普及，多用于商业、住房等选址上。例如，《基于多源大數据融合的银行网点选址方法》①一文，通过多方面、多角度的数据建模，诸如人流量、交通拥堵指数、用户价值、周边竞争网点数等，基于机器学习算法，构建选点权重的损失函数。同理在进行考古遗址踏查时，我们亦可在植被情况、遗址密度、地形地貌等方面综合数据，构建权重函数，利用计算机规划踏查点，从而得到先后主次的踏查顺序，形成重点踏查和次重点踏查的模式，并相应地做好人员、物资等分配调整，在减轻人工负担的同时，做到踏查无漏、科学踏查，为日后的正式考古发掘做好充分良好的铺垫。同理，这类技术也可利用踏查所得考古学遗物遗迹，与前文所提的大数据搜索技术结合，很好地构建考古遗址前期工作的大方向，控制误判情况的出现概率。
与此同时，在踏查的进行过程中，不少考古学者都会面临遗址地形情况较为复杂的情况，有些踏查地点甚至有较为危险的地理环境，这会导致无法一窥遗址全貌。航空考古和遥感技术虽然能有助于初步认识遗址②，但遗憾的是，在细节上无法达到完善。机器学习技术辅助下的智能机器人技术与地图建模技术相结合能较好解决上述问题。众所周知，人工智能机器人发展的标志之一便是AlphaGo围棋，其以击败世界围棋冠军而闻名于世。这样基于机器深度学习技术的AI人工智能机器人，具有较强的学习能力和模仿能力，现代机器人制造技术也完全可以使机器人能在许多极端环境下工作。在不考虑制作成本的情况下，考古人工智能机器人显然比人更能胜任踏查工作，完成采集、勘察等多项任务，并且在航空遥感技术的配合下，使得考古遗址的踏查做到“点—面”结合，加之计算机云计算和深度分析的联合工作，完成对遗址的建模分析，使考古学者们在考古发掘初期便“既窥全貌，又得细节”亦不是不可能的事情。
2 考古发掘进行时
考古发掘是一项复杂且漫长的工作。一直以来，随着一代又一代考古学家的不懈努力，田野考古发掘的流程逐步完善。现代计算机技术也为考古发掘提供了诸如3D视觉建模复原遗址、遗物档案数据库管理技术等。笔者认为，人工智能可以大展拳脚的部分主要体现在考古遗址现场管理和部分发掘场景中。
2.1 考古遗址的现场管理
考古遗址的盗掘是当今最令考古学者头疼和扼腕的事情。有这么一句话在考古工作者中广为流传：“阳光总在风雨后，盗墓总在考古前。”这便是对盗掘现象普遍存在的最好佐证。据统计，2012—2014年，全国法院新收盗掘古文化遗址、古墓葬刑事案件约占全部文物犯罪案件的90%。③一些考古工地因为发掘范围大、管理不过来等问题，导致罪犯觊觎，甚至有白天还在发掘、晚上就有人来盗的现象存在。在《回忆2016年北京延庆金元时期古文化遗址盗掘大案》一文中，作者讲道：“19日凌晨，胆大妄为的盗墓分子再次来到大石窑村案发现场，企图趁着黑夜浑水摸鱼，到白天踩点的几个地方继续盗掘文物。”④足见盗墓者之猖獗。更甚者则需当地政府派遣公安武警前来保卫。但毕竟人力有限，在这样的形势下，利用人工智能技术显然是较为节省人力物力且高效的办法。如今，AI智能识别人脸的功能已经走进了千家万户，防盗门和手机等都利用上了这一技术。在较小的考古发掘现场，可以修建护栏，并在出入口设置好人脸识别出入系统，录入工作人员信息，可以有效避免闲杂人员的随意流动。笔者在吉林省安图县宝马城遗址发掘时，遗址现场装有护栏，但遗憾的是并没有这样与时俱进的系统，导致在发掘时有当地村民进入，破坏了部分遗迹，令人难过。而在较大的遗址发掘区，如三星堆的三号坑遗址，利用计算机技术和分布式光纤监测防盗技术结合⑤，有效起到了保护和监控作用。可以说，新兴计算机技术结合监控防护系统完全能做到对遗址现场的全天候、立体管控。 2.2 部分发掘场景
