火的使用是智人进化的关键因素，火不仅可以用来创造更复杂的生物工具，还能让食物变得更安全，从而有助于大脑发育。迄今为止，全世界仅发现了五个具有50万年前用火证据的遗址，包括南非的WonderwerkCave和Swartkrans、肯尼亚的Chesowanja、以色列的GesherBenotYa'aqov和西班牙的CuevaNegra。现在，以色列的一个研究团队使用人工智能算法发现了第六个显示人类火灾痕迹的地点！该研究揭示了以色列旧石器时代晚期遗址存在人类火灾的证据。研究成果已发表在PNAS期刊上。论文地址：https://www.pnas.org/doi/epdf/10.1073/pnas.21234391191AI向考古学传统进军早期古人类遗址使用的火源识别考古方法主要依靠蚀变沉积物和碎屑以及骨骼的视觉评估，例如土壤变红、变色、翘曲、开裂、收缩、变黑等，可能会低估当时火灾的普遍程度。在这项研究中，作者的团队开发了一种基于拉曼光谱和深度学习算法的光谱“温度计”，用于估计火石制品的热暴露和检测极高温扭曲材料的原子结构，从而补偿火痕可能不存在的情况视觉特征。埃夫隆采石场是以色列旧石器时代早期露天遗址（EvronQuarry），据研究显示，这里有被火烧过的动物和岩石碎片，可追溯到100万至80万年前。图注：从左到右，FilipeNatalio、IdoAzuri和ZaneStepka的研究团队首先研究了1976年至1977年在Evron采石场挖掘的材料，没有发现明显的与热相关特征的视觉证据，例如土壤变红、燧石工具变色或开裂、动物遗骸收缩或变色等。图说：EvronQuarry遗址考古发掘现场团队测试了许多方法，包括传统的数据分析方法、机器学习建模和更先进的深度学习模型。流行的深度学习模型具有优于其他模型的特定架构，使用AI技术的好处是它可以分析材料的化学成分，并以此来估计它们的热暴露。人工智能技术可以可靠地区分现代火石是否被燃烧过，还可以揭示燃烧时的温度。火的热量会导致附近的石头发生变化，燃烧会在原子水平上改变骨骼结构，同时红外光谱也会发生相应的变化。在这项研究中，该团队使用深度学习模型（一维卷积神经网络）来学习火石制品的拉曼光谱模式，以估计石器工具的温度。该模型优于完全连接的人工神经网络(FC-ANN)，能够将真实温度和估计温度之间的平均绝对误差从118°C降低到103°C。首先，该团队对从以色列不同地点收集的现代燧石进行了预训练，并在实验室的受控条件下将它们加热到已知温度。其次，将经过训练的模型应用于未知样本（即从Evron采石场收集的石器）。该团队使用受监督的深度学习方法将拉曼光谱与燧石的加热温度相关联。这种方法依赖于燧石的有机和无机成分不可逆的热诱导结构变化，同时克服它们固有的可变性。使用深度学习模型进行温度估计的优势在于，它可以逼近α石英、莫干石以及D和G波段光谱区域因热引起的热和光谱变化之间的任何非线性决策边界。在下图中，石头在视觉上没有任何被烧毁的迹象，但是通过使用深度学习模型来估计从石头上收集到的紫外拉曼光谱的热暴露量，发现它们已经被加热到200摄氏度之间。°C和600°C。这暗示了古代人类控制火的能力，而不是仅仅使用自然界的野火。2后续讨论对于出土的尸骨，研究组还通过实验证实，它们曾被火烧过。作者之一查赞说：“如果没有经过人工智能验证的燧石结果，没有人会费心去测试这些骨头的热暴露情况。”。不过，这项研究无法确定现场的工具是被自然火灾还是人工火灾烧毁的。由燃烧痕迹引起的空间变化可以解释为人为干预的证据，因为自然火灾通常会导致整个燃烧区域发生均匀的热变化。作者承认，野火和参差不齐的植被也会导致区域间温度分布不均，温度并不是使用野火和人工生火的可靠区分标准。尽管如此，石器时代器具的估计温度以及被烧毁的动物群的存在表明，该地点的古人类有可能使用了火。将来，本研究中使用的方法可以扩展到其他旧石器时代晚期遗址，这将有可能扩大对早期原始人类与火之间关系的时空理解，为早期人类生活打开一扇窗。
