Sztuczna inteligencja w badaniach archeologicznych WNHS-AR-OB.SIBA
Celem wykładu jest zapoznanie studentów z rozwojem sztucznej inteligencji i jej wpływem na badania archeologiczne. Kurs obejmuje omówienie kluczowych etapów rozwoju AI — od systemów eksperckich po współczesne sieci neuronowe i modele językowe. Studenci poznają podstawowe pojęcia związane z uczeniem maszynowym, głębokim uczeniem i metodami przetwarzania danych przestrzennych. W ramach zajęć analizowane są przykłady zastosowań AI w archeologii, w tym automatyczne wykrywanie stanowisk w danych LiDAR i satelitarnych, klasyfikacja zabytków, rekonstrukcja krajobrazów oraz wspomaganie analizy źródeł tekstowych. Wykład obejmuje także wprowadzenie do prompt engineering i zasad pracy z dużymi modelami językowymi w kontekście badań humanistycznych.
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
Grupa przedmiotów ogólnouczenianych
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
Efekty kształcenia
Zna historię i główne etapy rozwoju sztucznej inteligencji
Rozumie podstawowe zasady działania sieci neuronowych i uczenia maszynowego
Zna przykłady zastosowań AI w archeologii i potrafi ocenić ich potencjał badawczy
Umie tworzyć proste zapytania i prompty do modeli językowych
Potrafi krytycznie ocenić ograniczenia i wiarygodność wyników uzyskanych z wykorzystaniem sztucznej inteligencji
Kryteria oceniania
Ocena końcowa na podstawie egzaminu pisemnego
Na ocenę bardzo dobrą – student biegle omawia historię rozwoju AI, rozumie zasady działania sieci neuronowych i potrafi wskazać konkretne przykłady zastosowań w archeologii.
Na ocenę dobrą – student poprawnie opisuje główne pojęcia i potrafi omówić wybrane przykłady zastosowań.Na ocenę dostateczną – student orientuje się w podstawowych pojęciach i potrafi w ogólny sposób opisać znaczenie AI dla badań archeologicznych.
Literatura
Russell, S. & Norvig, P. 2021. Artificial Intelligence: A Modern Approach. 4th ed. Pearson. (rozdziały: 1–3, 18–21 – zarys historii, uczenie maszynowe i sieci neuronowe)
Gattiglia, G. 2025. Managing Artificial Intelligence in Archeology: An overview. Journal of Cultural Heritage, 71, 225–233. https://doi.org/10.1016/j.culher.2024.11.020
Bickler SH. Machine Learning Arrives in Archaeology. Advances in Archaeological Practice. 2021;9(2):186-191. doi:10.1017/aap.2021.6
Bachagha, N.; Elnashar, A.; Tababi, M.; Souei, F.; Xu, W. The Use of Machine Learning and Satellite Imagery to Detect Roman Fortified Sites: The Case Study of Blad Talh (Tunisia Section). Appl. Sci. 2023, 13, 2613. https://doi.org/10.3390/app13042613
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: