La inteligencia artificial consigue leer un papiro carbonizado que llevaba casi 2.000 años cerrado
Este descubrimiento nos ayuda a entender, de una manera bastante clara, qué puede hacer la inteligencia artificial cuando deja de utilizarse como un simple juguete. Vamos a ver cómo la inteligencia artificial (IA), la IA aplicada en la investigación científica y el futuro de la inteligencia artificial se cruzan en una historia que parecía imposible: recuperar un texto filosófico que llevaba casi dos milenios atrapado dentro de un pedazo de carbón sin abrirlo, sin romperlo y sin inventarse una sola palabra.
Durante casi 2.000 años, el papiro PHerc. 1667 estuvo físicamente delante de nosotros y, al mismo tiempo, completamente fuera de nuestro alcance.
Ahí estaba. Cerrado. Carbonizado. Deformado. Tan frágil que intentar desenrollarlo podía convertirlo en polvo.
Imagina tener delante un libro antiguo, saber que sus páginas continúan dentro y no poder pasar ni una sola. Sabes que puede contener ideas que nadie ha leído desde la Antigüedad. Sabes que quizá guarda una obra perdida. Pero también sabes que, si intentas abrirlo con las manos, puedes destruir para siempre aquello que quieres conocer.
Eso es exactamente lo que ocurría con una parte importante de los papiros encontrados en la antigua ciudad romana de Herculano.
Ahora todo ha cambiado.
Un equipo internacional de investigadores ha conseguido desenrollar virtualmente la parte conservada de PHerc. 1667 y recuperar aproximadamente 1,4 metros de superficie escrita, con las partes inferiores de unas veintidós columnas de griego antiguo. No tocaron las páginas. No introdujeron una herramienta dentro del rollo. No aplicaron un producto químico milagroso.
Lo que hicieron fue construir una forma de entrar digitalmente en el papiro.
Y es que el avance combina tomografías de rayos X de alta resolución, reconstrucción tridimensional, procesamiento de imágenes, geometría computacional, modelos de aprendizaje automático y el trabajo minucioso de papirólogos, filólogos, informáticos e historiadores.
Algo muy importante: no utilizaron una aplicación comercial para subir una fotografía y preguntarle qué ponía. Tampoco recurrieron a una inteligencia artificial generativa para que completara frases antiguas según lo que pareciera lógico.
Crearon un sistema científico específico para encontrar señales reales de tinta en un material en el que la tinta y el soporte son prácticamente del mismo color.
Negro sobre negro.
La IA no escribió el texto. No decidió qué debería haber dicho un filósofo estoico. No rellenó los huecos inventándose una respuesta convincente. Su función fue detectar señales físicas casi invisibles dentro de una cantidad descomunal de datos.
Y ¡zas! aquello que durante siglos parecía un bloque mudo comenzó a mostrar líneas, letras, palabras y argumentos.
Estamos ante una de esas historias que explican para qué sirve realmente la tecnología cuando se coloca en manos de personas que saben qué problema quieren resolver.
No se trata solamente de leer un papiro.
Se trata de demostrar que podemos recuperar una parte de la memoria humana sin destruir el objeto que la conserva.
Un libro atrapado dentro de un pedazo de carbón
El papiro PHerc. 1667 forma parte de la extraordinaria colección documental encontrada en Herculano, una antigua ciudad romana situada cerca de la actual Nápoles.
Herculano quedó sepultada durante la erupción del Vesubio del año 79 d. C., la misma catástrofe que arrasó Pompeya. Sin embargo, las condiciones que afectaron a ambas ciudades no fueron exactamente iguales.
En Herculano, las oleadas de materiales volcánicos calientes cubrieron edificios, muebles, alimentos, objetos cotidianos y documentos. Aquello destruyó vidas y transformó la ciudad por completo, pero también generó unas condiciones de conservación tremendamente extrañas.
Muchos materiales orgánicos que normalmente habrían desaparecido permanecieron preservados, aunque deformados y carbonizados.
Entre ellos estaban los rollos de una biblioteca.
En el siglo XVIII, las excavaciones sacaron a la luz una gran residencia que hoy conocemos como la Villa de los Papiros. Se ha planteado que pudo pertenecer a Lucio Calpurnio Pisón Cesonino, suegro de Julio César, aunque conviene dejar claro que esa identificación sigue siendo una hipótesis histórica y no una certeza absoluta.
