AI-агенты на раскопках: как нейросети разбирают находки

Что происходит

За последние два года в археологические проекты пришли не просто модели для распознавания образов, а связки из нескольких моделей, которые умеют брать задачу целиком: разметить фото черепков, сопоставить их с базой, предложить датировку и собрать отчёт. Такие связки называют AI-агентами*. Отдельные примеры широко освещались: работа с обугленными свитками из Геркуланума в рамках конкурса Vesuvius Challenge, где команды использовали компьютерное зрение для чтения текста внутри неразвёрнутых папирусов, и проекты по классификации керамики и распознаванию клинописных знаков.

Ключевое отличие от прежних лет — не в точности одной модели, а в том, что рутину теперь можно передать сразу цепочке инструментов. Археолог формулирует задачу словами, агент разбивает её на шаги: скачать снимки, прогнать через классификатор, свериться с каталогом, отдать спорные случаи человеку. Это меняет не науку, а её скорость и стоимость.

Где AI уже приносит пользу

Чтение того, что не разворачивается

Vesuvius Challenge — публичный конкурс с денежным призом за расшифровку карбонизированных папирусов из виллы в Геркулануме, засыпанных при извержении Везувия в 79 году. Свитки нельзя развернуть физически — они рассыплются. Их сканируют на синхротроне, а модели ищут следы чернил в объёме томографии и виртуально «разворачивают» слои. В 2023–2024 годах участники смогли прочитать отдельные слова и фрагменты греческого текста. Это не полностью автономный агент, а конвейер из моделей сегментации и распознавания, но именно он показал, что раньше считалось нечитаемым.

Классификация керамики и фрагментов

Разбор черепков — самая массовая и скучная часть полевой работы. На крупном раскопе за сезон набираются десятки тысяч фрагментов, каждый надо описать: тип, профиль, орнамент, предполагаемый период. Модели компьютерного зрения берут на себя первичную сортировку по фото, а агент связывает результат с типологическим каталогом и заполняет карточку. Человек проверяет спорные случаи, а не перебирает всё вручную.

Планирование и приоритеты

Спутниковые и аэрофотоснимки, данные LiDAR, геофизика — всё это агент может свести в одну карту и подсветить участки, где вероятность находок выше. Решение о том, где копать, остаётся за археологом: ошибочная разметка стоит сезона и бюджета.

Чем это отличается от прежних инструментов

Главная разница — в том, кто держит нить рассуждения. Раньше её держал только человек, дёргая по очереди отдельные программы. Агент берёт координацию на себя, но вместе с ней берёт и риск: цепочка из нескольких моделей накапливает ошибки, а языковая часть склонна уверенно ссылаться на несуществующие публикации.

AI ускоряет сортировку и подсказывает гипотезы, но датировку и интерпретацию по-прежнему подписывает человек. Агент, который сам «датировал» слой, — это черновик, а не вывод.

Кому это пригодится, а кому нет

Пригодится:

• Экспедициям с большим потоком однотипных находок — первичная опись керамики, костей, монет ускоряется в разы.
• Проектам с большими цифровыми архивами — агент ищет совпадения между тысячами оцифрованных карточек быстрее человека.
• Работе с нечитаемыми носителями — обугленные свитки, стёртые надписи, где обычный глаз бессилен, а томография и модели дают шанс.
• Разведке местности по спутнику и LiDAR — предварительный отбор участков перед выездом.

Не заменит и может навредить:

• Интерпретации редких или уникальных находок — модель обучена на частом, а ценность археологии часто именно в исключениях.
• Датировке как окончательному выводу — стратиграфию и радиоуглерод агент не отменяет.
• Публикации без проверки: если языковая часть агента сама подбирает библиографию, ссылки нужно сверять вручную — модели выдумывают источники.
• Проектам без цифровой базы: без оцифрованного каталога агенту не с чем сопоставлять, и польза резко падает.

Сколько это стоит и что нужно

Готового коробочного «археологического AI-агента» с фиксированной ценой на рынке нет — большинство проектов собирает связки из открытых моделей и коммерческих API. Затраты складываются из трёх частей:

1. Оцифровка и разметка данных — самая дорогая и долгая часть, без неё агенту не на чем работать.
2. Обработка запросов моделями — оплата по токенам или подписка на API. Тарифы провайдеров меняются часто, точные цифры смотрите на официальных страницах OpenAI, Anthropic, Google.
3. Вычисления для тяжёлых задач — сканирование на синхротроне или обработка LiDAR требуют отдельного бюджета и не относятся к самому агенту.

Для небольшой экспедиции разумный вход — не автономный агент, а полуавтоматический конвейер: модель сортирует, человек утверждает. Полная автономия сегодня оправдана только там, где ошибку дёшево поймать и исправить.

* AI-агент — программа на основе языковой или мультимодальной модели, которая получает задачу словами, сама разбивает её на шаги и вызывает внешние инструменты (базы данных, классификаторы, поиск), а не просто отвечает одним сообщением.