IA na Arqueologia: Como a Inteligência Artificial Está Encontrando Civilizações Escondidas
Durante milhares de anos, cidades desapareceram.
Algumas foram soterradas pela areia. Outras ficaram escondidas sob florestas. Algumas foram cobertas pela vegetação, incorporadas a cidades modernas ou simplesmente esquecidas pelo tempo.
O problema é que encontrar essas estruturas pode ser extremamente difícil.
Um arqueólogo pode passar anos procurando evidências em uma determinada região. Fotografias aéreas podem revelar algumas pistas. Satélites conseguem observar grandes áreas. Tecnologias como LiDAR podem atravessar virtualmente a vegetação e revelar formas do terreno que não são facilmente percebidas a olho nu.
Agora, a inteligência artificial está começando a unir todas essas tecnologias.
Em vez de analisar uma imagem por vez, algoritmos podem procurar automaticamente padrões que indiquem possíveis estruturas arqueológicas.
E isso pode mudar profundamente a maneira como descobrimos o passado.
Pesquisas publicadas em 2026 já demonstram sistemas de deep learning capazes de identificar estruturas arqueológicas em dados LiDAR, enquanto outros trabalhos utilizam imagens de satélite para detectar alterações associadas à destruição ou saque de sítios arqueológicos.
A arqueologia está entrando em uma nova era.
O que a IA pode encontrar debaixo da paisagem?
Imagine olhar para uma floresta.
Para uma pessoa, existe apenas:
- árvores;
- sombras;
- rios;
- montanhas;
- vegetação.
Mas abaixo daquela paisagem pode existir:
- uma antiga estrada;
- uma muralha;
- uma casa;
- um templo;
- um sistema de irrigação;
- uma fortificação;
- uma antiga cidade.
O problema é que a vegetação pode esconder quase completamente essas estruturas.
É aqui que entra uma das tecnologias mais importantes da arqueologia moderna: o LiDAR.
O que é LiDAR?
LiDAR significa Light Detection and Ranging.
De maneira simples, é uma tecnologia que utiliza pulsos de laser para medir distâncias.
Um equipamento instalado em uma aeronave ou drone dispara enormes quantidades de pulsos.
Parte desses pulsos retorna ao sensor.
Com essas informações, é possível construir modelos tridimensionais da superfície.
O mais interessante é que alguns sistemas conseguem registrar informações do terreno mesmo quando existe vegetação acima dele.
Assim, uma floresta aparentemente comum pode revelar:
- terraços;
- estradas;
- valas;
- plataformas;
- muros;
- montes;
- fundações.
Para a arqueologia, isso é extraordinário.
O problema: existem dados demais
O LiDAR pode produzir enormes conjuntos de dados.
Um levantamento pode cobrir uma área gigantesca.
E quanto maior a região pesquisada, maior o número de possíveis estruturas.
Um arqueólogo poderia analisar manualmente os resultados.
Mas isso consome muito tempo.
É aí que o machine learning entra.
Em vez de pedir ao computador para "descobrir uma civilização", pesquisadores treinam modelos para reconhecer características associadas a estruturas arqueológicas conhecidas.
Depois, o sistema procura padrões semelhantes em áreas ainda não estudadas.
IA aprende com exemplos arqueológicos
Imagine mostrar milhares de exemplos de:
- fortificações;
- montes funerários;
- estruturas circulares;
- recintos;
- antigos assentamentos.
O modelo aprende características visuais e geométricas desses objetos.
Depois recebe uma região desconhecida.
Ele procura padrões semelhantes.
O resultado pode ser algo como:
"Existe uma probabilidade elevada de haver uma estrutura arqueológica aqui."
Isso não significa que a IA tenha encontrado uma cidade.
Significa que ela identificou uma região que merece investigação humana.
Essa diferença é fundamental.
ADAF: IA procurando estruturas arqueológicas
Um exemplo concreto é o ADAF — Automatic Detection of Archaeological Features.
O projeto utiliza deep learning para automatizar a identificação de características arqueológicas em dados de laser scanning aéreo.
