火的使用是智人进化的一个关键因素，火不仅可以用于创造更复杂的工具，还可让食物变得更安全，从而有助于大脑的发育。

迄今为止，全球范围内仅发现了5个可追溯到50万年前用火证据的遗址，包括位于南非的Wonderwerk洞穴和Swartkrans、肯尼亚的Chesowanja、以色列的Gesher Benot Ya'aqov、西班牙的Cueva Negra。

现在，以色列的一个研究团队利用人工智能算法发现了第六个表明人类用火痕迹的遗址！这项研究揭示了以色列一个旧石器时代晚期遗址中存在人类用火的证据。研究成果已发表在PNAS期刊上。

AI 进军考古学！科学家用深度学习算法发现了近 100 万年前人类用火的证据，登上PNAS


1

AI 进军考古
传统的考古方法对于早期古人类遗址使用火源的识别，主要依赖于对蚀变沉积物、岩屑和骨骼的视觉评估，例如，土壤变红、变色、翘曲、开裂、收缩、变暗等等，这可能会低估当时人类用火的普遍程度。

而在这项研究中，作者团队开发了一种基于拉曼光谱和深度学习算法的光谱「温度计」，用来估计燧石伪影的热暴露，检测极端高温扭曲材料的原子结构，从而弥补了用火痕迹在视觉特征上的可能缺失。

研究表明，以色列的旧石器时代早期露天遗址（Evron Quarry）存在被火烧过的动物和岩屑残存，年代介于100万至80万年前之间。

AI 进军考古学！科学家用深度学习算法发现了近 100 万年前人类用火的证据，登上PNAS


研究团队首先对1976-1977年在Evron Quarry挖掘出的材料进行了研究，并没有发现热相关特征在视觉上的明显证据，比如土壤变红、燧石工具变色或开裂、收缩或动物遗骸变色等。

AI 进军考古学！科学家用深度学习算法发现了近 100 万年前人类用火的证据，登上PNAS

团队测试了许多种方法，包括传统的数据分析方法、机器学习建模和更先进的深度学习模型。流行的深度学习模型具有优于其他模型的特定架构，使用AI技术的好处是它可以分析材料的化学成分，并以此估计它们的热暴露情况。

AI技术可以可靠地区分现代燧石是否被燃烧过，而且还能揭示其燃烧的温度。火的热量可以引起附近石头的变化，燃烧会在原子水平上改变骨骼结构，相应的红外光谱也会改变。

在这项研究中，团队使用一个深度学习模型（一维卷积神经网络）来学习燧石伪影的拉曼光谱模式，从而估计石器的温度。与完全连接的人工神经网络（FC-ANN）相比，该模型性能更优，能够将真实温度和估计温度之间的平均绝对误差从118 °C降至103 °C。

AI 进军考古学！科学家用深度学习算法发现了近 100 万年前人类用火的证据，登上PNAS

首先，团队对从以色列不同地方收集来的现代燧石进行预训练，并在实验室控制条件下加热至已知温度。其次，将训练后的模型应用于未知样品（即从Evron Quarry遗址采集的石器）。团队采用有监督的深度学习方法将拉曼光谱与燧石的加热温度关联起来。这种方法依赖于燧石有机和无机成分发生的不可逆热诱导结构改变，同时克服了其固有的可变性。使用深度学习模型进行温度估计的优点，是它可以近似热量与α-石英、莫干岩以及D和G波段光谱区域因热量而产生的光谱变化之间的任何非线性决策边界。

在下图中，石块从视觉上并不能看出任何被火烧过的痕迹，而通过使用深度学习模型，对从石块中收集的紫外拉曼光谱的热暴露进行估计，发现它们都曾被加热至200°C至600°C之间。这暗示了古人类具备控制火的能力而非仅仅使用自然野火。

AI 进军考古学！科学家用深度学习算法发现了近 100 万年前人类用火的证据，登上PNAS


2

后续讨论
对于挖掘出的骨骼，研究团队也经过实验确认了它们曾被火燃烧过，作者之一Chazan表示：「如果没有人工智能验证的燧石结果，没有人会费心测试这些骨头的热暴露情况」。

这项研究尽管尚无法确定该遗址的工具是被自然火还是人工火燃烧的。燃烧痕迹所导致的空间变化可以解释为人类干预的证据，因为自然火通常会导致整个燃烧区域的同质热变化。

作者承认，野火和参差不齐的植被也可能导致整个区域的温度分布不均匀，并且温度并不是使用野火和人工火之间的可靠区分标准。但尽管如此，石器时代器具的估计温度、燃烧过的动物群的存在，仍能表明该遗址的古人类曾使用火的可能性。

在未来，这项研究所使用的方法可以扩展到其他旧石器时代晚期的遗址，这将有可能扩大人们对早期古人类与火之间关系的时空理解，打开了解早期人类生活的窗口。