تطورات متسارعة تشهدها أساليب الاستكشاف الأثري، بعدما بدأت الأبحاث العلمية تقدم إجابات عملية عن إمكانية معرفة ما تخفيه الرمال من آثار دون تحريك حجر واحد أو إجراء حفائر مبكرة. فقد اعتمد باحثون على تقنيات الذكاء الاصطناعى وصور الأقمار الصناعية وأجهزة الرادار لتحديد مواقع أثرية محتملة تحت سطح الأرض وفوقه، في تجارب علمية بارزة أجريت في دولة الإمارات العربية المتحدة والمملكة العربية السعودية، مما كشف عن قدرات جديدة للبحث عن بقايا المبانى والمنشآت القديمة مع تقليل المخاطر المحتملة أثناء عمليات الاستكشاف.
ففي أواخر شهر أكتوبر من عام 2026، أعلنت جامعة خليفة للعلوم والتكنولوجيا فى الإمارات عن نتائج دراسة نوعية أجراها باحثون فى مختبر العلوم البيئية والجيوفيزيائية. استخدم الفريق تقنيات الذكاء الاصطناعى وصور الرادار الفضائى والمسح الجيوفيزيائي للكشف عن مواقع أثرية محتملة فى جزيرة السينية بإمارة أم القيوين، مما أسفر عن تحديد سبع مناطق لم تكن موثقة مسبقًا ويجج احتواؤها على بقايا مدفونة تحت الرمال.
واختار الباحثون ثلاث مناطق قريبة من دير مسيحى قديم يعود إلى القرن السادس الميلادى لإجراء فحوص تفصيلية باستخدام أجهزة الرادار المخترق للأرض لتحديد طبيعة التكوينات التحتية. وأسفرت القياسات عن رصد أشكال مستطيلة وتكوينات شبيهة بالجدران وبقايا منشآت معمارية، مما يشير إلى احتمال وجود مبانٍ قديمة لم تظهر فى أعمال الكشف السابقة.
اعتمدت التجربة في مراحلها الأولى على تحليل صور التقطتها الأقمار الصناعية باستخدام تقنيات الرادار لدراسة خصائص سطح الأرض. واستعان الباحثون بنماذج التعلم الآلي لتحليل تلك الصور والبيانات البيئية بدقة، قبل الانتقال إلى استخدام أجهزة الرادار المخترق للأرض التي ترسل موجات كهرومغناطيسية وتسجل الإشارات المنعكسة لتحديد الاختلافات التحتية وإنتاج نماذج ثلاثية الأبعاد تتيح لعلماء الآثار دراسة المواقع قبل بدء الحفائر.
ورغم أهمية النتائج، أشار الباحثون إلى أن ظهور شكل مستطيل أو خط يشبه الجدار فى صور الرادار لا يكفى وحده لإثبات وجود مبنى أثرى، إذ تتطلب القياسات تفسيرًا متخصصًا وحفائر فعلية للتحقق من طبيعة التكوينات وتاريخها بدقة.
وتضم جزيرة السينية مواقع أثرية هامة مثل بقايا الدير المسيحي ومستوطنات ارتبطت بتاريخ المنطقة المبكر، وأظهرت الدراسة مؤشرات جيوفيزيائية قد تعكس امتدادًا عمرانيًا أوسع من المبانى المعروفة حتى الآن. ورصد الباحثون تكوينين تحت الرمال يتوافقان مع أشكال ظهرت فى صور فضائية تاريخية قبل أن تغطيها الرمال. وترجح الدكتورة ديانا فرانسيس، رئيسة مختبر العلوم البيئية والجيوفيزيائية بجامعة خليفة، أن دمج الذكاء الاصطناعى والاستشعار عن بعد والمسح الأرضى يساعد فى تقليل مساحة البحث وتوجيه الحفائر نحو المواقع الأكثر احتمالًا، مشيرة إلى احتمال أن الجزيرة كانت تضم تجمعًا سكانيًا أكبر مما تكشفه الآثار المعروفة حاليًا.
وفي تجربة سابقة ذات صلة بدبى، استخدم الفريق منهجًا مشابهًا فى موقع ساروق الحديد الأثرى، مما ساعد فى تحديد أكثر من 400 مؤشر تحت سطح الأرض يرتبط بعضها باحتمالات وجود بقايا أثرية من العصر الحديدى وفترات أقدم، مما يوضح أن عمليات البحث الحديثة تعتمد على بيانات علمية دقيقة لترتيب أولويات الاستكشاف.
وفى السعودية، نشرت مجلة «Journal of Archaeological Science: Reports» دراسة علمية متخصصة فى يونيو 2026 عن استخدام التعلم العميق فى التعرف على المنشآت الحجرية القديمة جنوب صحراء النفود. وشارك فى إعداد الدراسة فريق بحثى ضم إيمى هاتون وأمينة جامباجانتسان وبول بريز وماريا جواجنين وعددًا من الباحثين المتخصصين فى علم الآثار والاستشعار عن بعد.
واختبر الفريق السعودي ثلاثة نماذج للتعلم العميق على صور فضائية لمناطق أثرية شمال غرب السعودية للتعرف على المنشآت الحجرية التي تركها سكان المنطقة خلال عصور ما قبل التاريخ، مثل المدافن الحجرية والحظائر والأبنية والمنشآت المعروفة باسم «المستطيلات» والتي ارتبط بعضها بممارسات طقسية خلال العصر الحجرى الحديث.
تعتمد الفكرة التقنية على تدريب نظام الذكاء الاصطناعى بصور منشآت أثرية معروفة ليتعلم التمييز بين أشكالها والتكوينات الصخرية الطبيعية، ثم تحليل صور جديدة آليًا. وقد اختبر الباحثون نماذج «MA-Net» و«SegFormer» و«U-Net»، حيث حقق النموذج الأول أفضل أداء فى متوسط المقاييس، بينما أظهر الثاني استقرارًا أكبر وقدرة أكثر اتساقًا. وأكدت الدراسة أن زيادة دقة الصور حسنت أداء النماذج بنحو 20%، مما يؤكد أهمية جودة البيانات.
وتكشف التجربتان فى الإمارات والسعودية عن اختلاف أدوات الذكاء الاصطناعى باختلاف طبيعة المواقع، بين رصد منشآت ظاهرة فوق السطح أو تكوينات مدفونة تحت الرمال. ولا تعنى هذه التقنيات وجود جهاز يحدد مكان المقبرة ومحتوياتها الثمينة عن بعد دون فحص علمي، بل تساعد في توجيه الجهود بينما تظل أعمال الحفائر العلمية هى الوسيلة الأساسية للتحقق.