Os modelos foram treinados com grandes conjuntos de dados de monumentos conhecidos na Irlanda, incluindo:
- recintos;
- ringforts;
- túmulos.
O projeto envolveu mais de 10 mil monumentos registrados e mais de 200 conjuntos de dados de levantamento a laser.
O objetivo é permitir que grandes áreas sejam analisadas de maneira mais rápida.
Isso é especialmente importante porque a arqueologia frequentemente enfrenta uma situação difícil:
há mais território para pesquisar do que arqueólogos disponíveis para analisá-lo detalhadamente.
A IA pode encontrar aquilo que ninguém estava procurando
Existe uma consequência interessante desse processo.
Um arqueólogo normalmente começa com uma hipótese.
Ele procura determinada estrutura ou determinado tipo de vestígio.
A IA pode trabalhar de maneira diferente.
Ela pode analisar uma área inteira procurando padrões.
Isso significa que o algoritmo pode destacar uma formação que não estava originalmente na lista de prioridades do pesquisador.
Depois, o arqueólogo pode investigar.
Essa combinação entre descoberta automatizada e interpretação humana pode abrir caminhos inesperados.
E se uma cidade inteira estiver escondida?
Essa possibilidade não é apenas ficção.
Ao longo da história, sociedades construíram enormes assentamentos que posteriormente desapareceram da paisagem.
Em algumas regiões, estruturas foram abandonadas.
A vegetação tomou conta.
Em outras, novas cidades foram construídas sobre as antigas.
Em regiões desérticas, a areia pode cobrir estruturas.
Em áreas tropicais, a floresta pode esconder vestígios.
A IA não precisa encontrar uma cidade inteira de uma vez.
Ela pode encontrar milhares de pequenas evidências.
Quando essas evidências são combinadas, os pesquisadores podem começar a perceber que existe algo muito maior.
Satélites se tornam olhos arqueológicos
Outra transformação importante está acontecendo no espaço.
Satélites podem observar praticamente qualquer região da superfície terrestre.
E produzem imagens constantemente.
Isso permite acompanhar:
- alterações no solo;
- mudanças na vegetação;
- estruturas;
- estradas;
- erosão;
- escavações;
- atividade humana.
Uma revisão publicada em 2026 descreve o sensoriamento remoto por satélite como uma ferramenta cada vez mais importante para arqueologia preventiva e proteção do patrimônio cultural. O estudo analisa o uso de imagens ópticas, SAR e dados multissensores para detectar sítios arqueológicos e acompanhar mudanças na paisagem.
Quando esses dados são combinados com IA, a escala da investigação aumenta enormemente.
IA pode procurar sítios arqueológicos em imagens de satélite
Em fevereiro de 2026, pesquisadores da Microsoft Research e parceiros publicaram um estudo sobre detecção de sítios arqueológicos saqueados utilizando machine learning e imagens de satélite.
O conjunto analisado continha 1.943 sítios arqueológicos no Afeganistão, sendo 898 classificados como saqueados e 1.045 preservados.
Um modelo de visão computacional baseado em redes neurais convolucionais apresentou F1 de 0,926 no cenário estudado, superando os métodos tradicionais avaliados no trabalho.
Esse resultado é interessante por uma razão que vai além da precisão.
Ele mostra que a IA pode ser utilizada não apenas para descobrir vestígios, mas também para proteger o patrimônio que já conhecemos.
O problema do saque arqueológico
Sítios arqueológicos são vulneráveis.
Quando uma região é isolada e difícil de monitorar, atividades ilegais podem ocorrer sem que as autoridades percebam rapidamente.
Imagens de satélite podem permitir acompanhamento periódico.
A IA pode procurar alterações suspeitas.
Por exemplo:
- novas escavações;
- mudanças no terreno;
- marcas de veículos;
- crateras;
- alterações na vegetação.
Um sistema poderia comparar imagens de diferentes meses e destacar mudanças.
Isso transforma o monitoramento de algo ocasional em algo potencialmente contínuo.
IA também pode trabalhar com o deserto
Desertos podem parecer mais fáceis de estudar porque existe pouca vegetação.
