La inteligencia artificial (IA) ha podido ser aplicada para identificar y copiar caracteres cuneiformes a partir de fotografías de tablillas, lo que va a permitir a los expertos en la historia antigua de Oriente Medio leer escrituras complicadas con facilidad.
Junto con los jeroglíficos egipcios, la escritura cuneiforme es una de las formas de escritura más antiguas conocidas y consta de más de 1.000 caracteres únicos. La apariencia de estos caracteres puede variar según las épocas, las culturas, la geografía e incluso los escritores individuales, lo que dificulta su interpretación.
Investigadores de Cornell y la Universidad de Tel Aviv (TAU) han desarrollado un método llamado ProtoSnap que "encaja" en su lugar un prototipo de un carácter para que se ajuste a las variaciones individuales impresas en una tablilla. Con el nuevo método, pueden hacer una copia precisa de cualquier carácter y reproducir tablillas enteras.
"Cuando nos remontamos al mundo antiguo, hay una enorme variabilidad en las formas de los caracteres", dijo en un comunicado Hadar Averbuch-Elor, profesora adjunta de informática en Cornell, que dirigió la investigación. "Incluso con el mismo carácter, la apariencia cambia con el tiempo, por lo que es un problema muy difícil poder descifrar automáticamente lo que significa realmente el carácter".
Rachel Mikulinsky, estudiante de maestría y coautora principal de TAU, presentará "ProtoSnap: Prototype Alignment for Cuneiform Signs" en abril en la Conferencia Internacional sobre Representaciones del Aprendizaje (ICLR).
MEDIO MILLÓN DE TABLILLAS
Se estima que hay 500.000 tablillas cuneiformes en museos, pero solo una fracción ha sido traducida y publicada. "Hay una cantidad infinita de escaneos 2D de estos cuneiformes, pero la cantidad de datos etiquetados es muy escasa", dijo Averbuch-Elor.
Para ver si podían descifrar automáticamente estos escaneos, el equipo aplicó un modelo de difusión (un tipo de modelo de IA generativa que se suele utilizar para tareas de visión artificial, como la generación de imágenes) para calcular la similitud entre cada píxel de una imagen de un carácter en una tableta y un prototipo general del carácter. Luego alinearon las dos versiones y ajustaron la plantilla para que coincidiera con los trazos del carácter real.
Los caracteres ajustados también se pueden utilizar para entrenar modelos de IA posteriores que realizan el reconocimiento óptico de caracteres (básicamente, convierten las imágenes de las tabletas en texto legible por máquina). Los investigadores demostraron que, cuando se entrenan con estos datos, los modelos posteriores funcionan mucho mejor en el reconocimiento de caracteres cuneiformes (incluso los que son raros o que muestran mucha variación) en comparación con los esfuerzos anteriores que utilizaban IA.
Este avance podría ayudar a automatizar el proceso de copia de tabletas, ahorrando a los expertos incontables horas y permitiendo comparaciones a gran escala de caracteres entre diferentes épocas, ciudades y escritores.
"Nuestra investigación se basa en el objetivo de multiplicar por diez las fuentes antiguas de las que disponemos", afirma el coautor Yoram Cohen, profesor de arqueología de la Universidad de Tel Aviv. "Esto nos permitirá, por primera vez, manipular grandes cantidades de datos, lo que nos permitirá obtener nuevos conocimientos mensurables sobre las sociedades antiguas: su religión, su economía, su vida social y jurídica".