En el interior de la villa aparecieron cientos de rollos de papiro.
Y esto es espectacular porque no eran documentos dispersos encontrados por casualidad en distintos puntos. Eran los restos de una biblioteca antigua conservada en el edificio donde había sido reunida, organizada y utilizada.
Podemos imaginar los rollos colocados en estanterías, guardados en cajas o preparados para la lectura. Algunos contenían obras filosóficas griegas. Otros podían formar parte de colecciones más amplias. Varios estaban relacionados con autores epicúreos, especialmente Filodemo de Gádara.
Lo impresionante es que estamos ante la única gran biblioteca de la Antigüedad clásica que ha llegado hasta nosotros en su contexto arqueológico original.
Pero había un problema. Y no era pequeño.
Los papiros parecían trozos de carbón.
El calor producido por la erupción carbonizó sus fibras. Ese proceso contribuyó a que algunas estructuras se conservaran, pero convirtió los rollos en objetos oscuros, compactos, quebradizos y extraordinariamente delicados.
El Vesubio hizo algo bastante cruel.
Conservó los libros y, al mismo tiempo, bloqueó el acceso a ellos.
Los textos seguían dentro, pero leerlos exigía separar capas que podían romperse al mínimo contacto.
¿Por qué? Porque un rollo carbonizado no se comporta como un papel envejecido que podemos desplegar con cuidado. Sus hojas pueden estar comprimidas, retorcidas, fusionadas y aplastadas. Una parte puede conservar cierta estructura y la siguiente puede haberse convertido en una masa imposible de distinguir.
Era como tener una biblioteca entera encerrada dentro de cientos de cajas fuertes cuya cerradura se desintegra cuando intentas abrirla.
Por qué desenrollar físicamente el papiro podía destruirlo
Desde el descubrimiento de los rollos se probaron diferentes procedimientos para abrirlos.
Se utilizaron mecanismos de tracción, pesos, sistemas con hilos, productos químicos, gases, pulverizaciones y distintas técnicas manuales. Algunos métodos permitieron recuperar fragmentos y leer partes de ciertos documentos. Otros provocaron daños irreversibles.
No debemos juzgar todos esos intentos como si los investigadores del pasado hubieran actuado sin pensar.
Trabajaban con los conocimientos, los materiales y las herramientas disponibles en su momento. Sabían que delante de ellos podían encontrarse obras perdidas y buscaban una forma de acceder al contenido.
El problema es que cada intento podía convertirse en una apuesta.
Para leer el texto había que abrir el rollo. Pero abrirlo podía destruir el texto.
PHerc. 1667 sufrió precisamente ese tipo de intervenciones.
Según la información publicada por el Vesuvius Challenge, los intentos realizados durante el siglo XIX y en diferentes momentos del siglo XX destruyeron sus capas exteriores. Lo que sobrevivió fue un núcleo interior compacto de alrededor de ocho centímetros de altura, aunque el rollo original habría tenido aproximadamente entre diecinueve y veinticuatro centímetros.
Es decir, no estamos hablando de un documento que haya llegado completo e intacto hasta nuestros días.
Una parte se perdió.
Otra parte quedó cerrada.
Y la parte conservada fue considerada durante mucho tiempo prácticamente ilegible.
En la década de 1980 se intentó abrir físicamente una sección. Se observaron algunas señales de escritura, pero las capas superpuestas impedían seguir las líneas de forma continuada.
Podían verse letras aisladas. Algún trazo. Alguna forma.
Pero no un argumento.
No una sucesión de columnas.
No un texto que pudiera estudiarse como una obra.
Entonces, ¿qué había que hacer?
Había que dejar de pensar en abrir el objeto físico y comenzar a pensar en abrir una representación digital.
Inteligencia artificial y una nueva forma de mirar dentro de los objetos
La primera pieza del proceso fue la tomografía computarizada de rayos X.
Una tomografía no ofrece solamente una fotografía exterior. Produce un volumen tridimensional compuesto por una enorme cantidad de cortes internos.
Podríamos compararlo con observar una barra de pan mediante miles de rebanadas virtuales extremadamente finas. Cada sección muestra una parte del interior. Cuando las reunimos, podemos reconstruir el objeto completo en tres dimensiones.
Con el papiro ocurre algo similar, aunque infinitamente más complicado.