考古发掘不仅是一项有趣的工作，同时也是一项危险的工作，尤其是在面对一些墓葬遗址发掘时，墓葬内部由于化学反应可能产生有害气体，或者形成缺氧环境，对于考古工作者而言，这是严峻的生命考验;也存在一些非破坏而不得入的窄小环境，如甬道等遗迹。而前文所述的人工智能机器人技术则能较好地解决这一问题。对于有深度学习“加持”的机器人而言，切换“踏查”和“发掘”模式只是程式更改的小问题而已，加之其适应多种环境的能力，无论是担起勘探发掘环境“先遣队”的任务，还是解决通过狭小空间、获得内部情报的问题，都是人力所不能及的。在条件允许的情况下，使用它们并结合计算机大数据技术，可以使考古工作者更为透彻地了解遗址的细节，从而掌控好整个遗址的发掘进度和方向。而云计算技术则为上述装备提供了充分的后勤保障。由于时下科学技术所限，越是复杂的计算和控制，所需要的计算机占地面积也越大。而考古遗址往往处在较为偏僻的地方，甚至难见人烟。考古人只能携带一些便携式的设备，这样的设备是支撑不了海量数据的运算的。但是云计算技术可以通过便携设备在主机计算并反馈到一线，这样一来，发掘时所得的材料数据分析储存就完全不需要人力的来回往返，即可通过一线设备在终端计算并迅速得到想要的分析结果，从而加快考古发掘的整体进程，减少人员往来路费等不必要开支，将更多资源投入到应用之处。
3 考古发掘后续工作
考古发掘所得遗物大都面临两种命运：一种是进入文物库房集中管理，另一种则是调拨各级博物馆进行展示。而遗迹多回填掩埋，或者以此为基础建立遗址博物馆，后者是近十来年才在国内渐渐流行起来的，如金沙遗址博物馆、良渚遗址公园等。据笔者观察，这些考古发掘的后续工作重点有三，即管理、教育和研究。管理针对的是入库和入馆文物，教育则是针对博物馆观众，研究就是针对各类学者了。
3.1 考古遗存管理
在数据库技术已经成熟的今天，大部分地方文物库房和博物馆对考古遗物都有完整的记录和统计，加之全国文物普查活动的不断深入，文物缺失和遗漏的情况越发少见。现今考古遗物管理的要点已经不仅仅局限在“不丢失”和“保存完好”上了，馆际间的文物交流显得更为重要，信息的交换才是考古遗物发挥应有之义的要点。笔者实习的吉林省博物馆在2017年开发了数字博物馆，这是新兴计算机技术利用的一个方向。但是笔者认为，数字博物馆的功用更多应体现在数字化数据的可流动性上，当馆际交换不再需要实物流动时，不仅会使馆际交换更加频繁，让人们在家乡的博物馆就可以看到全国各地乃至世界各地的文物，也会让文物保护成本大大降低，文物信息交流效率提高。实物馆际交流则应该成为数据流馆际交流的补充，随着以后人工智能的进一步发展，VR投影技术和AI互动技术完全可以带给观众超现实的质感，博物馆环境的整体交互也未尝不是不可能。
考古遗迹也同样可以利用上述技术，在一些考古博物馆或大型遗址公园进行完全的复现。据笔者了解，吉林省博物馆就有宝马城遗址的复原3D影像投影。当然限于现实因素，这并不是人工智能技术的完全再现，但是我们应当意识到，在现有技术条件下，对回填遗迹的博物馆再现不是困难的事情。
3.2 考古遗存的教育功能
博物馆是社会教育和公众考古学的前沿阵地，考古发掘遗存是良好的教育素材。在“田野考古發掘—博物馆”这一转换过程中，最难的部分是保证不失实;在另一环节“博物馆—观众”中，最难的部分则是对观众的吸引力，即观众兴趣。对前者而言，目前国内较多博物馆采用了立体影像等技术，做到了较好的复原展示，如若想更进一步，则可以向故宫博物院学习，开放数字馆，充分利用计算机技术的信息集中处理展示优势。而就后者来说，大数据技术可以很好地分析观众数据，无论是驻留时间、流量大小，还是到博物馆的交通方式等，都可以得到较好的处理，为博物馆提供良好的社教对策、展出对策。人工智能也可以在现今广为流行的博物馆网络公众平台上发挥作用，如一些展出信息的定时自动推送、后台信息的回复处理和参观意见收集等。
3.3 考古遗存的研究
人工智能在各个研究领域已经开始发挥作用，由于其极强的深度学习能力和自主性，较之传统的计算机技术优势相对明显，人工驱动研究有向数据驱动研究转化的趋势。对于考古学来说，以往利用计算机技术研究类型学的方法逐渐开始不再适用，随着越来越多的信息涌入，数据的自我筛选显得尤为重要。考古遗存的分析将不再成为困扰考古学者的问题，我们可以将更多的精力集中在对遗存的解释上，让人工智能技术解放考古人的部分冗余工作，这样才能使研究方向导向更深处。
