Stenkonst av mänskliga figurer skapade under tusentals år i Australiens Arnhem Land har genomgått en transformativ maskininlärningsstudie för att analysera stilförändringar genom åren.

Studien har testat olika stilar märkta "Northern Running figures", "Dynamiska figurer", "Post Dynamic figures" och "Enkla figurer med Boomerangs" för att förstå hur dessa stilar relaterar till varandra.

Arbetar med Mimal och Marrku Traditional Owners av Wilton River-området i Australiens Top End, South Australian forskare ledda av Flinders University arkeolog Dr Daryl Wesley har tagit en närmare titt på konsten i denna region.

Flinders-forskaren Jarrad Kowlessar och teamet använde maskininlärning för att analysera bilder av hällkonst som samlats in under undersökningar i Marrku-landet 2018 och 2019.

Medförfattare inkluderar Dudley Lawrence och Abraham Weson och andra från Mimal Land Management Aboriginal Corporation, Alfred Nayinggul från Njanjma Aboriginal Corporation, Dr. Ian Moffat från Flinders och University of Adelaide-forskaren James Keal.

Den rekonstruerade klippkonstens kronologi, precis publicerad i Australian Archaeology, använder befintliga datamängder med mer än 14 miljoner olika foton av ett brett spektrum av saker från djur som hundar, katter, ödlor och insekter till föremål som stolar, bord och koppar.

"Totalt såg datorn mer än 1000 olika typer av föremål och lärde sig att se skillnad på dem bara genom att titta på foton av dem, Dr Wesley förklarar.

"Den viktiga färdigheten som denna dator utvecklade var en matematisk modell som har förmågan att berätta hur lika två olika bilder är varandra."

Sedan tillämpades den matematiska modelleringen på bilderna som samlats in i norra Australien.

"Detta tillvägagångssätt tillåter oss att använda datorprogrammet för att visa hur unik hällkonsten är i Wiltonfloden och hur den förhåller sig till hällkonsten i andra delar av Arnhem Land, " säger Dr Wesley.

"Vi kan använda detta för att visa hur rockkonststilar delas av traditionella ägare i Arnhem Land och som är unika för varje grupp genom det förflutna."

Maskininlärning gör att en dator kan "lära sig" olika saker om information som kan ta en människa många år att titta igenom och lära sig av, förklarar en Ph.D från Flinders University. kandidat i arkeologi Jarrad Kowlessar, som har banat väg för maskininlärningsmetoden för bergkonstanalys.

"Ett fantastiskt resultat är att tillvägagångssättet för maskininlärning ordnade stilarna i samma kronologi som arkeologer har beställt dem i genom att inspektera vilka som dyker upp ovanpå. Detta visar att likhet och tid är nära sammanlänkade i klippkonsten i Arnhem Land och den mänskliga figurer som drogs närmare i tiden liknade varandra mer än de som drogs med lång tid ifrån varandra, " han säger.

"Till exempel har maskininlärningsalgoritmen plottat Northern Running-figurer och dynamiska figurer väldigt nära varandra på grafen den producerar. Detta visar att dessa stilar som vi vet ligger närmare varandra i ålder också är närmare varandra till utseendet, vilket kan vara väldigt svårt att lägga märke till utan ett sådant här tillvägagångssätt".

Artikeln påpekar att den nya metoden tog bort en stor grad av individuell mänsklig tolkning och möjlig fördom genom att använda en maskininlärningsmetod som kallas "överföringsinlärning".

Detta gjorde det möjligt för datorn att förstå hur varje stil relaterade till varandra direkt - oberoende av de inblandade forskarna.

Forskare är entusiastiska över att denna metodik bryter ny mark för en stor mängd arkeologisk forskning för att förstå alla möjliga olika mänskliga materiella kulturer på ett annat sätt.