Berliner Boersenzeitung - Restaurar textos antiguos mediante la inteligencia artificial

EUR -
AED 4.127321
AFN 73.04034
ALL 90.729764
AMD 404.665666
ANG 2.011176
AOA 1031.553957
ARS 1738.943785
AUD 1.601552
AWG 2.025463
AZN 1.913452
BAM 1.952241
BBD 2.262516
BDT 139.855058
BGN 1.964032
BHD 0.424123
BIF 3356.451657
BMD 1.123697
BND 1.435982
BOB 13.620051
BRL 6.137409
BSD 1.123372
BTN 106.255362
BWP 15.422064
BYN 3.35189
BYR 22024.453639
BZD 2.259261
CAD 1.569074
CDF 2598.549276
CHF 0.917948
CLF 0.027547
CLP 1084.074774
CNY 7.507306
CNH 7.497725
COP 3633.529187
CRC 510.260764
CUC 1.123697
CUP 26.959855
CVE 110.064364
CZK 24.256904
DJF 199.70346
DKK 7.474251
DOP 67.457033
DZD 152.760408
EGP 61.491828
ERN 16.855449
ETB 184.366977
FJD 2.519047
FKP 0.837456
GBP 0.834036
GEL 2.911728
GGP 0.837456
GHS 13.070058
GIP 0.837456
GMD 83.153296
GNF 9950.333543
GTQ 8.584504
GYD 235.356779
HKD 8.81581
HNL 30.191963
HRK 7.606314
HTG 147.171721
HUF 362.097781
IDR 20335.08815
ILS 3.544031
IMP 0.837456
INR 105.978974
IQD 1702.995611
IRR 2116379.75381
ISK 136.607941
JEP 0.837456
JMD 178.055423
JOD 0.796739
JPY 177.890729
KES 145.956778
KGS 98.267485
KHR 4567.633017
KMF 495.550463
KPW 1011.326909
KRW 1506.180183
KWD 0.349233
KYD 0.936085
KZT 507.694193
LAK 25290.672585
LBP 100593.033834
LKR 373.788621
LRD 190.960199
LSL 18.491122
LTL 3.317984
LVL 0.679713
LYD 7.20287
MAD 10.973397
MDL 20.147095
MGA 5073.705993
MKD 61.626804
MMK 2359.224448
MNT 4043.158392
MOP 9.076769
MRU 45.693891
MUR 52.914759
MVR 17.366712
MWK 1947.814662
MXN 20.860849
MYR 4.566138
MZN 71.815099
NAD 18.490793
NGN 1512.967507
NIO 41.334651
NOK 10.449204
NPR 170.008579
NZD 1.995853
OMR 0.432068
PAB 1.123442
PEN 3.877232
PGK 5.040811
PHP 71.06933
PKR 310.740451
PLN 4.383591
PYG 6811.58317
QAR 4.095434
RON 5.341266
RSD 117.622967
RUB 91.92166
RWF 1652.972088
SAR 4.220986
SBD 9.047688
SCR 15.619598
SDG 675.900219
SEK 10.927303
SGD 1.436528
SHP 0.837767
SLE 25.744042
SLL 23563.361094
SOS 642.023942
SRD 42.210493
STD 23258.251181
STN 24.455855
SVC 9.829083
SYP 14610.303024
SZL 18.481146
THB 37.736543
TJS 10.362526
TMT 3.944175
TND 3.347997
TOP 2.705591
TRY 56.207681
TTD 7.614983
TWD 36.908381
TZS 2977.793835
UAH 51.156547
UGX 4611.675461
USD 1.123697
UYU 45.166861
UZS 13356.414878
VES 1000.131113
VND 28884.059621
VUV 134.25065
WST 3.1231
XAF 655.957
XAG 0.02143
XAU 0.000276106781
XCD 3.036847
XCG 2.024429
XDR 0.794512
XOF 655.957
XPF 119.331742
YER 265.389046
ZAR 18.419152
ZMK 10114.614416
ZMW 22.782267
ZWL 361.829851
SSP 6456.721236
MXV 2.348128
Restaurar textos antiguos mediante la inteligencia artificial
Restaurar textos antiguos mediante la inteligencia artificial

Restaurar textos antiguos mediante la inteligencia artificial

La inteligencia artificial puede ayudar a predecir... el pasado, como demuestra una nueva técnica que está restaurando con gran precisión textos griegos del siglo V antes de la era cristiana, informa este miércoles la revista Nature.

Tamaño del texto:

La epigrafía es una rama de la historia cuyo objetivo es descifrar las inscripciones en cualquier soporte, para contribuir al estudio de las civilizaciones antiguas.

Algunos de esos textos se han vuelto ilegibles a causa de los daños que sufre el soporte (piedra, metal...). Además, esas importantes fuentes históricas a menudo han sido desplazadas lejos de su lugar de origen, lo que complica su datación.

La técnica del carbono 14 no puede ser utilizada en materia no orgánica.

Un equipo de investigadores de universidades de Venecia, Oxford, Atenas y de la empresa DeepMind (filial de Google) han desarrollado una nueva herramienta de aprendizaje profundo.

El aprendizaje profundo es una de las técnicas que utiliza la inteligencia artificial, mediante algoritmos que reproducen la estructura y el funcionamiento del cerebro humano.

La nueva herramienta lleva el nombre de Ithaca, en alusión a la isla de Ulises en la Odisea. Fue puesta a punto mediante el examen de unas 80.000 inscripciones presentes en la base de datos del Instituto de Humanidades Packard, que cuenta con la mayor colección digital de inscripciones en griego antiguo.

Esta técnica de tratamiento lingüístico automático toma en cuenta el orden en el que aparecen las palabras en la frase, o la relación entre ellas, para mejorar su contextualización.

El programa también es capaz de tener en cuenta a la vez las palabras y los carácteres individuales, repartidos de forma fragmentaria sobre el soporte.

Una primera experiencia, con una serie de decretos del siglo V antes de Jesucristo, grabados en pierra y hallados en la Acrópolis de Atenas, ha sido esperanzadora.

Ithaca analizó los textos y fue capaz de sugerir, a partir del contexto histórico que había "estudiado" previamente, secuencias de letras para rellenar los fragmentos ausentes en las frases.

Así, pudo proponer la palabra "alianza" para ser inserida en un juramento de obediencia de una ciudad respecto a Atenas.

Gracias a Ithaca, los historiadores fueron capaces de predecir con hasta un 72% de acierto los textos que faltaban, según Nature.

Ithaca fue capaz además de sugerir múltiples localizaciones en 84 regiones conectadas entre sí.

Y por último la herramienta propone una fecha precisa para la redacción de los decretos: el año 421 AC, es decir, 30 años más tarde que las fechas aproximativas propuestas hasta la fecha por los historiadores.

"Puede parecer derisorio, pero es esencial para la comprensión de la Grecia clásica, en la que vivieron Pericles y Sócrates" comentó Thea Sommerschield, de la universidad Ca'Foscari en Venecia, coautora del estudio, durante una rueda de prensa en línea.

Ithaca podría ser utilizado para cualquier otra lengua antigua, como el maya o la escritura cuneiforme de Mesopotamia, asegura esta epígrafa.

(L.Kaufmann--BBZ)