4 结语
笔者认为，我们应当认识到，在广义语境下的田野考古发掘，可以很好地与人工智能这一新兴计算机技术结合。在数据流和建模计算的前提下，考古学将不再是“自说自话”，而是“拿数据和科学说话”。把分析和筛选材料交予人工智能，使解释材料走向更深层，才是考古学未来发展的应有之义。
关键词：田野考古;人工智能;大数据
1 考古发掘准备期
笔者认为，考古发掘的准备期主要有两方面的情况需要考虑：一是要查阅并且准备相关的文本文献材料，二是要进行实地勘察以初步了解发掘地及其周边。前者往往需要花费大量的时间和精力，而且常出谬误，但是这一步骤又是田野考古中极为重要的一步，它可以为后续的发掘工作提供参考甚至指导。以笔者参与过的吉林省安图县宝马城发掘为例，最开始的考证始于对20世纪80年代编纂的《安图县文物志》所载此城的形状、基本的布局、城墙尺寸结构以及残存遗物的简单介绍，后据踏查于城中发现的一些指压纹瓦片认定该城始建于渤海，辽金沿用。所以以往学术界普遍视宝马城为渤海朝贡道上的重要驿站，更有学者将其比定为当时中京显德府下辖的兴州。①然而直到2013年进行试掘时才发现，其实为金王朝祭祀长白山的一座神庙遗址。笔者认为，一开始对宝马城遗址性质的误判，显然是由于文献的部分缺失和踏查不够细致全面所致。当然上述问题是难以完全避免的。然而在新兴计算机技术兴起的今日，利用云计算、大数据还有机器学习，是可以使考古人员在客观条件允许的情况下，尽可能地减少考古发掘准备期的一些误判。
1.1 利用大数据技术准备文本文献材料
大数据技术，主要指的是通过对海量信息实施存储和分析，经过严谨的数据分析之后，能够获得满足人们实际要求的计算结果的一项技术。②考古学作为一门和历史学、文献学、古文字学等有紧密联系的学科，即使大部分考古学者博览群书，对一些基本文献都烂熟于心，往往也会在寻找文献材料时陷入“文山书海”的困境中。随着现代图书文献管理系统的出现，这一困难的情况得到了极大的改善，人们可以通过计算机以及相应的软件进行搜索，迅速定位自己需要寻找的材料。不过随着学科细分愈严，文献书目也愈发冗杂起来，许多学科开始有了自己的数据库系统，仅仅搜集自身学科所需文献。在这一方面，笔者认为，由于考古学有多学科交集的特点，在建立完全属于自身学科的图书数据库这一点上，是没有必要的。不过，在现代人工智能强调机器深度学习的情况下，配合大数据技术，可以使海量的数据筛选变得更加精准和快捷，重复以及低相关度信息被计算机智能排除，数据深度得以不受外界烦冗多余信息干扰而有所保障。这样一来，可以达到过滤无用信息，找到有用信息，减少人工误差，进而提高考古学者在文献材料搜集上的效率和精确度的良性循环。
1.2 利用机器学习技术进行考古踏查
考古踏查的主要目的是摸清考古遗址的一些基本情况。经笔者分析认为，这一过程主要存在两个可考虑利用机器学习技术的方面：一是踏查选点;二是踏查范围。
踏查是一种有筛点的考古发掘前期工作。如笔者在《日本平泉遗址考古踏查述略》③一文中所见，该文作者依次踏查了平泉遗址的城池、衙署、无量光院、毛越寺、中尊寺等遗址来了解平泉文化遗址的全貌。依此笔者认为，踏查选点是一项重要的考古准备工作。其实利用机器学习技术选址，早已有所普及，多用于商业、住房等选址上。例如，《基于多源大數据融合的银行网点选址方法》①一文，通过多方面、多角度的数据建模，诸如人流量、交通拥堵指数、用户价值、周边竞争网点数等，基于机器学习算法，构建选点权重的损失函数。同理在进行考古遗址踏查时，我们亦可在植被情况、遗址密度、地形地貌等方面综合数据，构建权重函数，利用计算机规划踏查点，从而得到先后主次的踏查顺序，形成重点踏查和次重点踏查的模式，并相应地做好人员、物资等分配调整，在减轻人工负担的同时，做到踏查无漏、科学踏查，为日后的正式考古发掘做好充分良好的铺垫。同理，这类技术也可利用踏查所得考古学遗物遗迹，与前文所提的大数据搜索技术结合，很好地构建考古遗址前期工作的大方向，控制误判情况的出现概率。
