Aeneas es una aplicación de inteligencia artificial desarrollada por DeepMind, propiedad de Google, capaz de predecir los textos ocultos en inscripciones epigráficas incompletas del periodo romano. Su red neuronal generativa identifica el momento y el lugar a los que pertenecen los fragmentos, e incorpora imágenes visuales en sus análisis.
Cada año se descubren 1 500 inscripciones que pueden proporcionar información sobre la lengua y cultura del Imperio Romano. Hasta ahora, su restauración se hacía manualmente, pero una nueva herramienta de IA creada por la empresa británica Deepmind de Google permite una recomposición más eficiente de estas obras.
Un estudio, publicado en la revista Nature, presenta Aeneas: una nueva inteligencia artificial capaz de predecir palabras ausentes en la epigrafía romana y ubicar los textos en un tiempo y lugar concretos.
Según cuenta a SINC el primer autor de este proyecto e investigador de Google Deepmind, Yanis Assael, fue un trabajo que se inició en 2022 con inscripciones en griego antiguo pero que mejoraron para incluir fragmentos en latín.
“Aeneas funciona gracias a un conjunto de datos que hemos construido mediante décadas de trabajo académico para crear una colección digital que incluya más de 176 000 inscripciones de todo el mundo romano”, comenta el experto.
¿Su objetivo? Ayudar en las tareas de restauración de los historiadores mientras identifican el texto ausente y concretan el lugar y cronología al que pertenece. Ahora, pueden hacer en 15 minutos tareas que antes les llevaban días de trabajo e investigación, según indican los historiadores que han colaborado en el trabajo.
Assael destaca que la herramienta tiene la capacidad de “identificar patrones lingüísticos sutiles, estructuras gramaticales, fórmulas habituales y abreviaturas comunes en todo tipo de inscripciones, desde epitafios hasta diplomas militares, con el fin de proponer reconstrucciones textuales precisas y bien fundamentadas”, apunta l.
Él y su equipo iniciaron una investigación colaborativa con 23 historiadores que emplearon esta IA para evaluar dos inscripciones latinas: la Res Gestae Divi Augusti (Las Hazañas del Divino Augusto) y un altar dedicado al cónsul Lucius Maiorius Cogitatus que honraba a las Deae Aufaniae, unas antiguas diosas protectoras que veneraban los soldados al oeste de imperio.
Los investigadores afirman que Aeneas proporciona respuestas útiles en el 90 % de los casos y optimizaron tareas un 44 % de las veces. Además, consiguió proporcionar dataciones en un periodo de 13 años.
Esto se debía a que “era capaz de ubicar el texto en un tiempo y en un lugar concreto basándose en el conjunto de datos que había aprendido", señala a SINC la coautora de este estudio e investigadora en la Universidad de Nottingham (Reino Unido), Thea Sommerschield.
Composición que incluye el documento del artículo impreso y la nueva IA Aeneas. / Robbe Wulgaert
“La arquitectura está diseñada para manejar las especificidades de cada fragmento y afinar en las predicciones”, afirma la historiadora.
De este modo, la primera obra analizada les sirvió para comprobar si Aeneas podía comprender un texto complicado como el que relata la vida del emperador Augusto. La segunda, puso en valor su habilidad para reconocer cambios en el lenguaje y detectar los detalles importantes del fragmento, según afirma el estudio.
En ambos escenarios este instrumento encontró inscripciones parecidas y dio respuestas acertadas sobre cuándo y dónde se hicieron los escritos, algo que después ratificaron también expertos en antigüedad.
Por otro lado, al trabajar de forma colaborativa, se obtuvieron mejores resultados en las tareas de restauración, atribución geográfica y temporal.
Cuando los expertos databan una inscripción, su capacidad de acierto era del 27 %. Mientras que cuando empleaban Aeneas la cifra subía un 68 %. Es decir, el porcentaje de mejora fue del 152 %.
Composición un texto con inscripciones latinas. / Robbe Wulgaert
Asimismo, a la hora de ubicar una obra los historiadores se desviaban un promedio de 31,3 años respecto a las fechas reales. Este margen de error mejoraba un 32 % con el apoyo de la herramienta, lo que permitió reducir la distancia a 14,1 años.
En las tareas de restauración los investigadores solían equivocarse un 39 % de las veces en los caracteres que sugerían, a la vez que, con esta herramienta, reducían un 21 % los fallos en la predicción.
El secreto estaba en su base de datos, según explica Assael a SINC. “Hemos visto que cuantas más inscripciones tenemos, mejor funciona el modelo”, afirma el primer autor del estudio.
“Los hitos como el de nuestro proyecto siempre requieren de más adaptaciones porque cuantos más reajustes se tienen en este campo, más datos se digitalizan” añade. Además, “nos gusta pensar que es como un círculo vicioso: cuanto más ayudamos a la investigación, mejores resultados recibimos de vuelta”, concluye.
Charlotte Tupman, de la universidad británica de Exeter y autora de un artículo de opinión sobre el estudio, publicado en Nature, indica a SINC que Aeneas representa un avance muy significativo en el estudio de las civilizaciones antiguas como son la griega y la romana. Esta IA utiliza “lo que los autores describen como ‘incrustaciones ricas en historia’ para incluir características contextuales importantes”.
En este sentido, considera que la investigación realizada por Assael y su equipo es muy valiosa, ya que combina la erudición human con la inteligencia artificial. “La capacidad de Aeneas para ayudar a los académicos a contextualizar y restaurar sus materiales tiene grandes posibilidades generar nuevas líneas de investigación en nuestro campo”, argumenta.
Investigadores de la Universidad de Texas en Austin han desarrollado un dispositivo no invasivo que mide los niveles de agua en los tejidos del cuerpo sin necesidad de análisis de sangre ni orina. Funciona mediante una leve corriente eléctrica y transmite los datos a una app. El equipo trabaja ya en versiones más cómodas, como tatuajes electrónicos o sensores que recojan el sudor.
Antes para acceder a restos arqueológicos era necesario intervenir en el terreno. Sin embargo, un nuevo estudio propone usar imagen hiperespectral para investigar la composición y distribución de los yacimientos sin alterar el medio en el que se encuentran.