Los rayos X permiten registrar cómo están distribuidas las capas dentro del rollo. El resultado contiene información sobre pliegues, huecos, deformaciones, grietas y superficies.
Pero aquí viene el primer golpe de realidad.
Escanear el rollo no significa que el texto aparezca automáticamente.
La tomografía puede mostrar el interior, sí. Pero el interior no tiene la forma de una espiral perfecta. El calor, la presión y el paso de los siglos deformaron las hojas. Algunas superficies se curvan de manera abrupta. Otras se tocan. Otras se superponen. Algunas desaparecen dentro de zonas comprimidas y reaparecen unos milímetros después.
La máquina genera un volumen gigantesco de información.
Ahora alguien tiene que encontrar la página dentro de ese volumen.
Y es que el verdadero reto no consiste solamente en ver el interior. Consiste en distinguir qué puntos pertenecen a una misma hoja y seguirlos a través de un espacio tridimensional tremendamente caótico.
Ese proceso recibe el nombre de desenrollado virtual.
Primero se identifica una superficie.
Después se sigue su recorrido.
Luego se crea una malla digital que representa esa capa.
Finalmente, la superficie curva se aplana matemáticamente para convertirla en una imagen bidimensional.
O sea, hacemos digitalmente aquello que no podemos hacer con las manos.
El papiro físico permanece cerrado.
Su copia matemática se desenrolla.
Cómo funciona el desenrollado virtual paso a paso
Vamos a paquetizar el proceso para entenderlo sin perdernos en palabras técnicas.
Primero, el rollo se introduce en un sistema de escaneo capaz de producir imágenes internas de alta resolución.
Segundo, los datos se organizan en un volumen tridimensional.
Tercero, los investigadores localizan una pequeña región de la superficie del papiro.
Cuarto, siguen esa superficie a medida que se curva, se dobla y atraviesa el interior del rollo.
Quinto, construyen una representación geométrica de la hoja.
Sexto, transforman esa geometría en una superficie plana.
Séptimo, analizan la superficie para encontrar señales de tinta.
Octavo, los especialistas estudian las letras y transcriben el texto.
Parece sencillo cuando lo contamos así, ¿verdad?
Pues no lo es.
Cada paso puede fallar.
Una superficie mal seguida puede mezclar dos hojas distintas. Un pliegue puede deformar las letras. Una zona comprimida puede ocultar el límite entre capas. Una proyección incorrecta puede estirar una palabra o hacer que dos líneas parezcan una sola.
Por eso el desenrollado virtual no es un filtro que aplicamos a una imagen.
Es una reconstrucción geométrica completa.
Y aquí entran herramientas especializadas desarrolladas durante años.
Aplicaciones de la inteligencia artificial dentro de Volume Cartographer
Una de las herramientas fundamentales de este campo es Volume Cartographer, un proyecto de código abierto desarrollado por el equipo de EduceLab, en la Universidad de Kentucky.
Su nombre lo explica bastante bien.
Es como un cartógrafo que trabaja dentro de un volumen digital.
En lugar de dibujar carreteras, ríos o montañas, ayuda a localizar y representar superficies ocultas dentro de objetos dañados.
Imagínate tú recorriendo una cueva completamente oscura, con túneles que se cruzan, paredes pegadas unas a otras y zonas derrumbadas. Tu objetivo sería dibujar un mapa preciso sin confundir una galería con otra.
Algo parecido ocurre dentro del papiro.
Volume Cartographer permite trabajar con los datos volumétricos, marcar superficies, crear segmentos, generar mallas y proyectar las zonas seleccionadas sobre un plano.
Esto no significa que el programa pulse un botón y entregue automáticamente una página perfecta.
Los investigadores deben comprobar que la superficie reconstruida pertenece a una misma capa. También tienen que corregir irregularidades, unir fragmentos y revisar las deformaciones.
Además, incluso después de reconstruir una página, puede ocurrir algo bastante frustrante.
La superficie aparece.
Pero las letras no.
¿Por qué?
Porque el papiro carbonizado y la tinta pueden presentar propiedades físicas muy parecidas.
El problema brutal del negro sobre negro
Los antiguos escribían muchos papiros con tintas basadas en carbono.
Después de la erupción, el propio soporte también quedó carbonizado.
Por tanto, los investigadores intentan distinguir tinta de carbono sobre fibras de papiro convertidas en carbono.
Negro sobre negro.
