La inteligencia artificial (IA) está permitiendo redescubrir tesoros históricos milenarios. Investigadores israelíes lograron recomponer escritos babilónicos tallados en tabletas de arcilla gracias a un modelo de aprendizaje profundo.
La reconstrucción de inscripciones ilegibles en tabletas de arcilla es ahora posible gracias al "deep learning", una rama avanzada de la IA.
Se han hallado cientos de miles de tabletas en Mesopotamia, pero gran parte de sus textos están dañados y son ininteligibles… hasta hoy. En un estudio publicado el 1er de septiembre de 2020 en PNAS, científicos especializados en IA y arqueología explican cómo lograron recuperar textos administrativos escritos en cuneiforme acadiano durante la civilización babilónica del Imperio aqueménida (539‑331 a.C.).
Un pasado que se redescubre poco a poco
La identificación de palabras ilegibles se hizo posible mediante inteligencia artificial, concretamente mediante aprendizaje profundo a través de una red neuronal recurrente (RNN). Este modelo ya se había probado en la traducción automática: estudia las oraciones de un corpus, detecta sus sutilezas y, mediante repetición, refina su comprensión de la estructura y el significado para adivinar las palabras faltantes en los textos originales.
El "deep learning" es un proceso derivado de la IA que hace que el software aprenda, al estilo de las neuronas del cerebro humano, a partir de formas y objetos previamente encontrados.
La elección de textos administrativos no es casual: estos documentos poseen una estructura rigurosa y homogénea, lo que facilita su análisis por el modelo. Así, un corpus de 1.400 textos "transliterados" (pasados del cuneiforme al alfabeto latino) fue procesado por la red.
Durante el estudio, el modelo se puso a prueba con 52 preguntas de opción múltiple extraídas de las tabletas. En cada caso, la IA debía encontrar la palabra ausente entre cuatro opciones y acertó el 88,5 % de las veces. Los investigadores concluyeron que su modelo era, como se esperaba, bueno reconociendo la estructura de las frases y, sorprendentemente, también detectaba el significado de las oraciones.
Un ahorro de tiempo
Si bien los modelos de deep learning funcionan bien con alfabetos latinos modernos, el mismo desempeño no se alcanza con escrituras más complejas como el árabe o aquellas con escasos registros digitales, como el acadiano. Con bases de datos enriquecidas, será posible, en el futuro, completar textos de géneros literarios más complejos, como la ciencia o la literatura.
La RNN podría simplificar el trabajo de historiadores, investigadores y estudiantes del Imperio aqueménida. Ese es el objetivo de los autores, que integran su modelo en Atrahasis, una herramienta digital diseñada para restaurar textos cuneiformes deteriorados.
