Categorías
Arqueología

La Inteligencia Artificial se pone al servicio de la arqueología


Una de las ventajas del desarrollo tecnológico reside en la posibilidad de gestionar un gran volumen de información de forma automatizada, extrayendo los datos más importantes después de un proceso de cribado que ahorre tiempo y elimine errores.

En este sentido, algunos científicos relacionados con la arqueología están desarrollando metodologías relacionadas con la Inteligencia Artificial en sus investigaciones. A través de estas tecnologías intentan analizar, clasificar y entender el importante caudal de datos que aportan las excavaciones. Un uso que evidentemente se escapa de los posibles peligros que algunas voces autorizadas han reflejado últimamente, generando así un debate ético en torno a la Inteligencia Artificial.

Algunas aplicaciones prácticas

El desarrollo de este enfoque metodológico abre la puerta a la aplicación sobre el terreno del análisis de datos. Es el caso de un algoritmo de aprendizaje profundo para leer documentos y objetos encontrados en el Valle del Indo. Las excavaciones en este lugar han aportado numerosos testimonios de una civilización de la Edad del Bronce que se extendía en lo que hoy es Afganistán, Pakistán y el noroeste de la India. El desconocimiento de esta cultura se debe, en gran medida, a que no se ha podido descifrar su escritura. Para avanzar en este aspecto, científicos indios han desarrollado un algoritmo que permitirá leer cerámicas y sellos encontrados en las excavaciones.

Este algoritmo de aprendizaje profundo puede reconocer una imagen a partir de un objeto, pero también puede localizar en ese objeto la parte que tenga caracteres escritos. A partir de esa localización inicial puede luego separarlos en grafemas individuales y, a partir de un texto estándar, identificarlos. Las pruebas realizadas han demostrado que con este algoritmo se puede identificar la presencia o ausencia del grafema indo más frecuente con un 92 % de precisión.

Para su desarrollo, los científicos han basado el algoritmo en varios niveles de redes neuronales artificiales, que imitan la forma de funcionar de distintas regiones del cerebro humano implicadas en el proceso de lectura.

Dudas sobre la utilización de la IA en la arqueología

La aplicación actual y futura de la IA en la arqueología no está exenta de dudas y críticas. Si bien es cierto que los métodos de clasificación automáticos se han extendido por todos los países, no está tan claro que las conclusiones que se obtienen de muchos trabajos tengan la validez esperada. En muchos procesos de clasificación se agrupan características y se extraen interpretaciones genéricas a partir de una serie de claves identificativas que también pueden distorsionar la naturaleza real de los objetos o documentos encontrados.

Algunos problemas pueden deberse a la misma concepción de esas clasificaciones, que intentando imitar el proceso de interpretación natural del cerebro humano no sean capaces de distinguir matices difícilmente incorporables a un algoritmo determinado. Es decir, la lógica de la inteligencia humana no es siempre equivalente a la lógica de la IA, por lo que un mismo dato puede tener distintas interpretaciones.

Simplificando su funcionamiento, los esquemas de diagramas conceptuales utilizan una serie de valores iniciales que analizan distintos factores. Este análisis deduce unos valores y, combinándolos, se puede extraer un dato objetivo final. Este esquema en árbol tiene sus ventajas, porque puede gestionar muchos datos, pero también sus inconvenientes porque si se introducen demasiadas reglas o factores, se puede hacer inoperante. El problema es que los objetos encontrados en las excavaciones de un periodo determinado pueden ser muy diferentes entre sí. Además, a veces es necesario realizar una clasificación para modelos y otra para significados, lo que hace todavía más complejo elaborar sistemas que funcionen de una manera útil.

En resumen, las ventajas de aplicar la IA en la arqueología pueden ser muchas, pero en la actualidad también hay dudas sobre hasta qué punto pueden ser válidos los datos que pueden generar los sistemas si los comparamos con una participación humana menos mecanizada y que aporte una interpretación más holística.