En una hoja blanca actual, la diferencia entre la tinta y el papel resulta evidente. Nuestro ojo reconoce inmediatamente los trazos porque existe un contraste claro.
En un papiro carbonizado, ese contraste puede ser mínimo.
Una radiografía convencional detecta diferencias relacionadas con la absorción de los rayos X. Pero si dos materiales presentan composiciones o densidades semejantes, separarlos se vuelve complicado.
Durante años, este fue uno de los grandes bloqueos técnicos.
Podíamos reconstruir superficies.
Podíamos localizar capas.
Pero no siempre podíamos ver lo que se había escrito sobre ellas.
Las técnicas de contraste de fase aportaron una mejora importante. En lugar de observar únicamente cuánta radiación absorbe un material, analizan también cómo cambia la trayectoria o la fase de los rayos X cuando atraviesan estructuras diferentes.
Instalaciones científicas como el European Synchrotron Radiation Facility han sido esenciales para desarrollar y aplicar sistemas de imagen capaces de detectar variaciones diminutas dentro de estos materiales.
Aun así, la señal de la tinta puede ser extremadamente débil.
Una persona podría mirar una superficie reconstruida y ver solamente ruido.
Un modelo especializado, en cambio, puede analizar patrones microscópicos repetidos en miles o millones de regiones.
Ahí es donde la IA demuestra de verdad su valor.
IA en la investigación científica para reconocer tinta casi invisible
Los investigadores entrenaron modelos de aprendizaje automático para identificar señales relacionadas con la presencia de tinta.
No hablamos de una IA general capaz de responder preguntas sobre cualquier tema.
Hablamos de un sistema diseñado para hacer una tarea muy concreta y hacerla extraordinariamente bien.
¿Qué tarea?
Analizar pequeñas regiones de los datos y calcular si presentan características compatibles con una zona escrita.
Para entrenar estos modelos se utilizan ejemplos de referencia.
Algunos fragmentos de papiro conservan tinta visible en su superficie. Los investigadores pueden señalar exactamente dónde aparecen las letras y relacionar esas zonas con la información tridimensional obtenida mediante rayos X.
El modelo observa una enorme cantidad de ejemplos.
Zona con tinta.
Zona sin tinta.
Trazo curvo.
Fibra natural.
Grieta.
Arruga.
Superficie escrita.
Superficie limpia.
Con esos datos aprende a reconocer diferencias sutiles que nosotros podríamos pasar por alto.
Algunas investigaciones apuntan a que la tinta puede modificar ligeramente la topografía de la superficie. El instrumento utilizado para escribir, el depósito de material y la interacción entre la tinta y las fibras pueden dejar señales físicas diminutas.
El modelo no “ve” una letra alfa como nosotros vemos una letra impresa.
Detecta patrones compatibles con los rastros físicos que suele dejar la escritura.
Después genera un mapa de probabilidades.
Las zonas con mayor probabilidad aparecen resaltadas. Cuando ese mapa se proyecta sobre la superficie virtualmente desplegada, comienzan a surgir líneas y caracteres.
Oye, y no aparecen como una página limpia que acaba de salir de una impresora.
El resultado puede contener interrupciones, ruido, distorsiones, grietas y zonas perdidas. Algunas letras se reconocen con claridad. Otras necesitan analizarse dentro de la palabra. Otras siguen siendo dudosas.
Pero lo que antes era una masa oscura empieza a convertirse en escritura.
Y eso es brutal.
No fue una herramienta milagrosa ni una IA comercial
Cuando una noticia de este tipo se hace viral, aparece inmediatamente la pregunta: ¿qué inteligencia artificial utilizaron?
La respuesta correcta es que no hubo una única aplicación responsable de todo.
No existió un botón mágico.
No cargaron el papiro en ChatGPT.
No le pidieron a Gemini que reconociera el texto.
No utilizaron un generador de imágenes para reconstruir una página imaginaria.
El resultado nació de una cadena de tecnologías y conocimientos especializados.
Por una parte, se necesitaron sistemas de tomografía de rayos X de alta resolución.
Por otra, software para trabajar con volúmenes tridimensionales.
Después hicieron falta herramientas de segmentación capaces de localizar las capas.
También se utilizaron métodos geométricos para reconstruir las superficies y aplanarlas.
Los modelos de aprendizaje automático ayudaron a detectar las señales de tinta.
El procesamiento de imágenes permitió mejorar la visualización.
