فك شفرات الماضي: إطار تعلم عميق واعٍ بالشكوك لتحديد الجنس في استنسل اليدين من عصور ما قبل التاريخ

في مسعى لكشف الغموض الذي يحيط بالاستنسل اليدوي من حقبة العصر الحجري القديم العلوي، يقدم باحثون متخصصون في الذكاء الاصطناعي إطار عمل متقدم يعتمد على التعلم العميق الواعي بالشكوك (Uncertainty-Aware Deep Learning Framework). يتحدى هذا الأسلوب التقليدي قضايا عديدة تتعلق بفقدان المعلومات والاختلافات بين المجموعات السكانية المعاصرة والقديمة.

تعتبر التقنيات التقليدية المحدودة بسبب تداخل الهياكل بين الجنسين وغياب قابلية التعميم عبر السكان المختلفين. لذا، تم تطوير هذا الإطار الجديد الذي يجمع بين معالجة الصور المزدوجة، واستخراج الكنتور المزدوج، وتوسيع الشكل الهيكلي.

يتسم هذا الإطار بالقدرة على توليد اثني عشر تصورًا ممكنًا لكل استنسل، مما يُمكن من التقاط الشكوك الموجودة على الحدود. ويعتمد على نموذجين من الشبكات العصبية العميقة (EfficientNet-B3 وMobileViT-S) المدربة على مجموعة بيانات تحتوي على 14,036 عينة يدوية حديثة، مما يحسن من دقة التصنيف بشكل كبير، حيث تجاوزت النسب 88% في الفئات العمرية الأكبر.

علاوة على ذلك، يضيف الإطار طبقة من التأكد عبر اتخاذ القرارات انطلاقاً من توقعات متعددة ونمذجة مكائن فضاء منخفض البعد مما يضمن تناسق الأبعاد التشريحية. يقدم هذا النهج الحكيم أداة بحثية حيّة لكشف النقاب عن فنون الصخور القديمة بشكل قوي وقابل للتكرار، مما يفتح آفاقًا جديدة في علم الآثار والذكاء الاصطناعي.