LiDAR와 항공 영상 자료가 대규모로 수집되면서 사람이 모든 자료를 직접 판독하기 어려운 문제가 나타나고 있다. 한 지역의 수치 표고 모델과 위성 영상에는 수많은 지형 변화와 구조물이 포함되어 있다. 고고학자가 이를 모두 확인하려면 많은 시간과 분석 경험이 필요하다. AI는 이러한 자료에서 반복되는 형태를 찾아 조사자가 검토할 후보지를 제시한다. 성벽, 해자, 고분, 옛길, 건물지 등 유적은 각각 일정한 형태와 지형적 조건을 가진다. AI는 이미 확인된 유적 자료를 학습한 뒤 넓은 지역에서 유사한 형태를 자동으로 탐색한다.
---「01_“AI와 유적 탐사”」중에서

AI가 유물 분석에서 가장 먼저 활용되는 분야는 이미지 기반 인식과 형식 분류다. 유물 사진이나 실측도를 입력하면 AI는 윤곽, 문양, 색상, 장식 요소를 분석하고 기존 자료와의 시각적 유사성을 계산한다. 이러한 방식은 출토량이 많고 반복적인 분류가 필요한 토기, 기와, 동전과 같은 유물에 유용하다. 대표적인 사례가 유럽에서 진행된 ArchAIDE 프로젝트다. 이 프로젝트는 발굴 현장에서 토기 파편을 스마트폰이나 태블릿으로 촬영하고, 기존 토기 데이터베이스와 비교하여 유사한 형식의 후보를 제시하는 방식을 개발하였다. 연구자는 AI가 제안한 후보와 도면, 설명 자료를 비교하여 해당 파편의 유형과 시기를 검토하였다.
---「03_“AI와 유물 분석”」중에서

GIS와 AI는 현대의 공간 자료뿐 아니라 역사 지도, 고지도, 지적도, 토지대장, 군사 지도와 옛 항공사진에도 적용할 수 있다. 이러한 자료는 오늘날 사라진 마을과 도로, 하천, 경작지, 성곽, 관아와 사찰의 위치를 보여 주는 중요한 기록이다. 이와 같은 자료를 GIS에서 활용하려면 먼저 현재의 좌표와 맞추는 지오레퍼런싱(Georeferencing, 지리 보정) 작업이 필요하다. 지도에 표시된 산과 하천, 도로, 건축물 가운데 현재에도 확인할 수 있는 지점을 기준으로 옛 지도를 현대 지도 위에 정합한다.
---「06_“AI와 GIS: 고고학과 공간 정보”」중에서

AI는 주어진 자료에서 규칙을 학습한다. 그러나 고고학 데이터는 과거 전체를 균등하게 기록한 자료가 아니다. 개발 사업이 많았던 지역에는 발굴 유적이 집중된다. 산림이나 군사구역처럼 조사가 어려운 곳에는 확인된 유적이 적다. 잘 보존되고 분류하기 쉬운 유물은 데이터베이스에 많이 남는다. 하지만 작은 파편과 불확실한 자료는 제외되기 쉽다. 이러한 자료를 그대로 학습하면 AI는 과거의 분포보다 현대의 조사 환경을 더 강하게 반영할 가능성이 있다. 유적이 많이 조사된 지역을 유적 가능성이 높은 곳으로 판단한다. 조사 자료가 부족한 지역을 가능성이 낮은 곳으로 표시할 수 있다. 실제로 고고학 예측 모델에서는 유적이 존재하지 않는다는 사실을 확정하기 어렵다는 문제가 반복적으로 지적된다. 아직 조사하지 않은 곳과 조사했지만 유적이 없었던 곳은 같지 않기 때문이다.