Y los especialistas en papirología, filología y filosofía antigua revisaron las letras, reconstruyeron palabras, estudiaron la gramática y analizaron el contenido.
Cada parte depende de las demás.
Sin escaneo no hay volumen.
Sin volumen no hay superficie.
Sin superficie no hay página.
Sin detección de tinta no hay letras.
Sin especialistas no hay una lectura fiable.
Por eso reducir todo a la frase “una IA leyó un papiro” resulta atractivo, pero incompleto.
La inteligencia artificial participó en el proceso.
Fue decisiva.
Pero trabajó dentro de una infraestructura científica mucho más amplia.
Inteligencia artificial generativa frente a sistemas científicos especializados
Conviene detenernos aquí porque solemos meter todas las inteligencias artificiales dentro del mismo saco.
Una inteligencia artificial generativa aprende patrones para producir contenido nuevo. Puede crear texto, imágenes, audio, vídeo o código a partir de una petición.
El sistema utilizado para detectar tinta tenía otro objetivo.
No debía producir algo nuevo.
Debía encontrar evidencias presentes en los datos.
La diferencia parece pequeña, pero cambia completamente la lógica del trabajo.
Un modelo generativo puede escribir una frase que suene como si perteneciera a un filósofo estoico. Incluso podría construir un párrafo coherente sobre la razón, los impulsos y la virtud.
Pero una frase convincente no es necesariamente una frase auténtica.
En arqueología y filología no basta con que algo parezca razonable.
Tiene que estar respaldado por el objeto.
Por eso, el modelo no recibió la orden de completar un tratado filosófico.
Recibió la tarea de señalar dónde existían patrones compatibles con tinta real.
Después fueron los papirólogos quienes evaluaron las formas.
¿Esa línea corresponde a una letra?
¿El trazo continúa?
¿La palabra encaja con la gramática?
¿La lectura es segura, probable o solamente posible?
¿La reconstrucción se apoya en señales visibles o en una expectativa previa?
Esas preguntas son fundamentales.
Y es que un texto antiguo no se recupera solamente reconociendo caracteres. También hay que interpretar abreviaturas, estilos de escritura, espacios, daños, variantes lingüísticas y convenciones propias de la época.
La máquina ayuda a encontrar la evidencia.
La persona decide qué podemos afirmar a partir de ella.
El algoritmo encontró la tinta y las personas recuperaron el pensamiento
Esta colaboración entre máquinas y especialistas es probablemente la parte más interesante de toda la historia.
Estamos acostumbrados a escuchar que la inteligencia artificial sustituirá a investigadores, traductores, escritores, programadores y profesionales de todo tipo.
Pero este proyecto nos muestra un escenario diferente.
La máquina realiza aquello que a una persona le costaría muchísimo hacer de forma manual: analizar volúmenes gigantescos de datos, comparar pequeñas variaciones, repetir cálculos y mantener una atención constante durante miles de imágenes.
El investigador aporta aquello que el modelo no puede garantizar por sí solo: contexto, prudencia, conocimiento histórico, interpretación lingüística y capacidad para reconocer una ambigüedad.
No es una competición.
Es una ampliación de capacidades.
La tomografía registra el interior.
El software representa las superficies.
El algoritmo identifica posibles señales de tinta.
El papirólogo reconoce los caracteres.
El filólogo analiza las palabras.
El historiador sitúa el texto dentro de una tradición.
El filósofo estudia el argumento.
Y todos juntos consiguen recuperar algo que llevaba siglos fuera de nuestro alcance.
¿Ves la diferencia?
La IA no elimina al experto.
Hace posible que el experto trabaje con materiales que antes no podía ver.
El Vesuvius Challenge convirtió el problema en un reto mundial
Una parte decisiva del avance se produjo gracias al Vesuvius Challenge, una iniciativa internacional lanzada para acelerar la lectura de los papiros mediante ciencia abierta, colaboración global y premios económicos.
El proyecto se apoya en décadas de investigación liderada por Brent Seales y su equipo de la Universidad de Kentucky.
Seales llevaba años desarrollando técnicas de restauración digital y desenrollado virtual. Su trabajo ya había demostrado que era posible recuperar textos de manuscritos dañados sin abrirlos físicamente.
Pero el Vesuvius Challenge introdujo algo impresionante.
Abrió el problema.
