La inteligencia artificial se ha convertido en una herramienta clave para descifrar los misterios del pasado. El Desafío Vesuvio, una iniciativa que combina la experiencia de académicos y empresarios, ha dado un paso significativo en la decodificación de antiguos pergaminos romanos de Herculaneo.
Herculaneo, una ciudad romana destruida en la erupción del monte Vesubio en el año 79 d.C., ha sido el hogar de pergaminos carbonizados que durante mucho tiempo se consideraron ilegibles. Estos pergaminos, descubiertos en el siglo XVIII, podrían contener conocimientos perdidos de la antigüedad.
Para abordar este desafío, se han empleado técnicas como la micro-tomografía computarizada, que es una técnica no invasiva comúnmente utilizada en la detección de cáncer. Además, se han utilizado redes neuronales artificiales para entrenar modelos que puedan identificar textos en los pergaminos.
Luke Farritor, un estudiante de ciencias de la computación, recibió un premio de 40.000 dólares por ser el primero en descifrar texto de un pergamino. Youssef Nader, otro participante, obtuvo un premio de 10.000 dólares por sus esfuerzos en la decodificación.
Metodología
Una de las estrategias más innovadoras del proyecto es su enfoque de crowdsourcing. Al permitir que múltiples equipos trabajen en el desafío, se acelera el proceso de decodificación y se fomenta una colaboración más amplia. Los participantes se comunican y colaboran a través de Discord, una plataforma que facilita la interacción en tiempo real.
Para impulsar el progreso, todos los escaneos y códigos se han hecho públicos. Esto no solo permite que más personas contribuyan al proyecto, sino que también establece un precedente para la transparencia y la colaboración en la investigación científica.
El proyecto utiliza una combinación de micro-tomografía computarizada y redes neuronales artificiales para analizar los pergaminos. Se desarrolló un software especializado, denominado «Volume Cartography», para desenrollar virtualmente los pergaminos y prepararlos para el análisis.
Los modelos de aprendizaje automático se entrenaron utilizando «patrones de craqueo» que indicaban la presencia de tinta en el pergamino carbonizado. Estos patrones se utilizaron para mejorar el modelo con cada nuevo patrón encontrado, lo que resultó en un sistema cada vez más preciso para identificar texto en los pergaminos.
Una vez que se obtuvieron resultados, estos fueron revisados por expertos en el campo, incluidos papirologistas y filólogos, para asegurar su validez. Este proceso de revisión por pares añade una capa adicional de rigor al proyecto.
Descubrimientos
Los avances en este proyecto no son solo un logro tecnológico, sino también un hito en el campo de la arqueología y la filología clásica. Utilizando modelos de aprendizaje automático, los investigadores han podido descifrar palabras y frases que han estado ocultas durante casi dos milenios.
Una de las palabras más notables que se han descifrado es «πορφυρας,» que se traduce como «tinte púrpura» o «telas de púrpura» en griego antiguo. Esta palabra es especialmente significativa porque raramente aparece en textos antiguos, lo que podría indicar que el pergamino contiene información única o poco común.
El descubrimiento de esta palabra y otras que puedan seguirle tiene el potencial de ofrecer nuevas perspectivas sobre la vida, la economía y la cultura en el mundo romano. Podría tratarse de textos que aborden temas desde la filosofía hasta la ciencia, pasando por la vida cotidiana, lo que sería invaluable para los académicos que estudian esta época.
Desde el punto de vista de la ciencia de datos, estos descubrimientos demuestran la eficacia de las redes neuronales artificiales en el procesamiento y análisis de datos extremadamente complejos y delicados. Esto podría tener aplicaciones en otros campos que requieran la interpretación de datos en condiciones difíciles, como la medicina o la astrofísica.
Dado que solo se ha descifrado una pequeña parte de los pergaminos hasta ahora, hay un gran potencial para futuros descubrimientos. Con el tiempo y el avance de la tecnología, es probable que se descifren más textos, lo que podría llevar a hallazgos aún más significativos.
Más información en Nature.