Mas a areia cria outro problema.
Estruturas podem ficar parcialmente enterradas.
Além disso, uma paisagem enorme pode conter milhares de possíveis sinais.
Em junho de 2026, pesquisadores publicaram um estudo sobre detecção semiautomatizada de estruturas arqueológicas do Holoceno no sul do deserto de Nefud, na Arábia Saudita.
O trabalho mostrou que modelos de deep learning conseguiram identificar estruturas arqueológicas em imagens, com um modelo Vision Transformer apresentando desempenho particularmente estável na diferenciação dos tipos analisados.
Mais uma vez, a IA não substitui a escavação.
Ela ajuda a determinar onde vale a pena procurar.
O que é um Vision Transformer?
O Vision Transformer, frequentemente chamado de ViT, é uma arquitetura de inteligência artificial originalmente inspirada no funcionamento dos transformers utilizados em modelos de linguagem.
Em vez de analisar uma imagem exatamente como uma rede neural convolucional tradicional, o modelo divide a imagem em partes e aprende relações entre essas regiões.
Essa capacidade pode ser útil quando estruturas arqueológicas dependem não apenas de pequenos detalhes, mas também da relação espacial entre diferentes partes da paisagem.
Isso abre uma possibilidade interessante:
a IA pode aprender a interpretar a paisagem como um conjunto de relações.
Arqueologia deixa de depender apenas da escavação
Durante muito tempo, a imagem clássica da arqueologia era simples:
escavação → objeto encontrado → análise.
Hoje, o processo pode começar muito antes.
Uma investigação pode seguir:
satélite → IA → LiDAR → mapa → investigação de campo → escavação → análise.
Isso torna o processo mais direcionado.
Em vez de escavar aleatoriamente, pesquisadores podem priorizar áreas que apresentam evidências mais fortes.
Isso pode reduzir custos e também diminuir intervenções desnecessárias no patrimônio.
IA e reconstrução 3D
A inteligência artificial também pode ajudar depois que uma escavação começa.
Um artigo publicado em 2026 na npj Heritage Science descreveu um sistema portátil de LiDAR e câmera utilizado para documentar uma escavação arqueológica em Wuwangdun, na China.
O sistema conseguiu capturar dados de todo o local em aproximadamente cinco minutos e processá-los em cerca de 30 minutos.
Os pesquisadores também desenvolveram um método baseado em um modelo de linguagem visual para identificar automaticamente objetos que poderiam bloquear a reconstrução, como pessoas e ferramentas presentes na escavação.
Isso permite criar registros tridimensionais muito detalhados da escavação.
Por que documentar cada etapa é tão importante?
Uma escavação arqueológica é, de certa maneira, irreversível.
Quando uma camada de terra é removida, sua posição original não pode ser restaurada exatamente.
Por isso, documentar cada etapa é essencial.
Tecnologias de IA e reconstrução 3D podem registrar:
- posição dos objetos;
- camadas;
- paredes;
- estruturas;
- mudanças ao longo do tempo;
- relação entre artefatos.
No futuro, pesquisadores poderão revisitar digitalmente uma escavação que terminou décadas antes.
IA pode ajudar a preservar o patrimônio
Existe outra possibilidade.
Mesmo que uma estrutura física seja destruída por:
- guerra;
- urbanização;
- erosão;
- saque;
- desastres naturais;
uma documentação digital detalhada pode preservar parte das informações.
Isso não substitui o monumento original.
Mas pode preservar:
- geometria;
- imagens;
- modelos 3D;
- inscrições;
- contexto arqueológico.
A IA pode ajudar a organizar e interpretar esse enorme arquivo digital.
O risco de deixar a IA "inventar" o passado
Aqui aparece um dos problemas mais interessantes.
Modelos generativos podem reconstruir imagens.
Isso pode ser útil para visualização.
Mas também pode criar uma ilusão.
Imagine uma reconstrução digital de uma antiga cidade.
Se a IA preencher uma lacuna com elementos plausíveis, o resultado pode parecer historicamente verdadeiro.