En lugar de mantener todos los datos dentro de un solo laboratorio, la iniciativa publicó escaneos, fragmentos, herramientas, documentación y materiales de entrenamiento para que equipos de diferentes países pudieran trabajar sobre el mismo desafío.
Desarrolladores.
Ingenieros.
Especialistas en visión artificial.
Matemáticos.
Investigadores independientes.
Expertos en procesamiento de imágenes.
Papirólogos.
Todos podían aportar una pieza.
Un equipo podía concentrarse en mejorar la segmentación.
Otro podía trabajar en la detección de tinta.
Otro podía automatizar el seguimiento de superficies.
Otro podía reducir el ruido.
Otro podía comparar lecturas.
Y cuando todas esas mejoras se juntan, el sistema completo avanza.
Esto demuestra algo que a veces olvidamos cuando hablamos de innovación.
Los grandes avances no siempre aparecen porque una persona tenga una idea brillante de la noche a la mañana.
Muchas veces aparecen cuando se construye una comunidad capaz de compartir problemas, datos, errores y soluciones.
Eso fue lo que ocurrió aquí.
Qué consiguieron leer realmente en PHerc. 1667
La parte conservada de PHerc. 1667 pudo ser virtualmente desenrollada de un extremo al otro.
El resultado incluye aproximadamente 1,4 metros de superficie y las partes inferiores de unas veintidós columnas de escritura griega.
Debemos entender bien qué significa esto.
No significa que el rollo original se conserve completo.
Las capas exteriores y la parte superior sufrieron daños o se perdieron durante intervenciones anteriores. Por tanto, hablamos de una lectura completa de la porción cerrada que ha sobrevivido, no de la recuperación milagrosa de todo el documento original.
Aun así, el salto es enorme.
Antes había letras aisladas y capas superpuestas.
Ahora se pueden seguir argumentos a lo largo de varias columnas.
El texto parece ser un tratado filosófico relacionado con la ética, la conducta humana, los impulsos y el progreso moral.
Los investigadores han encontrado elementos vinculados al pensamiento estoico.
En la última columna conservada aparece el nombre de Aristocreonte, sobrino y discípulo de Crisipo, una de las figuras más importantes del estoicismo antiguo.
También aparecen conceptos relacionados con la hormé, palabra griega que puede traducirse como impulso, inclinación o movimiento hacia la acción.
Dentro del estoicismo, un impulso no es necesariamente negativo.
El problema surge cuando ese impulso no está guiado por la razón y se transforma en una pasión descontrolada.
El texto también aborda ideas relacionadas con la sabiduría práctica y la comprensión de nuestra propia naturaleza.
Esto resulta casi poético.
Hemos utilizado rayos X, algoritmos, modelos matemáticos y software avanzado para recuperar un texto que reflexiona sobre problemas que seguimos teniendo.
¿Por qué actuamos de una determinada manera?
¿Cómo controlamos nuestros impulsos?
¿Qué significa vivir de acuerdo con la razón?
¿Hasta qué punto nos conocemos?
La tecnología es nueva.
Las preguntas no.
Por qué este descubrimiento cambia las reglas del juego
La historia de Herculano es fascinante, pero la gran noticia no es que existan papiros carbonizados.
Eso lo sabemos desde hace siglos.
La noticia es que ahora tenemos un procedimiento capaz de acceder a su contenido sin destruirlos.
Antes, conservación y lectura podían entrar en conflicto.
Para leer había que abrir.
Para abrir había que arriesgarse a romper.
Ahora podemos conservar el objeto físico y trabajar sobre una representación digital.
Eso cambia completamente el proceso.
Además, los datos obtenidos mediante tomografía pueden analizarse una y otra vez.
Una zona ilegible hoy podría volverse legible dentro de varios años si mejoran los algoritmos, las técnicas de segmentación o los modelos de detección de tinta.
No es necesario volver a someter el papiro a una intervención física cada vez.
El escaneo se convierte en un archivo científico reutilizable.
Podemos aplicar un método.
Comparar resultados.
Probar otro modelo.
Volver a procesar una región.
Corregir una superficie.
Compartir los datos con otro equipo.
Eso significa que el conocimiento puede mejorar sin aumentar necesariamente el riesgo para el objeto.
Y esa es una transformación espectacular para la conservación del patrimonio.
Riesgos de la inteligencia artificial al interpretar textos antiguos
Ahora bien, no todo es entusiasmo.
¿Puede equivocarse el sistema?