与此同时，在踏查的进行过程中，不少考古学者都会面临遗址地形情况较为复杂的情况，有些踏查地点甚至有较为危险的地理环境，这会导致无法一窥遗址全貌。航空考古和遥感技术虽然能有助于初步认识遗址②，但遗憾的是，在细节上无法达到完善。机器学习技术辅助下的智能机器人技术与地图建模技术相结合能较好解决上述问题。众所周知，人工智能机器人发展的标志之一便是AlphaGo围棋，其以击败世界围棋冠军而闻名于世。这样基于机器深度学习技术的AI人工智能机器人，具有较强的学习能力和模仿能力，现代机器人制造技术也完全可以使机器人能在许多极端环境下工作。在不考虑制作成本的情况下，考古人工智能机器人显然比人更能胜任踏查工作，完成采集、勘察等多项任务，并且在航空遥感技术的配合下，使得考古遗址的踏查做到“点—面”结合，加之计算机云计算和深度分析的联合工作，完成对遗址的建模分析，使考古学者们在考古发掘初期便“既窥全貌，又得细节”亦不是不可能的事情。
2 考古发掘进行时
考古发掘是一项复杂且漫长的工作。一直以来，随着一代又一代考古学家的不懈努力，田野考古发掘的流程逐步完善。现代计算机技术也为考古发掘提供了诸如3D视觉建模复原遗址、遗物档案数据库管理技术等。笔者认为，人工智能可以大展拳脚的部分主要体现在考古遗址现场管理和部分发掘场景中。
2.1 考古遗址的现场管理
考古遗址的盗掘是当今最令考古学者头疼和扼腕的事情。有这么一句话在考古工作者中广为流传：“阳光总在风雨后，盗墓总在考古前。”这便是对盗掘现象普遍存在的最好佐证。据统计，2012—2014年，全国法院新收盗掘古文化遗址、古墓葬刑事案件约占全部文物犯罪案件的90%。③一些考古工地因为发掘范围大、管理不过来等问题，导致罪犯觊觎，甚至有白天还在发掘、晚上就有人来盗的现象存在。在《回忆2016年北京延庆金元时期古文化遗址盗掘大案》一文中，作者讲道：“19日凌晨，胆大妄为的盗墓分子再次来到大石窑村案发现场，企图趁着黑夜浑水摸鱼，到白天踩点的几个地方继续盗掘文物。”④足见盗墓者之猖獗。更甚者则需当地政府派遣公安武警前来保卫。但毕竟人力有限，在这样的形势下，利用人工智能技术显然是较为节省人力物力且高效的办法。如今，AI智能识别人脸的功能已经走进了千家万户，防盗门和手机等都利用上了这一技术。在较小的考古发掘现场，可以修建护栏，并在出入口设置好人脸识别出入系统，录入工作人员信息，可以有效避免闲杂人员的随意流动。笔者在吉林省安图县宝马城遗址发掘时，遗址现场装有护栏，但遗憾的是并没有这样与时俱进的系统，导致在发掘时有当地村民进入，破坏了部分遗迹，令人难过。而在较大的遗址发掘区，如三星堆的三号坑遗址，利用计算机技术和分布式光纤监测防盗技术结合⑤，有效起到了保护和监控作用。可以说，新兴计算机技术结合监控防护系统完全能做到对遗址现场的全天候、立体管控。 2.2 部分发掘场景
考古发掘不仅是一项有趣的工作，同时也是一项危险的工作，尤其是在面对一些墓葬遗址发掘时，墓葬内部由于化学反应可能产生有害气体，或者形成缺氧环境，对于考古工作者而言，这是严峻的生命考验;也存在一些非破坏而不得入的窄小环境，如甬道等遗迹。而前文所述的人工智能机器人技术则能较好地解决这一问题。对于有深度学习“加持”的机器人而言，切换“踏查”和“发掘”模式只是程式更改的小问题而已，加之其适应多种环境的能力，无论是担起勘探发掘环境“先遣队”的任务，还是解决通过狭小空间、获得内部情报的问题，都是人力所不能及的。在条件允许的情况下，使用它们并结合计算机大数据技术，可以使考古工作者更为透彻地了解遗址的细节，从而掌控好整个遗址的发掘进度和方向。而云计算技术则为上述装备提供了充分的后勤保障。由于时下科学技术所限，越是复杂的计算和控制，所需要的计算机占地面积也越大。而考古遗址往往处在较为偏僻的地方，甚至难见人烟。考古人只能携带一些便携式的设备，这样的设备是支撑不了海量数据的运算的。但是云计算技术可以通过便携设备在主机计算并反馈到一线，这样一来，发掘时所得的材料数据分析储存就完全不需要人力的来回往返，即可通过一线设备在终端计算并迅速得到想要的分析结果，从而加快考古发掘的整体进程，减少人员往来路费等不必要开支，将更多资源投入到应用之处。
