Исследование выявило серьезные пробелы в изображениях неандертальцев, созданных ИИ
Генеративный искусственный интеллект нередко представляет неандертальцев в образах, которые заметно расходятся с современными археологическими данными. Новое исследование показало: текстовые описания и изображения, созданные нейросетями, сохраняют устаревшие научные представления, смешивают эпохи и воспроизводят стереотипы о внешности и образе жизни древних людей.
Работа опубликована в журнале *Advances in Archaeological Practice*. Ее авторами стали археологи и специалисты по вычислительным методам Мэтью Мангани из Университета штата Мэн и Джон Клинданиэл из Чикагского университета. Ученые решили проверить, насколько надежно современные генеративные модели реконструируют повседневную жизнь неандертальцев.
Для эксперимента исследователи подготовили четыре варианта запросов. Два из них прямо требовали научно достоверного результата, а еще два предлагали создать обычные сцены без специального акцента на точности. В формулировках упоминались одежда, орудия труда, жилища и повседневные занятия. Каждый запрос отправляли системе сто раз. Изображения генерировались с помощью DALL·E 3, а текстовые описания — через GPT-3.5 и API ChatGPT.
Затем все результаты сопоставили с рецензируемыми публикациями о неандертальцах. Специалисты оценивали анатомию, позу, одежду, инструменты, типы убежищ, питание и состав социальных групп. Примерно половина текстовых ответов не соответствовала актуальным археологическим представлениям. В одной из серий экспериментов доля противоречий превысила 80%. Похожие недостатки обнаружились и в визуальных материалах.
Подробный разбор эксперимента и его выводов представлен в публикации об исследовании AI-generated Neanderthal scenes. Авторы показывают, что проблема связана не с отдельными случайными ошибками, а с устойчивыми закономерностями работы моделей.
Наиболее часто нейросети изображали неандертальцев с густым волосяным покровом, сутулой спиной, чрезмерно массивными телами и обезьяноподобными чертами лица. Подобные особенности характерны для реконструкций конца XIX — начала XX века. Современные данные, напротив, указывают на более человеческие пропорции, вертикальную позу и сложное поведение, не сводящееся к примитивным стереотипам.
Еще одна проблема — слабое присутствие женщин и детей. В большинстве сцен доминировали взрослые мужчины, занятые охотой или изготовлением орудий. Из-за этого искусственно сужался спектр социальных ролей: почти не показывались забота о потомстве, обработка пищи, совместное обучение, изготовление одежды и другие занятия, важные для понимания древних обществ.
Некоторые изображения содержали предметы, которые появились значительно позже неандертальцев. В отдельных случаях нейросеть добавляла плетеные корзины, металлические инструменты и стеклянные изделия. Текстовые ответы также приписывали древним людям технологии и типы жилищ, для которых нет убедительных археологических подтверждений. Это свидетельствует о смешении сведений из разных эпох.
Исследователи связывают такие ошибки с особенностями цифрового информационного пространства. Новейшие научные публикации часто закрыты платным доступом, тогда как старые книги, популярные статьи и устоявшиеся иллюстрации свободно распространяются в интернете. В результате обучающие массивы моделей могут лучше представлять устаревшие интерпретации, чем современные исследования.
Именно поэтому Neanderthal archaeology research сталкивается с необычной проблемой: научные выводы постепенно обновляются, но массовые цифровые образы продолжают воспроизводить прежние представления. Аналогичная ситуация наблюдается в сфере Neanderthal reconstruction evidence — данные о внешности и поведении древних людей становятся точнее, однако их визуальные интерпретации часто отстают от науки на несколько десятилетий.
Различия проявились и между форматами контента. Тексты нередко напоминали лексику и идеи, распространенные в научно-популярной литературе 1960-х годов. Визуальный стиль, в свою очередь, был ближе к реконструкциям, популярным в конце 1980-х и начале 1990-х. Это показывает, что разные типы генерации могут опираться на неодинаковые слои данных.
Отдельного внимания заслуживает социальная составляющая. Недостаток женских и детских образов отражает не только технические ограничения моделей, но и наследие старой археологической литературы, где деятельность мужчин получала непропорционально большое внимание. Если искусственный интеллект регулярно повторяет такую картину, он закрепляет узкое представление о структуре древних сообществ.
Результаты важны не только для специалистов по палеоантропологии. В рамках AI archaeology research подобные тесты могут стать инструментом проверки того, как алгоритмы работают с историческими и археологическими темами. Ученые предлагают сравнивать сгенерированный материал с актуальными публикациями, фиксировать типичные ошибки и отслеживать, какие группы и занятия систематически выпадают из повествования.
Нейросетевые изображения способны быть полезными в образовании, музейных проектах и научной популяризации, но только при обязательной экспертной проверке. Красивная картинка не подтверждает историческую достоверность. При создании визуальной реконструкции необходимо указывать, какие элементы основаны на находках, какие являются гипотезами, а какие добавлены исключительно для композиции.
Для преподавателей особенно важно объяснять учащимся разницу между реконструкцией и фантазией алгоритма. Сравнение нескольких вариантов, созданных ИИ, с археологическими публикациями помогает показать, как формируются научные выводы и почему отдельные детали нельзя считать доказанными без материальных свидетельств.
В конечном счете вопрос касается не только неандертальцев. Схожие искажения могут возникать при создании сцен о древних египтянах, римлянах, жителях бронзового века или ранних земледельцах. Поэтому Neanderthal images and scientific accuracy становятся удобным примером более широкой проблемы: цифровая реконструкция прошлого должна опираться не на узнаваемые стереотипы, а на проверяемые данные и прозрачное обозначение неопределенности.
Авторы исследования рассматривают свою методику как основу для дальнейших экспериментов с другими эпохами, регионами и языками. Систематическая оценка ошибок позволит понять, насколько генеративные модели готовы работать с научным материалом и где их применение требует особенно строгого контроля. Пока же искусственный интеллект следует воспринимать как вспомогательный инструмент, а не как самостоятельного эксперта по археологии.