Auditable Authenticity: A Four-Domain Conjunctive Rule for Chinese White Porcelain, Benchmarked Against Machine Learning on Published Archaeometric Data

ملخص تقني: الموثوقية القابلة للتدقيق في الخزف الأبيض الصيني

بيان المشكلة
تواجه عملية التحقق العلمي من القطع التراثية توتراً جوهرياً بين مطلبين: الدقة التنبؤية والقابلية للتدقيق. فالمصنفات عالية الأداء القائمة على تعلم الآلة (مثل آلات ناقلات المتجهات ذات النواة - kernel SVMs، والغابات العشوائية - random forests) غالباً ما تعمل كـ "صناديق سوداء"، حيث تقدم تسمية فئة واحدة دون الكشف عن خطوط الأدلة المحددة التي تدعم ذلك القرار. وفي المقابل، فإن الخبرة التقليدية للمتخصصين في هذا المجال هي بطبيعتها قابلة للتدقيق، إذ تعتمد على تقارب مجالات الأدلة المستقلة (المادة، والعملية، والشكل، والزمن)، لكن عتبات اتخاذ القرار لديها تظل ضمنية، ويصعب قياسها كمياً، وتستعصي على التحقق الصارم. تعالج هذه الورقة تحدي صياغة ممارسة الخبراء في قاعدة قابلة للحوسبة تحافظ على القابلية للتدقيق دون التضحية بالكثير من الدقة، مع ضمان عدم اختلاق الطريقة لإشارات زائفة في بيانات لا وجود لها.

المنهجية
يقترح المؤلف قاعدة اقترانية رباعية المجالات تصيغ ممارسة أخصائي السيراميك المتمثلة في "التأكيد المشترك".

• المجالات الأربعة: يتم تقسيم الأدلة إلى أربع مراحل سببية للإنتاج:
  1. المادة (M): التركيب الكيميائي والمعدني (مثل أكاسيد الجسم والطلاء الزجاجي).
  2. العملية (P): الآثار الفيزيائية للتشكيل والحرق (مثل امتصاص الماء، والمسامية، وآثار أدوات الحرق).
  3. الشكل (F): السمات المورفولوجية (مثل شكل الوعاء، ومعالجة القاعدة، والزخرفة).
  4. الزمن (T): السياق الطبقي والموقع الزمني.
• المنطق الاقتراني: على عكس نهج المجموع الموزون الذي يسمح لإشارة قوية في مجال واحد بتعويض إشارة ضعيفة أو متناقضة في مجال آخر، يستخدم هذا النموذج عامل الحد الأدنى غير التعويضي. بالنسبة لفئة مرشحة $k$، تكون الثقة $C(k)$ هي الحد الأدنى من الثقافات $c_d(k)$ عبر جميع المجالات المتاحة $d$. وهذا يفرض منطق أن "الأربعة يجب أن تتحقق جميعها".
• التنبؤ المدقق: يتم تمييز التنبؤ كـ "مدقق بالكامل" فقط إذا تحقق ما يلي:
  1. الاتفاق: تشير كل المجالات المتاحة بشكل مستقل إلى الفئة نفسها.
  2. القوة الكافية: تتجاوز الثقة الاقترانية عتبة مُعايرة $\delta$.
     تُستبعد الكائنات التي تفشل في هذه الشروط (يتم وضع علامة عليها لطلب مزيد من الأدلة) بدلاً من فرض تصنيفها قسراً في فئة ما.
• المعايرة القائمة على البيانات: لا يتم تحديد عتبة التدقيق $\delta$ ومقاييس المسافة يدوياً، بل يتم تعلمها عبر التحقق المتقاطع المتداخل والتحسين العالمي (التطور التفاضلي) لتعظيم مقياس macro-F1 مع الحفاظ على حد أدواني من تغطية التنبؤات المدققة قدره (0.6).
• الاختبار المرجعي: تم اختبار القاعدة مقابل ستة نماذج أساسية (الأغلبية، وتحليل التمايز الخطي - LDA، والانحدار اللوجستي المنتظم، وخوارزمية kNN، وRBF-SVM، والغابة العشوائية) على مجموعتي بيانات من الواقع:
  1. فرن ديت (Ding Kiln) (N=69): ثلاث مراحل إنتاج (عصور الممالك الخمس، أسرة سونغ الشمالية، أسرة جين) تم تصنيفها عبر تركيب جسم الخزف باستخدام تقنية LA-ICP-AES.
  2. جينغديه تشن (Jingdezhen) (N=37): أربع مجموعات (عام يوان، إمبراطوري يوان، إمبراطوري مينغ، إمبراطوري تشينغ) تم تصنيفها عبر تركيب الجسم باستخدام تقنية EDXRF.
• اختبارات العدم: تم استخدام حالتين صعبتين للغاية (رواسب وانكوانسي من أسرة جين، وطبقات طلاء خزف هيبي من أسرة يوان) للتحقق من أن الطريقة لا تبالغ في التخصيص (overfitting) أو تخلق فصلاً حيث لا يتنبأ علم الآثار بوجوده.

