ИИ берётся за расшифровку мёртвых языков: находит паттерны, смысл — за учёным

Las redes neuronales ya están ayudando a los historiadores a leer textos que durante milenios permanecieron incomprensibles. Pero a pesar de todo el poder de los algoritmos, el descifrado sigue requiriendo la intervención humana: la IA es excepcionalmente buena para encontrar patrones en los símbolos, pero darles significado es algo que solo un lingüista puede hacer.

Qué pueden hacer las redes neuronales en lingüística

La principal ventaja de las redes neuronales frente al investigador es la velocidad y la escala del análisis estadístico. En pocas horas, un algoritmo procesa un corpus que a un estudioso le llevaría años: cuenta la frecuencia de los símbolos, construye matrices de coocurrencia e identifica patrones estructurales.

Uno de los ejemplos más ilustrativos es el proyecto Ithaca, desarrollado por un equipo de DeepMind junto con historiadores y publicado en la revista Nature en 2022. El sistema restauraba fragmentos dañados de inscripciones en griego antiguo. La precisión del algoritmo fue de aproximadamente el 62%, mientras que los especialistas sin IA acertaban la variante correcta en solo el 25% de los casos. Cuando los historiadores trabajaban en tándem con la red neuronal, el resultado se elevaba hasta el 72%.

Ithaca funcionó de manera eficaz precisamente porque ya existía un gran corpus de textos descifrados en griego antiguo. El algoritmo se basaba en miles de inscripciones estudiadas previamente por eruditos — y construía predicciones para fragmentos desconocidos a partir de esa base.

• Ithaca (DeepMind, Nature, 2022) — 62% de precisión en la restauración de inscripciones
• Historiadores sin IA — aproximadamente el 25% de variantes correctas
• Historiadores + Ithaca — 72%
• Los principales sistemas de escritura sin descifrar: Lineal A (Creta), protoelamita (Irán), rongorongo (isla de Pascua), escritura del Indo (Mohenjo-daro)

¿Por qué el lingüista es indispensable?

La IA puede describir la estructura de un texto, pero no puede conectarla con su significado. Esto se hace especialmente evidente donde no existe un "ancla" — un texto paralelo como la Piedra de Roseta para los jeroglíficos egipcios. Para el Lineal A, el protoelamita o el rongorongo, ese punto de entrada no existe, y sin él el descifrado se convierte en adivinanza.

Un algoritmo detectará que ciertos símbolos aparecen juntos con más frecuencia que otros — pero nombrarlos como palabras sin contexto cultural es imposible. El lingüista aporta lo que está ausente en los datos: el conocimiento de la tipología de las lenguas, la comprensión de cómo los registros comerciales difieren de los textos religiosos, la intuición sobre las categorías gramaticales — todo aquello que no puede aprenderse directamente de un corpus.

"La IA es fantásticamente buena en el reconocimiento de patrones, pero

la intuición humana sigue siendo clave" — esto es exactamente lo que subrayan los investigadores en lingüística computacional entrevistados por Ars Technica.

Cómo cambia el trabajo de los científicos

La combinación "red neuronal + lingüista" no reemplaza al estudioso — cambia el ritmo de su trabajo. El algoritmo se hace cargo de las tareas rutinarias: análisis de frecuencia, restauración de símbolos faltantes, búsqueda de coincidencias estructurales en corpus paralelos. El especialista se concentra en la interpretación — la etapa en la que se necesita comprensión del mundo, no solo del texto.

Algunos investigadores comparan este cambio con la forma en que la resonancia magnética transformó el diagnóstico médico: el médico sigue haciendo el diagnóstico, pero ahora ve detalles antes inaccesibles. Los equipos que antes dedicaban meses a la codificación manual de corpus ahora obtienen los patrones iniciales en días. En el mundo quedan varias decenas de sistemas de escritura sin descifrar — algunos de ellos, según los especialistas, podrían ser leídos en los próximos años precisamente gracias a esta colaboración.

Qué significa esto

La aplicación de la IA en la lingüística es un ejemplo de cómo las redes neuronales potencian la experiencia en lugar de desplazarla. Donde existen textos paralelos y un volumen suficiente de datos, el algoritmo actúa como un acelerador. Donde el contexto cultural es opaco o los datos son escasos, la última palabra corresponde al estudioso.