Inteligencia artificial

Redes neuronales para reconstruir textos babilónicos

Un equipo de investigadores ha desarrollado algoritmos de inteligencia artificial para reconstruir miles de textos de escritura cuneiforme que aparecen fragmentados. El sistema tiene ya un 85% de precisión.

Redes neuronales para reconstruir textos babilónicos
Redes neuronales para reconstruir textos babilónicos Osama Shukir Muhammed Amin (Wikimedia Commons)

Durante más de 2500 años de historia, el acadio fue la lengua franca en la antigua Mesopotamia. Los testimonios de aquella época, que tuvo lugar hace unos 4000 años, nos han llegado en forma de cientos de miles de tablillas con escritura cuneiforme en los que se habla de transacciones de ganado, deudas y otros muchos aspectos de la vida cotidiana de culturas como la sumeria y la babilonia. Pero una buena parte de aquellos textos aparecen fragmentados e incompletos, de modo que los especialistas se ven obligados a completarlos a uno, comparándolos meticulosamente con otras copias, o a interpretar qué palabras se perdieron en el transcurso de los siglos.

Ahora, un equipo de investigadores israelíes, liderados por Ethan Fetaya y Shai Gordin, ha desarrollado una serie de algoritmos basados en el sistema de aprendizaje automático (machine learning) para intentar reconstruir estos textos. Para entrenar a los algoritmos, los investigadores utilizaron 1400 textos digitalizados de entre los siglos 6 al 4 a. C en los que se habla de asuntos legales, económicos y administrativos y que tienen una sintaxis bien estructurada. Después de este aprendizaje, según explican los autores en un trabajo publicado esta semana en la revista PNAS, el sistema alcanzó un 85% de acierto a la hora de competir textos de los que los autores habían retirado parcialmente algunas palabras o símbolos.

Según los investigadores, este es el primer paso para comenzar a utilizar la Inteligencia Artificial para restaurar textos babilónicos de manera automatizada y masiva, lo que podría ahorrar miles de horas de trabajo a los especialistas y arrojar más luz sobre determinados aspectos de aquella civilización que son del máximo interés. El modelo, aseguran los autores, no solo es bueno prediciendo la estructura de las frases, sino que es mejor de los que esperaban haciendo identificaciones semánticas haciendo inferencias estadísticas a partir del contexto. Aun así, advierten, necesitarán incorporar más textos para afinar el algoritmo, para lo que planean incorporarlo a la herramienta online Atrahasis, donde los académicos podrán usarlo y colaborar en su perfeccionamiento.

Referencia: Restoration of fragmentary Babylonian texts using recurrent neural networks (PNAS)

Últimas noticias

Recibe cada mañana nuestra selección informativa

Acepto la política de privacidad


Comentar | Comentarios 0

Tienes que estar registrado para poder escribir comentarios.

Puedes registrarte gratis aquí.

  • Comentarios…

Más comentarios

  • Mejores comentarios…
Volver arriba