النتائج الرئيسية

• الأداء في مهام الإشارة:
  • فرن ديت: حققت القاعدة الاقترانية macro-F1 قدره 0.905 (دقة متوازنة 0.909)، متفوقة بشكل كبير على نموذج الأغلبية (0.202) ومقتربة من أفضل مصنف "صندوق أسود"، وهو SVM (0.941).
  • جينغديه تشن: حققت القاعدة macro-F1 قدره 0.823 (دقة متوازنة 0.793)، وهي أيضاً تتجاوز بكثير النموذج الأساسي (0.175) ولكنها تتخلف عن SVM (0.983). ويُعزى الفارق إلى عدم قدرة القاعدة على نمذجة الحدود غير الخطية الدقيقة بين الفئات الصغيرة والمتشابهة (مثل إمبراطوري يوان مقابل العام).
• فعالية التدقيق: نجحت بوابة التدقيق المعايرة بالبيانات في تصفية التنبؤات عالية الموثوقية.
  • بالنسبة لـ "دينغ"، اجتازت 87% من التنبؤات التدقيق، حيث ارتفدت الدقة من 0.900 (جميع العينات) إلى 0.923 (المجموعة المدققة).
  • بالنسبة لـ "جينغديه تشن"، اجتازت 97% التدقيق، حيث ارتفعت الدقة من 0.892 إلى 0.894.
• أداء اختبارات العدم: في مهام "وانكوانسي" و"هيبي"، حيث تشير الأدلة الأثرية إلى عدم وجود إشارة كيميائية للفئات المستهدفة، أعادت جميع الطرق (بما في ذلك القاعدة الاقترانية والصناديق السوداء) أداءً بمستوى الصدفة بشكل صحيح (دقة متوازنة $\approx$ 0.50). وهذا يؤكد أن الطريقة لا تبتدع هياكل وهمية.

الأهمية والادعاءات
تقدم الورقة ادعاءً متواضعاً ومحدداً: يمكن للمصنف القابل للتفسير، والذي يكشف عن التأكيد، أن يقترب من دقة "الصناديق السوداء" في مهام القياس الأثري الحقيقية مع الكشف صراحة عن هيكل كل حكم.

• ليس نظاماً كاملاً: يصرح المؤلف صراحةً بأنه لا يدعي أن هذا نظام كامل للتحقق رباعي المجالات. نظراً لتوافر البيانات، اعتمدت الاختبارات التجريبية الأساسية بشكل شبه حصري على مجال المادة (M)، حيث تراجعت القاعدة بسلاسة لتصبح مصنف "أقرب نموذج أولي" أحادي القناة عند فقدان المجالات الأخرى.
• قيمة القابلية للتدقيق: المساهمة الرئيسية ليست في الدقة الخام المتفوقة (حيث لا تزال الصندوك السوداء مثل SVM تتفوق)، بل في القدرة على تحديد مجموعة فرعية عالية الموثوقية من الأحكام حيث تتقارب خطوط الأدلة المستقلة. وهذا يسمح للخبراء بمعرفة لماذا اتخذ القرار وتحديد أي مجال محدد (مثل الشكل أو العملية) تسبب في فشل التأكيد.
• المتطلب المستقبلي: تخلص الورقة إلى أن الخطوة الضرورية التالية ليست مزيداً من المحاكاة الخوارزمية، بل هي تغيير في معايير النشر: وهو المشاركة المشتركة لـ البيانات القابلة للربط لكل قطعة تغطي مجالات المادة، والعملية، والشكل، والزمن في آن واحد. وفقط مع مثل هذه البيانات يمكن اختبار "الفرضية رباعية الأبعاد الحقيقية" تجريبياً.

باختสร، يوضح هذا العمل أن صياغة منطق الخبراء في قاعدة غير تعويضية ومعايرة بالبيانات يوفر بديلاً شفافاً للتصنيف بنظام "الصندوق الأسود"، مما يقدم آلية عملية لـ "الموثوقية القابلة للتدقيق" في علوم التراث.