AmalthAI: An Open-Source Computer Vision Platform for Cultural Heritage

想象一个古代历史被书写在石头、黏土和织物上的世界，但其中的墨迹正在褪去。几个世纪以来，考古学家一直是试图解读这些线索的侦探，他们经常在显微镜下眯着眼睛观察微小且脆弱的文物。但现在，一位新型侦探加入了队伍：计算机。这个被称为**计算机视觉（Computer Vision）**的领域，本质上是在教机器像人类一样去“看”并理解图像。这些机器不仅仅是识别猫或汽车，它们还可以经过训练，去识别古代篮筐的特定编织方式或陶器的纹理。

然而，这里有一个难点。教计算机如何“看”，通常需要拥有数学和编程方面的博士学位。这就像是你只知道如何开车，却试图修理一台赛车引擎。大多数考古学家精通历史，但不是程序员；而大多数程序员并不了解青铜时代的织布机与现代织布机的区别。这篇论文旨在解决这一差距。它提出了一个问题：我们能否构建一种工具，让历史专家无需学习编程就能使用超级智能的 AI？并且，我们能否以一种让其珍贵的、机密的数据保留在各自实验室内部，而不是发送到云端的方式来实现这一点？

---

“AmalthAI” 魔法盒

见见 AmalthAI，这是一个全新的、开源的平台，它就像是考古学家的“魔法盒”。把它想象成一个高科技、用户友好的科学游戏机。研究人员不再需要与混乱的代码行搏斗，而是可以通过一个简单的 Web 界面上传文物照片，告诉计算机他们想学习什么，然后观察它施展魔法。

该论文将这个平台介绍为连接尘封的考古世界与未来主义人工智能世界的桥梁。它是专为**文化遗产（Cultural Heritage）**专家设计的——即那些研究古代历史、艺术和文物的人——这些人希望使用机器学习，但没有从零开始构建它的技术背景。

它是如何工作的：三大超能力

AmalthAI 赋予了考古学家三种分析图像的“超能力”：

1. 分类器（排序者）： 想象你有一大堆混合在一起的古代织物照片。分类器会观察一张图片并说：“这个是由羊毛制成的，”或者“这个是用某种纺织技术制作的。”它将混乱的状态整理成整齐的类别。
2. 分割器（高亮器）： 有时，照片中重要的部分非常微小。也许只是陶器上一处模糊的纤维压痕。分割器就像一支数字荧光笔，在特定部分周围画出精确的轮廓，忽略背景中的泥土或裂缝。
3. 检测器（寻找者）： 这个工具会在杂乱的场景中寻找特定物体，比如在单张挖掘现场的照片中找到所有的陶器碎片。

最酷的部分在于？该平台处理了所有的繁重工作。它使用一个名为 Kubeflow 的系统（可以把它想象成一个超级有序的机器人管理员）来同时运行数千次实验，尝试不同的设置以找到最佳结果。它甚至拥有一个“超参数调优（Hyperparameter Tuning）”功能，这就像是一个智能助手，会自动调整机器上的旋钮和拨盘以获得最佳性能，这样考古学家就不必靠猜了。

“信任我”功能：为什么它既安全又聪明

博物馆和大学最大的担忧之一是数据主权（Data Sovereignty）。许多古代文物是国家所有的，或者对于图像存放地点有严格规定。它们不能直接上传到随机的云服务器。AmalthAI 通过实现**可自托管（Self-hostable）**解决了这个问题。这意味着整个系统可以在位于博物馆或大学内部的计算机上运行。数据永远不会离开建筑内部。这就像拥有一个只有你自己持有钥匙的私人图书馆。

但如果计算机出错怎么办？这就是**视觉语言助手（Vision-Language Assistant）**发挥作用的地方。这是一种特殊的 AI，它不仅给出数字，还会说话。当计算机做出判断时，它还会使用一种叫做 Grad-CAM 的工具来展示图像的“热力图”，突出显示它到底在“看”哪里。然后，一个智能文本生成器（视觉语言模型）会写出一段白话解释，例如：“我认为这是羊毛，因为我在这里看到了这些毛茸茸的纤维。”这让专家能够检查工作并说：“是的，这很有道理，”或者“不，你观察的位置不对。”这把 AI 从一个“黑箱”变成了一个得力的合作伙伴。

大考：黏土压痕之谜

为了证明其有效性，团队不仅停留在理论层面，还将其应用于一个涉及黏土上纺织品压痕的真实考古谜题。

想象一下，古代人将织物压入湿润的黏土中制作陶器。有时，织物会留下微小的压痕。这些压痕虽然罕见且脆弱，但却蕴含着关于衣服材质（如亚麻、羊毛或荨麻）以及制作方法（如纺织、钻孔或拼接）的秘密。

研究人员向 AmalthAI 提供了一个定制的黏土压痕数据集。他们要求平台执行以下操作：

1. 分割： 找到黏土上压痕的确切边缘。
   2.分类： 猜测材料（例如，“这是亚麻还是荨麻？”）和技术（例如，“这是纺制的还是钻孔的？”）。

结果令人振奋。该平台帮助专家训练出的模型能够以约 77.53% 的准确率识别材料，以及以 85.57% 的准确率识别技术。更重要的是，计算机犯的错误也是符合逻辑的。例如，它有时会将“荨麻”与其他纤维混淆，而人类专家也觉得它们很难区分。这表明计算机实际上是在“看”正确的东西，而不仅仅是在随机猜测。

这意味着什么（以及它不意味着什么）

论文指出，AmalthAI 是一个强大的新工具，它允许非专业人士进行复杂的计算机视觉实验。它证明了你可以构建一个既易于使用（无需编程）又安全（保持数据在本地）的系统。

然而，作者也非常谨慎，没有过度吹捧。他们承认该平台目前存在一些局限性：

• 它目前还不允许用户微调每一个极其细微的设置（比如自定义数学公式），这虽然保持了简单，但也降低了对想要完全控制权的专家的灵活性。
• 它要求用户在上传之前完美地组织好数据。
• 它目前仅适用于标准的 2D 彩色照片，而不支持可能揭示隐藏细节的多光谱图像。

这篇论文并不是声称已经“解决”了考古学。相反，它表明该平台是一个坚实的、可运行的原型，架起了历史与高科技之间的桥梁。它表明，有了正确的工具，历史学家可以成为数据科学家，在无需学习新的编程语言的情况下，开启理解我们过去的新方式。门已经打开，魔法盒已准备就绪。