Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή της τεχνητής νοημοσύνης στην αρχαιολογική επιστήμη με έμφαση στην αναγνώριση και ταξινόμηση αρχαιοτήτων. Η μελέτη στοχεύει στην ανάδειξη του τρόπου με τον οποίο τα σύγχρονα υπολογιστικά μοντέλα υποστηρίζουν κι ενισχύουν παραδοσιακές αρχαιολογικές πρακτικές. Στο πρώτο μέρος της εργασίας παρουσιάζεται γραμμικά η ιστορική εξέλιξη της τεχνητής νοημοσύνης, καθώς και οι βασικές έννοιες της μηχανικής και της βαθιάς μάθησης. Ιδιαίτερη μνεία γίνεται στις κυριότερες οικογένειες μοντέλων που αξιοποιούνται στην αρχαιολογική έρευνα, όπως τα τεχνητά νευρωνικά δίκτυα, τα συνελικτικά νευρωνικά δίκτυα, τα αναδρομικά νευρωνικά δίκτυα και οι μέθοδοι τύπου random forest, καθώς και οι εξειδικευμένες αρχιτεκτονικές για τμηματοποίηση και ανίχνευση. Το κύριο μέρος της εργασίας εστιάζει αρχικά στις εφαρμογές της τεχνητής νοημοσύνης στην αναγνώριση και ταξινόμηση εικόνων με ιδιαίτερη αναφορά στα κεραμικά ευρήματα, την ανάλυση αρχαίων κειμένων και αρχιτεκτονικών στοιχείων. Στη συνέχεια, η εργασία πραγματεύεται την εφαρμογή της τεχνητής νοημοσύνης στον εντοπισμό σταθερών αρχαιολογικών δομών, όπου η βαθιά μάθηση επιτρέπει τον εντοπισμό δυσδιάκριτων ακίνητων ευρημάτων με μη παρεμβατικό τρόπο. Τέλος, εξετάζεται η αξιοποίηση της ΤΝ στη συντήρηση και διαχείριση πολιτιστικών αγαθών. Σε όλο το εύρος του κυρίως θέματος παρουσιάζονται ενδεικτικές μελέτες που αξιοποιούν Συνελικτικά Νευρωνικά Δίκτυα και άλλες τεχνικές μηχανικής μάθησης, καταδεικνύοντας ότι τα συστήματα αυτά μπορούν να επιτύχουν υψηλά ποσοστά ακρίβειας και να λειτουργήσουν ως αποτελεσματικά εργαλεία υποστήριξης της αρχαιολογικής έρευνας. Προτού διατυπωθούν τα συμπεράσματα, επισημαίνονται τα οφέλη, οι περιορισμοί και οι προοπτικές των σύγχρονων εφαρμογών της τεχνητής νοημοσύνης στην αρχαιολογία, που συνοδεύουν την υιοθέτησή της. Εν κατακλείδι, διαπιστώνεται ότι η τεχνητή νοημοσύνη είναι ένα ισχυρό εφόδιο που επιταχύνει τις διαδικασίες τεκμηρίωσης, ενισχύει την ακρίβεια των αποτελεσμάτων, δεν υποκαθιστά τον ρόλο του αρχαιολόγου, αλλά λειτουργεί επικουρικά και συμπληρωματικά στο πολυσχιδές και πολύπλοκο έργο που καλείται να φέρει εις πέρας.

This  thesis investigates the application of Artificial Intelligence (AI) in archaeology, with a particular focus on the recognition and classification of antiquities. The study aims to highlight how contemporary computational models support and enhance traditional archaeological practices. The first part of the thesis presents the historical development of AI, as well as the fundamental concepts of machine learning and deep learning. Special emphasis is placed on the models employed in archaeological research, such as artificial neural networks, convolutional neural networks, recurrent neural networks, and random forest–type methods, along with specialized architectures for segmentation and detection. The main body of the thesis initially concentrates on AI applications in image recognition and classification, with particular reference to ceramic finds, the analysis of ancient texts, and architectural elements. Moreover, it addresses the use of AI for the detection of fixed archaeological structures, where deep learning enables the identification of subtle immovable remains in a non-invasive manner. Finally, the thesis examines the use of AI in the conservation and management of cultural assets. Throughout the thesis, representative studies employing convolutional neural networks and other machine learning techniques are presented, demonstrating that these systems can achieve high levels of accuracy and function as effective tools for supporting archaeological research. Before presenting the conclusions, the benefits, limitations, and future prospects of contemporary AI applications in archaeology are discussed. In conclusion, it is found that AI constitutes a powerful resource that accelerates documentation processes and improves the accuracy of results. It does not replace the role of the archaeologist; rather, it operates as an auxiliary and complementary tool within the multifaceted and complex work that archaeology entails.