Claro que sí.
Un modelo puede confundir una fibra con un trazo.
Puede interpretar una grieta como parte de una letra.
Puede pasar por alto una señal demasiado débil.
Puede producir falsos positivos.
También puede funcionar bien en un fragmento y fallar en otro con una estructura diferente.
Por eso no podemos aceptar automáticamente cualquier imagen generada por el modelo como si fuera una transcripción definitiva.
Los expertos tienen que revisar cada lectura.
Una letra aislada puede parecer una cosa.
Dentro de una palabra puede parecer otra.
Una secuencia puede ser gramaticalmente posible y, sin embargo, no estar suficientemente respaldada por la señal.
Además, existe un riesgo muy humano: ver aquello que esperamos encontrar.
Cuando sabemos que un texto puede estar relacionado con el estoicismo, podemos sentir la tentación de interpretar formas ambiguas como términos estoicos.
Por eso hacen falta protocolos transparentes, revisión independiente y diferentes niveles de confianza.
No es lo mismo decir “esta letra se ve con claridad” que afirmar “esta palabra podría reconstruirse de esta manera”.
La ciencia tiene que distinguir entre evidencia, probabilidad e hipótesis.
La apertura de datos y herramientas permite que otros equipos revisen el proceso. Pueden aplicar métodos distintos, comparar resultados y comprobar si la señal aparece de forma consistente.
La IA no convierte una suposición en una verdad.
Lo que hace es proporcionar nuevas evidencias que deben ser estudiadas.
Cientos de papiros continúan esperando
PHerc. 1667 no es el final de la historia.
Es el principio.
En la colección siguen existiendo cientos de rollos cerrados, fragmentados o parcialmente estudiados. Algunos pueden contener obras conocidas. Otros podrían conservar versiones diferentes de textos que ya tenemos. Y existe la posibilidad de encontrar obras completamente perdidas.
Oye, tampoco debemos caer en el entusiasmo fácil.
No todos los rollos tienen por qué esconder una obra maestra desconocida.
Puede haber copias.
Comentarios.
Listas.
Tratados incompletos.
Textos repetidos.
Fragmentos demasiado dañados.
Pero incluso una copia de una obra conocida puede tener un valor impresionante.
Puede mostrar variantes.
Puede revelar cómo se organizaba un libro.
Puede ayudarnos a conocer la circulación de una obra.
Puede conservar una lectura más antigua.
Puede incluir anotaciones o correcciones.
Puede cambiar lo que sabemos sobre un autor.
Y es que en el estudio de la Antigüedad no necesitamos encontrar siempre un título completamente desconocido para aprender algo importante.
Un pequeño fragmento puede resolver una discusión que lleva décadas abierta.
Una palabra puede identificar a un autor.
Una línea puede demostrar que una obra tenía más libros de los que pensábamos.
Un nombre puede conectar escuelas filosóficas.
El siguiente gran desafío será convertir el éxito de PHerc. 1667 en un proceso repetible.
Leer un rollo es impresionante.
Construir un sistema capaz de leer decenas o cientos puede transformar nuestro conocimiento del mundo clásico.
Futuro de la inteligencia artificial en la arqueología computacional
Durante siglos, la imagen popular del arqueólogo ha estado relacionada con palas, pinceles, cuadernos, cámaras y excavaciones.
Todo eso sigue siendo necesario.
Pero ahora debemos añadir tomografías, algoritmos, redes neuronales, modelos tridimensionales y sistemas de procesamiento de imágenes.
No porque vayan a sustituir a la arqueología tradicional.
Sino porque permiten estudiar dimensiones que antes resultaban inaccesibles.
En PHerc. 1667, la excavación no ocurre bajo tierra.
Ocurre dentro de un volumen digital.
Los investigadores recorren las capas internas como si exploraran una estructura enterrada.
Separan superficies.
Reconstruyen recorridos.
Identifican señales.
Extraen evidencias.
Podemos llamarlo arqueología computacional.
El rollo no se abre con las manos.
Se reconstruye mediante coordenadas.
La página no se coloca sobre una mesa.
Se genera con una transformación matemática.
La tinta no siempre se observa directamente.
Se detecta mediante patrones físicos.
Y, al final, el texto vuelve a ser leído por una persona.
Este tipo de tecnología puede aplicarse a otros manuscritos dañados, libros carbonizados, documentos fusionados, inscripciones erosionadas y objetos que no pueden manipularse sin riesgo.
