De overgang van het Midden-Steentijdperk (MSA) naar het Latere Steentijdperk (LSA) markeert een grote culturele verandering onder de menselijke voorouders van jager-verzamelaars, maar onderscheid maken tussen deze twee industriële complexen is niet eenvoudig. Nieuw onderzoek dat deze week is gepubliceerd door een team van de Universiteit van Liverpool en het Max Planck Institute for the Science of Human History, toont aan dat machine learning een waardevol hulpmiddel kan zijn voor archeologen, en kan identificeren wat de MSA en LSA onderscheidt.

MSA-toolkits verschijnen eerst zo'n 300, 000 jaar geleden, tegelijkertijd met de vroegste fossielen van Homo sapiens, en zijn nog steeds in gebruik 30, 000 jaar geleden. Echter, vanaf 67, 000 jaar geleden, veranderingen in de productie van stenen werktuigen wijzen op een duidelijke gedragsverandering; de nieuwe toolkits die verschijnen, worden LSA genoemd en zijn tot in het recente verleden in gebruik gebleven. Een groeiend aantal bewijzen suggereert dat de overgang van MSA naar LSA geen lineair proces was, maar gebeurde op verschillende tijdstippen op verschillende plaatsen. Het begrijpen van dit proces is belangrijk om te onderzoeken wat culturele innovatie en creativiteit drijft, en wat deze kritische gedragsverandering verklaart. Het definiëren van verschillen tussen de MSA en LSA is een belangrijke stap in de richting van dit doel.

"Oost-Afrika is een belangrijke regio om deze grote culturele verandering te onderzoeken, niet alleen omdat het enkele van de jongste MSA-sites en enkele van de oudste LSA-sites herbergt, maar ook omdat het door het grote aantal goed opgegraven en gedateerde vindplaatsen ideaal is voor onderzoek met kwantitatieve methoden, " zegt dr. Jimbob Blinkhorn, een archeoloog van de Pan African Evolution Research Group, Max Planck Instituut voor de Wetenschap van de Menselijke Geschiedenis en het Centrum voor Kwartair Onderzoek, Afdeling Geografie, Koninklijk Holloway. "Hierdoor konden we een substantiële database samenstellen van veranderende patronen van de productie en het gebruik van stenen werktuigen, van 130 tot 12, 000 jaar geleden, om de overgang van MSA naar LSA te onderzoeken."

De studie onderzoekt de aan- of afwezigheid van 16 alternatieve gereedschapstypes in 92 stenen gereedschapsassemblages, maar in plaats van er individueel op te focussen, de nadruk wordt gelegd op de constellaties van gereedschapsvormen die vaak samen voorkomen.

"We hebben een Artificial Neural Network (ANN) -benadering gebruikt om modellen te trainen en te testen die LSA-assemblages onderscheiden van MSA-assemblages, evenals het onderzoeken van chronologische verschillen tussen oudere (130-71, 000 jaar geleden) en jonger (71-28, 000 jaar geleden) MSA-assemblages met een slagingspercentage van 94%, " zegt Dr. Matt Grove, een archeoloog aan de Universiteit van Liverpool.

Kunstmatige neurale netwerken (ANN's) zijn computermodellen die bedoeld zijn om de meest opvallende kenmerken van informatieverwerking in de hersenen na te bootsen. Net als de hersenen, hun aanzienlijke verwerkingskracht komt niet voort uit de complexiteit van een enkele eenheid, maar uit de actie van vele eenvoudige eenheden die parallel werken. Ondanks het wijdverbreide gebruik van ANN's vandaag, toepassingen in archeologisch onderzoek blijven beperkt.

"ANN's zijn soms beschreven als een 'black box'-benadering, zelfs als ze zeer succesvol zijn, het is misschien niet altijd duidelijk waarom, ", zegt Grove. "We hebben een simulatie-aanpak gebruikt die deze zwarte doos openbreekt om te begrijpen welke input een significante impact heeft op de resultaten. Dit stelde ons in staat om te identificeren hoe patronen van samenstelling van stenen gereedschapsassemblages variëren tussen de MSA en LSA, en we hopen dat dit laat zien hoe dergelijke methoden in de toekomst op grotere schaal kunnen worden gebruikt in archeologisch onderzoek."

Blinkhorn voegt toe, "De resultaten van onze studie laten zien dat MSA- en LSA-assemblages kunnen worden gedifferentieerd op basis van de constellatie van artefacttypes die alleen binnen een assemblage worden gevonden. Het gecombineerde voorkomen van back-stukken, mes- en bipolaire technologieën samen met de gecombineerde afwezigheid van kerngereedschappen, Levallois-vloktechnologie, punttechnologie en schrapers identificeren robuust LSA-assemblages, met het tegenovergestelde patroon dat MSA-assemblages identificeert. aanzienlijk, dit biedt gekwantificeerde ondersteuning voor kwalitatieve verschillen die door eerdere onderzoekers zijn opgemerkt dat er belangrijke typologische veranderingen optreden bij deze culturele overgang."

Het team is van plan het gebruik van deze methoden uit te breiden om dieper te graven in verschillende regionale trajecten van culturele verandering in het Afrikaanse stenen tijdperk. "De aanpak die we hebben gebruikt, biedt een krachtige toolkit om de categorieën te onderzoeken die we gebruiken om het archeologische archief te beschrijven en om ons te helpen bij het onderzoeken en verklaren van culturele veranderingen onder onze voorouders, ' zegt Blinkhoorn.

De studie is gepubliceerd in PLOS EEN .