Leila Character, doctorante en géographie à l’université du Texas à Austin, a développé un modèle d’IA capable de reconnaitre les épaves dans les fonds marins. Le système exploite les photographies prises par les bateaux ainsi que des images aériennes pour identifier les débris sous-marins. Ce projet a été possible grâce à la collaboration de la subdivision de l’archéologie sous-marine de l’US Navy, la marine de guerre des États-Unis.
Un projet de recherche pour aider l’archéologie sous-marine grâce à l’intelligence artificielle
Ce modèle a fait l’objet d’une publication rédigée par Agustin Ortiz de la branche d’archéologie marine de l’US Navy, Sheryl Luzzadder-Beach, Tim Beach, et Leila Character du département de géographie et d’environnement de l’université du Texas à Austin. Cette dernière est l’auteur principale de l’étude.
Ce projet de recherche a permis de concevoir un système basé sur l’IA, capable de repérer les épaves de navires à partir de photographies de l’océan, prises en surface ou en aérien. Cet outil pourrait constituer une avancée majeure pour l’archéologie sous-marine, un domaine très complexe qui nécessite des ressources techniques considérables pour en savoir plus sur l’histoire de l’Homme en mer, et donc sur les guerres, les migrations, le quotidien de certains peuples, etc.
Un modèle entrainé à l’aide d’un registre recensant les épaves d’ores et déjà connues
L’étape principale de la création du modèle d’épave consistait à apprendre à l’ordinateur à quoi ressemble une épave et qu’il puisse faire la différence entre la topographie du fond marin et les vestiges archéologiques qu’on peut trouver sous l’eau. Ainsi, pour entrainer le modèle, l’équipe de recherche menée par Leila Character a exploité les registres de données de la National Oceanic and Atmosphéric Administration qui recense les épaves connues. Ces bases de données comprennent des photos sous-marines, mais aussi aériennes.
L’imagerie utilisée s’étend jusqu’à 23 kilomètres au large des côtés, et atteint une profondeur de 85 mètres. Les données de la NOAA comportaient des dizaines de milliers d’images en tout genre des fonds océaniques, y compris de l’imagerie sonar et lidar. Les échantillons avec peu d’épaves ont été intégrés au système pour qu’il puisse faire la différence entre les trésors archéologiques et un plancher océanique “normal”.
Selon les experts, le modèle informatique est précis à hauteur de 92 % pour identifier des épaves connues.
L’objectif de concevoir un modèle d’IA personnalisable pour l’archéologie
Par la suite, les chercheurs souhaitent inclure davantage de données sur les épaves du monde entier dans le modèle, et pour cause, le projet s’est uniquement concentré sur les côtés des États-Unis et celles de Porto Rico. De plus, ils aimeraient que la subdivision de l’archéologie sous-marine de l’US Navy puisse plonger sous l’eau aux endroits dont le système a identifié de nouvelles épaves pour vérifier l’exactitude du modèle.
Le concept ne se limite pas au monde sous-marin et il est tout à fait possible de changer les bases de données fournies à l’IA pour transposer le système à d’autres types de structures génériques. Il suffit pour cela d’avoir des images d’une surface. Bien entendu, l’US Navy souhaiterait exploiter le modèle pour retrouver des épaves de bâtiments militaires, mais aussi des embarcations civiles récemment disparues.
Leila Character travaille sur d’autres projets de machine learning en lien avec l’archéologie. Son objectif serait de concevoir un modèle de machine learning personnalisable selon les conditions archéologiques définies par l’utilisateur.