3 考古发掘后续工作
考古发掘所得遗物大都面临两种命运：一种是进入文物库房集中管理，另一种则是调拨各级博物馆进行展示。而遗迹多回填掩埋，或者以此为基础建立遗址博物馆，后者是近十来年才在国内渐渐流行起来的，如金沙遗址博物馆、良渚遗址公园等。据笔者观察，这些考古发掘的后续工作重点有三，即管理、教育和研究。管理针对的是入库和入馆文物，教育则是针对博物馆观众，研究就是针对各类学者了。
3.1 考古遗存管理
在数据库技术已经成熟的今天，大部分地方文物库房和博物馆对考古遗物都有完整的记录和统计，加之全国文物普查活动的不断深入，文物缺失和遗漏的情况越发少见。现今考古遗物管理的要点已经不仅仅局限在“不丢失”和“保存完好”上了，馆际间的文物交流显得更为重要，信息的交换才是考古遗物发挥应有之义的要点。笔者实习的吉林省博物馆在2017年开发了数字博物馆，这是新兴计算机技术利用的一个方向。但是笔者认为，数字博物馆的功用更多应体现在数字化数据的可流动性上，当馆际交换不再需要实物流动时，不仅会使馆际交换更加频繁，让人们在家乡的博物馆就可以看到全国各地乃至世界各地的文物，也会让文物保护成本大大降低，文物信息交流效率提高。实物馆际交流则应该成为数据流馆际交流的补充，随着以后人工智能的进一步发展，VR投影技术和AI互动技术完全可以带给观众超现实的质感，博物馆环境的整体交互也未尝不是不可能。
考古遗迹也同样可以利用上述技术，在一些考古博物馆或大型遗址公园进行完全的复现。据笔者了解，吉林省博物馆就有宝马城遗址的复原3D影像投影。当然限于现实因素，这并不是人工智能技术的完全再现，但是我们应当意识到，在现有技术条件下，对回填遗迹的博物馆再现不是困难的事情。
3.2 考古遗存的教育功能
博物馆是社会教育和公众考古学的前沿阵地，考古发掘遗存是良好的教育素材。在“田野考古發掘—博物馆”这一转换过程中，最难的部分是保证不失实;在另一环节“博物馆—观众”中，最难的部分则是对观众的吸引力，即观众兴趣。对前者而言，目前国内较多博物馆采用了立体影像等技术，做到了较好的复原展示，如若想更进一步，则可以向故宫博物院学习，开放数字馆，充分利用计算机技术的信息集中处理展示优势。而就后者来说，大数据技术可以很好地分析观众数据，无论是驻留时间、流量大小，还是到博物馆的交通方式等，都可以得到较好的处理，为博物馆提供良好的社教对策、展出对策。人工智能也可以在现今广为流行的博物馆网络公众平台上发挥作用，如一些展出信息的定时自动推送、后台信息的回复处理和参观意见收集等。
3.3 考古遗存的研究
人工智能在各个研究领域已经开始发挥作用，由于其极强的深度学习能力和自主性，较之传统的计算机技术优势相对明显，人工驱动研究有向数据驱动研究转化的趋势。对于考古学来说，以往利用计算机技术研究类型学的方法逐渐开始不再适用，随着越来越多的信息涌入，数据的自我筛选显得尤为重要。考古遗存的分析将不再成为困扰考古学者的问题，我们可以将更多的精力集中在对遗存的解释上，让人工智能技术解放考古人的部分冗余工作，这样才能使研究方向导向更深处。
4 结语
笔者认为，我们应当认识到，在广义语境下的田野考古发掘，可以很好地与人工智能这一新兴计算机技术结合。在数据流和建模计算的前提下，考古学将不再是“自说自话”，而是“拿数据和科学说话”。把分析和筛选材料交予人工智能，使解释材料走向更深层，才是考古学未来发展的应有之义。