Machine Learning

Le "Machine Learning" est un domaine d'étude de l'Intelligence Artificielle dont l'objectif est de permettre aux machines (algorithmes) d'apprendre automatiquement à partir de données diverses qui vont leur être fournies.

Plusieurs projets ont pour objectif l'apprentissage automatique de leur algorithme, tels que :

• ArchAIDE

  Projet qui vise à créer un nouveau système de reconnaissance automatique des poteries archéologiques provenant de fouilles du monde entier, en rendant les connaissances accessibles là où les archéologues travaillent. Les fragments de céramique seront photographiés, leurs caractéristiques seront envoyées à une collection comparative, ce qui activera le système de reconnaissance automatique d'objets, donnant lieu à une réponse avec toutes les informations pertinentes liées et, finalement, stockées dans une base de données qui permettra de partager chaque nouvelle découverte en ligne.

• Arch-I-Scan

  Ce projet a pour but de permettre l'enregistrement automatique et l'apprentissage automatique par la machine des données qui lui seront fournies sur les céramiques culinaires et les vases à boire romains, à la fois pour les enregistrer et pour pouvoir étudier les pratiques alimentaires.

• Ithaca

  Outil de restauration et attribution des inscriptions grecques anciennes à l'aide de réseaux neuronaux profonds.

• RePAIR Project

  Le projet RePAIR (Reconstruction the Past : Artificial Intelligence and Robotics meet Cultural Heritage) consiste en la création d'un moyen automatisé de réparer les artefacts archéologiques, qu'ils s'agissent de vases fragmentés, de fresques ou d'autres artefacts. A termes, l'objectif est que l'archéologue puisse laisser cette tâche à un système robotique intelligent, fondé sur l'Intelligence Artificielle. 

• Vesuvius Challenge 2023

  Ce challenge est né de la nécessité de pouvoir lire les parchemins d'Herculanum, bien trop abîmés par l'éruption du Vésuve pour pouvoir être déroulés sans dommage. Daniel Gross, Nat Friedman et Brent Seales ont donc décidé de publier les tomodensitogrammes de plusieurs parchemins de l'Insitut de France et de proposer un prix à ceux qui réussiraient à trouver un moyen technique de les lire. Plusieurs personnes si sont essayées, utilisant notamment le Machine Learning pour y parvenir. Youssef Nader, Luke Farritor et Julian Schilliger sont parvenus aux meilleurs résultats et ont ainsi remporté le prix.