迄今为止，环球范围内仅创造了5个可追溯到50万年前用火证据的遗址，包括位于南非的Wonderwerk洞穴和Swartkrans、肯尼亚的Chesowanja、以色列的Gesher Benot Ya'aqov、西班牙的Cueva Negra。

现在，以色列的一个研究团队利用人工智能算法创造了第六个表明人类用火痕迹的遗址！
这项研究揭示了以色列一个旧石器时期晚期遗址中存在人类用火的证据。
研究成果已揭橥在PNAS期刊上。

论文地址：https://www.pnas.org/doi/epdf/10.1073/pnas.2123439119

传统的考古方法对付早期古人类遗址利用火源的识别，紧张依赖于对蚀变沉积物、岩屑和骨骼的视觉评估，例如，土壤变红、变色、翘曲、开裂、紧缩、变暗等等，这可能会低估当时人类用火的普遍程度。

而在这项研究中，作者团队开拓了一种基于拉曼光谱和深度学习算法的光谱「温度计」，用来估计燧石伪影的热暴露，检测极度高温扭曲材料的原子构造，从而填补了用火痕迹在视觉特色上的可能缺失落。

研究表明，以色列的旧石器时期早期露天遗址（Evron Quarry）存在被火烧过的动物和岩屑残余，年代介于100万至80万年前之间。

图注：从左至右依次为Filipe Natalio、Ido Azuri、Zane Stepka

研究团队首先对1976-1977年在Evron Quarry挖掘出的材料进行了研究，并没有创造热干系特色在视觉上的明显证据，比如土壤变红、燧石工具变色或开裂、紧缩或动物遗骸变色等。

图注：Evron Quarry遗址考古发掘现场

团队测试了许多种方法，包括传统的数据剖析方法、机器学习建模和更前辈的深度学习模型。
盛行的深度学习模型具有优于其他模型的特定架构，利用AI技能的好处是它可以剖析材料的化学身分，并以此估计它们的热暴露情形。

AI技能可以可靠地区分当代燧石是否被燃烧过，而且还能揭示其燃烧的温度。
火的热量可以引起附近石头的变革，燃烧会在原子水平上改变骨骼构造，相应的红外光谱也会改变。

在这项研究中，团队利用一个深度学习模型（一维卷积神经网络）来学习燧石伪影的拉曼光谱模式，从而估计石器的温度。
与完备连接的人工神经网络（FC-ANN）比较，该模型性能更优，能够将真实温度和估计温度之间的均匀绝对偏差从118 °C降至103 °C。

首先，团队对从以色列不同地方网络来的当代燧石进行预演习，并在实验室掌握条件下加热至已知温度。
其次，将演习后的模型运用于未知样品（即从Evron Quarry遗址采集的石器）。
团队采取有监督的深度学习方法将拉曼光谱与燧石的加热温度关联起来。
这种方法依赖于燧石有机和无机身分发生的不可逆热勾引构造改变，同时战胜了其固有的可变性。
利用深度学习模型进行温度估计的优点，是它可以近似热量与α-石英、莫干岩以及D和G波段光谱区域因热量而产生的光谱变革之间的任何非线性决策边界。

不才图中，石块从视觉上并不能看出任何被火烧过的痕迹，而通过利用深度学习模型，对从石块中网络的紫外拉曼光谱的热暴露进行估计，创造它们都曾被加热至200°C至600°C之间。
这暗示了古人类具备掌握火的能力而非仅仅利用自然野火。

对付挖掘出的骨骼，研究团队也经由实验确认了它们曾被火燃烧过，作者之一Chazan表示：「如果没有人工智能验证的燧石结果，没有人会费心测试这些骨头的热暴露情形」。

这项研究只管尚无法确定该遗址的工具是被自然火还是人工火燃烧的。
燃烧痕迹所导致的空间变革可以阐明为人类干预的证据，由于自然火常日会导致全体燃烧区域的同质热变革。

作者承认，野火和参差不齐的植被也可能导致全体区域的温度分布不屈均，并且温度并不是利用野火和人工火之间的可靠区分标准。
但只管如此，石器时期用具的估计温度、燃烧过的动物群的存在，仍能表明该遗址的古人类曾利用火的可能性。

在未来，这项研究所利用的方法可以扩展到其他旧石器时期晚期的遗址，这将有可能扩大人们对早期古人类与火之间关系的时空理解，打开理解早期人类生活的窗口。

参考链接：

https://www.pnas.org/doi/full/10.1073/pnas.2123439119

https://news.sciencenet.cn/htmlnews/2022/6/480888.shtm