编者注：这个 CNN 系列现在或曾经是由其重点关注的国家赞助的。根据我们的政策，CNN 对赞助范围内的文章和视频的主题、报道和频率保留完全的编辑控制权。
在鲁卜哈利沙漠的北部边缘，埋藏着秘密
阿拉伯半岛上 250,000 平方英里（650,000 平方公里）的广阔沙漠被称为“空旷的地方”。对于大多数人来说，除了一波又一波的赭色沙丘之外，它看起来确实是空的。
但对于人工智能来说却并非如此。
阿布扎比哈利法大学的研究人员开发了一种高科技解决方案传统上，考古学家使用地面调查来发现潜在的感兴趣地点，但在沙漠等恶劣地形中，这可能既耗时又困难。近年来，使用来自谷歌地球等地的光学卫星图像进行遥感在搜索大面积区域中寻找不寻常特征方面越来越受欢迎，但在沙漠中，沙尘暴经常会遮盖这些图像中的地面，而沙丘图案可能会使其难以识别大气科学家、该项目的主要研究人员之一黛安娜·弗朗西斯 (Diana Francis) 表示，我们需要一些东西来指导我们并集中研究。
该团队创建了一个机器学习算法来分析合成孔径雷达 (SAR) 收集的图像，合成孔径雷达 (SAR) 是一种卫星图像技术，利用无线电波来检测隐藏在地表下的物体，包括植被、沙子、土壤和冰。
这两种技术都不是新技术：SAR 图像自 20 世纪 80 年代以来一直在使用，机器学习在考古学领域也越来越受到关注。但弗朗西斯说，将两者结合起来使用是一种新颖的应用，据她所知，这在考古学领域尚属首次。
她使用来自考古学家已知站点的数据来训练算法：Saruq Al-哈迪德 (Hadid) 是一个拥有 5,000 年活动证据的定居点，目前仍在迪拜郊外的沙漠中被发现。
训练完成后，它向我们指示了仍在开发的其他潜在区域（附近）。Francis 说。
她补充说，该技术的精确度在 50 厘米以内，并且可以创建预期结构的 3D 模型，这将使考古学家更好地了解埋在下面的东西。
弗朗西斯和她的团队与管理该地点的政府组织迪拜文化合作，使用探地雷达进行了地面调查，该雷达复制了卫星从太空测量到的数据，她说。
现在，迪拜文化计划挖掘新发现的区域，弗朗西斯希望这项技术将来能够发现更多埋藏的考古宝藏。
使用 SAR 图像在迪拜并不常见考古学，由于其成本和复杂性。
但是，使用它来识别埋藏地点确实令人兴奋，马克斯普朗克地球人类学研究所的博士生艾米·哈顿（Amy Hatton）说，她正在研究深度学习模型探测沙特阿拉伯西北部的考古结构。
Hatton 指出，通过使用 SAR 图像，绕过了尘埃粒子的光散射问题，Francis 和她的团队解决了导致沙漠遥感困难的技术细节
哈利法大学并不是唯一一家使用人工智能来检测潜在地点的大学。
马克斯普朗克研究所的另一位博士生 Amina Jambajanstsan 正在使用机器学习来加速繁琐的工作通过高分辨率无人机和卫星图像搜索潜在感兴趣地点的工作。她的项目重点关注蒙古的中世纪墓地，这个国家面积超过 156 万平方公里，几乎相当于阿拉斯加的大小，已经发现了数千个潜在墓地，Jambajanstsan 说她和她的团队永远无法在地面上找到这些墓地。
Jambajanstsan 表示，虽然 SAR 图像的成本和计算需求可能成为许多研究人员使用的障碍，但该方法对于其他技术难以实现的沙漠地区很有价值，她会考虑将其用于南部戈壁沙漠。蒙古，她的正常光学图像无法产生结果。
机器学习在考古学中发现了越来越多的应用，尽管并非所有研究人员都对此感到兴奋。悉尼大学考古学讲师、沙特阿拉伯史前埃尔奥拉和海巴尔发掘项目联合主任休·托马斯 (Hugh Thomas) 表示，存在两种截然不同的信仰体系。一方面，人们正在寻求人工智能等技术解决方案来识别站点；另一方面，那些认为需要训练有素的考古眼睛来识别结构的人，他解释道。
虽然技术可以帮助识别和监测考古遗址，特别是那些受到土地利用变化、气候变化和抢劫威胁的考古遗址托马斯对过度依赖它持谨慎态度。
我希望使用这种技术的方式是在可能没有考古遗址或考古遗址的可能性非常低的地区，因此允许研究人员托马斯说，更多地关注我们期望发现更多发现的其他领域。
真正的测试，希望技术的验证将在下个月挖掘时进行从 Saruq Al Hadid 建筑群开始，据迪拜文化报道，在 2.3 平方英里（6.2 平方公里）的区域内，估计仅发现了 10% 的建筑群。
如果考古学家发现了根据算法预测的结构，迪拜文化计划使用该技术挖掘更多遗址。
弗朗西斯和她的团队去年发表了一篇关于他们的发现的论文，他们正在继续训练机器学习算法以改进在扩大其用途之前，先考虑其精度。
她说，我们的想法是将（技术）出口到其他地区，特别是沙特阿拉伯、埃及，也许还有非洲的沙漠。