También puede ayudar a clasificar fragmentos, reconstruir piezas, detectar patrones invisibles a simple vista y organizar grandes colecciones.
No todo se resolverá con el mismo modelo.
Cada material tiene propiedades diferentes.
La tinta puede cambiar.
El soporte puede responder de otra manera.
El daño puede ser distinto.
Los datos de entrenamiento tienen que adaptarse.
Pero la idea general ya está demostrada.
Cuando definimos bien el problema, reunimos datos de calidad y combinamos tecnología con conocimiento experto, la IA puede crear capacidades que antes no teníamos.
Este proyecto explica para qué sirve realmente la IA
Estamos acostumbrados a relacionar la inteligencia artificial con chatbots, generación de imágenes, automatización de tareas, campañas publicitarias y creación de contenido.
Todo eso existe.
Pero el caso de PHerc. 1667 nos obliga a ampliar la mirada.
Aquí la IA no ahorra cinco minutos en la redacción de un correo.
Recupera una conversación filosófica perdida durante siglos.
No genera una imagen llamativa para redes sociales.
Encuentra señales reales dentro de un objeto histórico.
No imita una voz antigua.
Ayuda a localizar las palabras que esa voz dejó físicamente escritas.
¿Por qué funciona tan bien en este caso?
Porque el objetivo está definido.
Los datos tienen una relación directa con el problema.
El modelo se entrena para una tarea concreta.
Los resultados se validan.
Los expertos supervisan.
Las herramientas pueden revisarse.
Y las conclusiones se mantienen separadas de las hipótesis.
Cuando alguien presenta la IA como una solución mágica para cualquier cosa, normalmente aparece el humo.
Cuando se integra dentro de un proceso riguroso, aparecen avances como este.
A eso nos referimos cuando hablamos de utilizar la inteligencia artificial con sentido.
Cómo lo vemos nosotros
Nos parece que este descubrimiento representa una de las demostraciones más potentes de lo que puede conseguirse cuando la informática, la ingeniería y las humanidades dejan de caminar por separado.
Un informático puede desarrollar un algoritmo extraordinario, pero necesita comprender qué señal busca.
Un papirólogo puede conocer perfectamente la escritura griega, pero necesita una superficie visible.
Un físico puede producir un escaneo de resolución impresionante, pero alguien tiene que reconstruir las capas.
Un historiador puede interpretar el contenido, pero primero hay que recuperar las palabras.
Ninguna disciplina habría resuelto el problema por sí sola.
La solución apareció en la intersección.
Y es que esa es probablemente una de las grandes lecciones de este proyecto.
La inteligencia artificial alcanza su máximo valor cuando no pretende sustituir todo el proceso, sino fortalecer una parte que hasta ahora era imposible, demasiado lenta o inaccesible.
PHerc. 1667 estuvo cerrado durante casi dos mil años.
Las letras seguían ahí.
Habían dejado huellas físicas.
El problema era que no teníamos una herramienta capaz de detectarlas, separarlas y reconstruirlas sin destruir el soporte.
Ahora comenzamos a tenerla.
Una combinación de rayos X, geometría, software, aprendizaje automático y conocimiento humano ha convertido un bloque carbonizado en una superficie legible.
No se recuperó lo que ya había sido destruido.
No se resolvieron todas las dudas.
No sabemos todavía con certeza quién escribió la obra completa.
Pero la parte conservada puede estudiarse de forma continuada.
Y eso cambia las reglas del juego.
A partir de ahora, cada rollo cerrado no es solamente un objeto arqueológico que debemos proteger.
También puede convertirse en un volumen digital que podemos recorrer, procesar y volver a analizar.
Quedan cientos de papiros.
Quedan miles de capas.
Quedan palabras que nadie ha leído desde la Antigüedad.
Quizá algunas no cambien nuestra visión de la historia.
Quizá otras sí.
Lo impresionante es que ya no tenemos que elegir necesariamente entre conservarlas y leerlas.
Podemos intentar hacer ambas cosas. Y ahí está el avance de verdad.
Ahora la pregunta es para ti: si una tecnología puede devolvernos una voz que llevaba casi dos mil años encerrada, ¿seguimos viendo la IA como una herramienta para hacer tareas más rápido o empezamos a entender que también puede ayudarnos a recuperar partes enteras de nuestra historia?
