Künstliches neuronales Netz unterscheidet altsteinzeitliche Werkzeugsets

Durch die Analyse von Werkzeugformen, welche häufig gemeinsam auftreten, ist es Forschern gelungen, ein künstliches neuronales Netz zu entwickeln, das zuverlässig Werkzeugsets der mittleren und späten Steinzeit in Afrika unterscheidet.

Eine retuschierte Steinspitze vom archäologischen Fundort Prospect Farm
Eine retuschierte Steinspitze vom archäologischen Fundort Prospect Farm. Solche Spitzen sind typisch für Werkzeugsets aus der mittleren Steinzeit. (© M. Grove)

Der Übergang von der mittleren zur späten Steinzeit in Afrika markiert einen einschneidenden Wandel in der Kultur unserer noch als Jäger und Sammler lebenden Vorfahren. Dennoch ist es oft kompliziert, archäologische Funde der einen oder anderen Periode zuzuordnen. Eine neue Studie von Forschern der Universität Liverpool und des Max-Planck-Instituts für Menschheitsgeschichte in Jena zeigt, wie maschinelles Lernen genutzt werden kann, um die Unterschiede zwischen den Werkzeugsets der mittleren und späten Steinzeit zu identifizieren.

Die ältesten Werkzeugsets der mittleren Steinzeit (MSA – Middle Stone Age) sind mit rund 300.000 Jahren ebenso alt wie die ältesten bekannten Fossilien des Homo sapiens, und wurden noch bis vor rund 30.000 Jahren genutzt. Vor 67.000 Jahren jedoch begannen Veränderungen im Herstellungsprozess der Steinwerkzeuge aufzutreten, die auf eine bedeutende Verhaltensänderung hinweisen. Die neu entstandenen Werkzeugsätze werden mit dem Zusatz LSA für Late Stone Age (späte Steinzeit) gekennzeichnet, sie wurden noch bis in die jüngere Vergangenheit hinein genutzt.

Eine steigende Zahl von Belegen deutet darauf hin, dass es sich bei diesem Übergang nicht um einen linearen Prozess handelte, sondern dass dieser an verschiedenen Orten und zu verschiedenen Zeiten stattfand. Diesen Prozess zu verstehen, ist essenziell für die Klärung der Frage, was kulturelle Innovation und Kreativität antreibt und wie sich die Verhaltensänderung erklären lässt. Unterschiede zwischen MSA und LSA zu erkennen und zu definieren, gilt als ein wichtiger Schritt auf diesem Weg.

"Um diesen kulturellen Wandel zu untersuchen, eignet sich Ostafrika als Schlüsselregion nicht nur deshalb besonders gut, weil sich hier einige der jüngsten Stätten der mittleren Steinzeit und einige der ältesten Stätten der späten Steinzeit befinden, sondern auch aufgrund der hohen Anzahl an gut erschlossenen und zeitlich datierten archäologischen Stätten, die für quantitative Untersuchungen ideal sind“, so Dr. James Blinkhorn, Archäologe und Mitglied der Pan African Evolution Research Group am Max-Planck-Institut für Menschheitsgeschichte und dem Centre for Quaternary Research des Royal Holloway College. "Das hat es uns ermöglicht, eine umfangreiche Datenbank zu erstellen, welche die sich verändernden Muster der Herstellung und Nutzung von Steinwerkzeugen für einen Zeitraum von vor 130.000 bis vor 12.000 Jahren erfasst, um so den Übergang von der mittleren zur späten Steinzeit zu untersuchen."

Die Studie untersucht das Vorhandensein bzw. Fehlen von 16 unterschiedlichen Werkzeugtypen innerhalb von 92 Werkzeugsets. Anstatt sich jedoch nur auf jedes einzelnes Werkzeug zu fokussieren, werden Konstellationen von Werkzeugformen untersucht, die häufig zusammen auftreten. "Wir nutzten dafür ein Künstliches Neuronales Netz, welches zwischen Sets der späten und mittleren Steinzeit unterscheiden kann, sowie chronologische Unterschiede zwischen älteren (130.000 – 71.000 Jahre alt) und jüngeren (71.000 – 28.000 Jahre alt) Sets aus der mittleren Steinzeit mit einer Erfolgsquote von 94 Prozent untersuchen kann", so Dr. Matt Grove, Archäologe an der Universität Liverpool.

Künstliche Neuronale Netze (KNNs) sind Computermodelle, die die wichtigsten Merkmale der Informationsverarbeitung im Gehirn nachahmen sollen. Wie im Fall des Gehirns, ergibt sich ihre beträchtliche Rechenleistung nicht aus der Komplexität einer einzelnen Einheit, sondern aus der Aktion vieler einfacher, parallel agierender Einheiten. Trotz der heute weit verbreiteten Verwendung von KNNs bleibt ihr Einsatz in der archäologischen Forschung bislang begrenzt.

"Manchmal werden KNNs als 'Black-Box-Ansatz' bezeichnet. Denn selbst wenn sie höchst präzise Vorhersagen treffen, ist der Grund dafür nicht immer klar", fügt Grove hinzu. "Wir arbeiteten deshalb mit einem simulativen Ansatz, der diese Black-Box öffnet. So können wir verstehen, welche Inputs einen signifikanten Einfluss auf die Ergebnisse haben. Das ermöglichte uns zu erkennen, wie sich die verschiedenen Muster in der Zusammensetzung der Werkzeugsets zwischen mittlerer und später Steinzeit unterscheiden. Wir hoffen, dass dies eindrücklich darlegt, wie solche Methoden eine deutlich breitere Anwendung in der archäologischen Forschung finden können."

"Die Ergebnisse unserer Studie zeigen, dass die Werkzeugsets aus mittlerer und später Steinzeit anhand der Konstellationen von Artefaktarten, die nur in den Sets selbst gefunden wurden, unterschieden werden können", fügt Blinkhorn hinzu. "Treten Werkzeuge mit abgestumpftem Rücken aber scharfer Spitze, Klingen und bipolare Technologien nicht zusammen mit Kernwerkzeugen, wie Faustkeilen, der Levallois-Technik und Schabwerkzeugen auf, lässt das zuverlässig auf ein Set der späten Steinzeit schließen. Andersherum liegt ein Set der mittleren Steinzeit vor. Dies bietet eine quantifizierte Unterstützung für die von Forschenden bereits früher festgestellten qualitativen Unterschiede, dass wichtige typologische Veränderungen mit diesem kulturellen Übergang einhergehen."

Das Team hofft, mithilfe dieser Methoden die regionalen Unterschiede des kulturellen Wandels während der afrikanischen Steinzeit noch besser untersuchen zu können. "Mit diesem besonders leistungsfähigen Ansatz können wir die Kategorien untersuchen, mit denen wir archäologische Funde beschreiben. Jedoch hilft er uns auch, die kulturelle Veränderungen unserer Vorfahren näher zu beleuchten und zu erklären", so Blinkhorn.

Publikation

Matt Grove & James Blinkhorn

Neural networks differentiate between Middle and Later Stone Age lithic assemblages in eastern Africa

PLOS ONE. 26.8.2020
DOI: 10.1371/journal.pone.0237528
https://journals.plos.org/plosone/articl...

Blog-Beiträge durchblättern
Mit unserem kostenlosen Newsletter können Sie sich regelmäßig alle aktuellen Infos von Archäologie Online bequem in Ihr Postfach senden lassen.
An diesen Artikeln haben wir zuletzt gearbeitet: