AIが挑む先史時代の性別推定
先史時代に描かれた手形ステンシルは、その作成者の性別を特定することが極めて困難でした。真実のデータが存在しないこと、現代人と先史時代の人々の間に人口統計学的な違いがあること、そして画像劣化による不確実性が主な要因です。従来の形態計測法は、性別間の構造的重複が高く、異なる集団間での汎用性に乏しく、主観的な特徴設計に依存するという課題を抱えていました。
不確実性を考慮した新フレームワーク
この課題に対し、不確実性を明示的にモデル化し、分析パイプライン全体で伝播・集約する深層学習フレームワークが開発されました。この手法は、デュアル画像処理、デュアル輪郭抽出、構造化されたシルエット拡張、モデルアーキテクチャの多様性、そしてアンサンブルベースの決定集約を組み合わせたものです。これにより、画像境界の不確実性を捉えるため、1つのステンシルから12種類の妥当なシルエットが生成されます。
高精度なアンサンブル学習と検証
生成されたシルエットは、それぞれ10個の深層ニューラルネットワーク（EfficientNet-B3とMobileViT-S）からなる2つのアンサンブルによって処理されます。これらのモデルは、14,036の現代人の手形サンプルで学習されています。さらに、アンサンブル予測は、教師なし2D潜在空間マッピング（UMAP + k-NN）や説明可能なAI空間アトリビューション（LayerCAM）と統合され、解剖学的整合性を確保する検証スキームが採用されています。
考古学への新たなインパクト
現代データにおいて、アンサンブルモデルは高い分類性能を達成し、高齢者グループでは88%を超える精度を示しました。このフレームワークを先史時代の手形ステンシルに適用すると、性別予測だけでなく、内部の一致度を示す信頼度も生成されます。これにより、形態学的に安定したケースと曖昧なケースを区別することが可能になります。アンサンブル予測、潜在空間構造、および解釈可能性分析における収束は、不確実性が考古学的推論の測定可能な要素となり、古代の岩絵の堅牢で再現性のある解読を可能にすることを示しています。
私の見方
この研究は、データが極めて限定的で不確実性が高い考古学分野において、AIが新たな可能性を切り開くことを証明しています。特に、不確実性を明示的にモデル化するアプローチは、AIが「わからない」ことを認識し、それを情報として提供する点で非常に重要です。私は、このような不確実性対応型のAIこそが、これからのプロダクト開発において不可欠だと考えています。曖昧な情報からでも、確度の高い推論を導き出す技術は、多くの産業で求められるでしょう。AIの適用範囲は、私たちが想像するよりもはるかに広いです。
PR
文賢 →
真実のデータがない分野でもAIは有効です。不確実性をどう扱うか、それがAI活用の本質です。私は常に、不確実性を前提にプロダクトを設計しています。