Mas pode ser completamente especulativo.
Por isso, arqueólogos precisam separar claramente:
evidência
de
reconstrução
e de
hipótese.
Uma imagem bonita não é automaticamente uma evidência arqueológica.
A importância da explicabilidade
Uma pesquisa publicada em 2026 sobre boas práticas para visão computacional em arqueologia propôs sete áreas fundamentais para utilização responsável de machine learning:
- fontes de dados;
- pré-processamento;
- algoritmos;
- treinamento;
- pós-processamento;
- validação;
- responsabilidade ética e comunicação.
Os autores também destacam problemas como falsos positivos, escassez de dados de treinamento e o desafio de explicar modelos considerados "caixas-pretas".
Isso é fundamental.
Se uma IA aponta para determinada região, o arqueólogo precisa saber:
por que ela apontou para aquele lugar?
O problema dos falsos positivos
Imagine que uma IA analise uma floresta e encontre 10 mil possíveis estruturas.
Parece incrível.
Mas e se apenas 200 forem realmente arqueológicas?
O sistema pode gerar uma enorme quantidade de trabalho.
Por isso, uma IA arqueológica não deve ser avaliada apenas pela quantidade de descobertas.
É necessário considerar:
- precisão;
- taxa de falsos positivos;
- cobertura;
- diferentes ambientes;
- qualidade dos dados;
- generalização para regiões novas.
A pesquisa de 2026 sobre boas práticas justamente destaca a necessidade de validação e estratégias para reduzir falsos positivos.
Uma IA treinada na Europa funcionará na Amazônia?
Não necessariamente.
Esse é um problema chamado mudança de domínio.
Uma IA treinada com estruturas arqueológicas da Irlanda aprende com determinado tipo de terreno, clima, vegetação, arquitetura e patrimônio.
Ao levar o modelo para outro continente, o desempenho pode cair.
Uma estrutura indígena na Amazônia pode ter características completamente diferentes de um monumento europeu.
Por isso, modelos precisam ser treinados e validados com dados representativos das regiões em que serão utilizados.
A Amazônia pode ser um enorme laboratório
A Amazônia apresenta um desafio extraordinário.
A floresta dificulta a observação direta.
Ao mesmo tempo, pesquisas arqueológicas demonstraram que sociedades antigas modificaram paisagens em diferentes partes da região.
Tecnologias como LiDAR já se tornaram extremamente importantes para estudar essas paisagens.
A IA pode ampliar essa capacidade.
Em vez de analisar manualmente cada quilômetro quadrado, modelos poderiam procurar padrões relacionados a:
- geoglifos;
- estradas;
- terraços;
- plataformas;
- assentamentos;
- alterações no relevo.
Isso não significa que cada padrão encontrado seja necessariamente arqueológico.
Mas pode criar uma ferramenta poderosa de triagem.
IA pode ajudar a contar uma história que estava incompleta
Uma das coisas mais fascinantes da arqueologia é que o passado raramente chega completo até nós.
Temos fragmentos.
Uma parede.
Um objeto.
Uma inscrição.
Um caminho.
Uma alteração no solo.
Um pedaço de cerâmica.
A inteligência artificial pode conectar alguns desses fragmentos.
Ela pode encontrar relações espaciais e temporais que seriam difíceis de perceber individualmente.
Isso pode permitir novas hipóteses sobre:
- como as pessoas viviam;
- onde moravam;
- como produziam alimentos;
- como transportavam materiais;
- como organizavam suas cidades;
- como interagiam com o ambiente.
IA não é uma máquina do tempo
É importante não exagerar.
A inteligência artificial não consegue simplesmente olhar para uma imagem e "saber" como uma civilização antiga vivia.
Ela trabalha com evidências.
Quando não existem dados suficientes, o modelo pode errar.
Quando os dados possuem viés, o resultado pode reproduzir esse viés.
Quando existem múltiplas interpretações possíveis, a IA não consegue transformar automaticamente uma hipótese em fato.
A interpretação arqueológica continua sendo uma atividade científica e humana.
O arqueólogo do futuro será diferente
A profissão provavelmente continuará existindo.
Mas suas ferramentas serão muito diferentes.
Um arqueólogo poderá trabalhar com:
- IA;
- drones;
- LiDAR;
- satélites;
- GIS;
- reconstrução 3D;
- bancos de dados gigantes;
- modelos multimodais.
Em vez de gastar semanas procurando manualmente determinados padrões, poderá receber uma lista de regiões prioritárias.
Isso libera tempo para aquilo que a IA não substitui facilmente:
interpretar o contexto humano.
Porque arqueologia não é apenas encontrar estruturas.
É entender pessoas.
E se a IA encontrar milhares de sítios novos?
Essa possibilidade cria outro problema.
Descobrir um sítio é apenas o começo.
Depois é necessário:
- registrar;
- proteger;
- estudar;
- preservar;
- controlar acesso;
- evitar saques;
- determinar importância histórica.
Se a tecnologia aumentar rapidamente a quantidade de descobertas, governos e instituições precisarão de capacidade suficiente para proteger esse patrimônio.
Caso contrário, a mesma tecnologia que ajuda a encontrar sítios pode também facilitar sua exploração ilegal.
Segurança dos dados arqueológicos
Existe um aspecto pouco discutido.
Nem sempre é uma boa ideia publicar a localização exata de um sítio arqueológico recém-identificado.
Se um sistema de IA detectar um local extremamente valioso e suas coordenadas forem divulgadas publicamente, isso pode aumentar o risco de saque.
Portanto, dados arqueológicos sensíveis precisam ser tratados com cuidado.
A tecnologia precisa proteger não apenas o patrimônio físico, mas também a informação sobre onde ele está.
O futuro: uma arqueologia em escala planetária
Agora imagine combinar:
satélites + LiDAR + drones + IA + bancos de dados históricos.
Seria possível analisar enormes áreas do planeta em busca de padrões arqueológicos.
Não significa que encontraremos uma civilização perdida toda vez que um algoritmo encontrar uma anomalia.
Mas significa que a humanidade poderá pesquisar o planeta em uma escala que nunca foi possível anteriormente.
A arqueologia pode deixar de ser predominantemente:
"Onde devemos procurar?"
e começar a ser:
"Quais destas milhares de regiões identificadas pela IA merecem nossa atenção primeiro?"
Essa é uma mudança enorme.
Perguntas frequentes
Como a inteligência artificial é usada na arqueologia?
A IA pode analisar imagens de satélite, LiDAR, fotografias aéreas e modelos tridimensionais para identificar padrões associados a possíveis estruturas arqueológicas.
A IA consegue encontrar cidades perdidas?
Ela pode identificar estruturas e padrões que podem indicar assentamentos antigos, mas a confirmação depende de arqueólogos e de outras evidências.
O que é LiDAR na arqueologia?
É uma tecnologia que utiliza pulsos de laser para medir distâncias e criar modelos tridimensionais do terreno. Pode revelar características arqueológicas que ficam escondidas pela vegetação.
A IA pode encontrar sítios arqueológicos em florestas?
Sim, especialmente quando combinada com LiDAR e sensoriamento remoto. Modelos podem procurar automaticamente padrões no relevo e na paisagem.
A inteligência artificial pode proteger sítios arqueológicos?
Sim. Ela pode comparar imagens de satélite ao longo do tempo e detectar alterações potencialmente associadas a saques ou outras atividades.
A IA consegue reconstruir civilizações antigas?
Ela pode ajudar a criar reconstruções digitais, mas essas reconstruções precisam distinguir claramente o que é baseado em evidências do que é hipótese ou representação artística.
A IA vai substituir os arqueólogos?
Não é essa a tendência mais realista. A IA pode acelerar a análise de dados e encontrar possíveis estruturas, enquanto os arqueólogos continuam responsáveis pela interpretação, validação e contextualização histórica.
Conclusão: a inteligência artificial está ensinando a humanidade a olhar para o passado de outra maneira
Durante milhares de anos, muitas histórias desapareceram da superfície.
Mas desaparecer da vist
