La inteligencia artificial revoluciona el estudio de la escritura cuneiforme
La inteligencia artificial está innovando el estudio de la escritura cuneiforme. Con ProtoSnap, los investigadores pueden digitalizar y descifrar tablillas mesopotámicas con una precisión sin precedentes.
Por Enrique Coperías
Resultados de muestra: alineación de los prototipos (primera fila) con las imágenes cuneiformes objetivo (segunda fila). Se ilustran los resultados tras la alineación global (tercera fila) y después del refinamiento (fila inferior). Crédito: ProtoSnap: Prototype Alignment for Cuneiform Signs (2025).
Los investigadores que estudian la antigua escritura cuneiforme ahora cuentan con una poderosa herramienta basada en inteligencia artificial: ProtoSnap. Este método innovador permite identificar y copiar caracteres cuneiformes a partir de fotografías de tablillas de arcilla, lo que facilita la lectura y la digitalización de estos textos milenarios con una precisión sin precedentes.
La escritura cuneiforme es uno de los sistemas de escritura más antiguos de la humanidad, desarrollado en Mesopotamia alrededor del 3200 a. C. por los sumerios. Se caracteriza por sus signos formados por marcas en forma de cuña, realizadas con un estilete sobre tablillas de arcilla húmeda, que luego se endurecían al secarse o cocerse.
A lo largo de más de 3.000 años, fue adoptada y adaptada por distintas civilizaciones, como los acadios, los babilonios, los asirios y los hititas, y se usaba para escribir en varios idiomas, incluidos el sumerio y el acadio. Inicialmente pictográfica, evolucionó hacia un sistema logográfico y silábico con más de mil signos diferentes.
Reconstruir y copiar con exactitud tablillas enteras
Su desciframiento en el siglo XIX permitió acceder a valiosos textos históricos, administrativos, literarios y científicos, como la Epopeya de Gilgamesh, lo que permitió ampliar el conocimiento que se tenía sobre las civilizaciones del antiguo Oriente Próximo.
La forma de esta escritura varíaba significativamente según la época, la región y hasta la mano del escriba que la trazaba. Estas variaciones han sido una barrera para la automatización del análisis de estos textos, pues los métodos computacionales tradicionales tienden a tratar los signos como categorías fijas sin modelar su estructura interna.
Aquí es donde ProtoSnap marca la diferencia. Desarrollado por investigadores de la Universidad de Cornell, en Estados Unidos, y la Universidad de Tel Aviv (TAU), en Israel, este sistema de inteligencia artificial (IA) encaja automáticamente un prototipo de carácter cuneiforme sobre una imagen de tablilla, ajustándolo a la forma real de cada signo en la arcilla. Con ello, los expertos pueden reconstruir y copiar con exactitud tablillas enteras sin necesidad de intervención manual.
Cómo funciona ProtoSnap
Para llegar a ProtoSnap, el equipo de científicos utilizó modelos de difusión, una tecnología de IA generativa conocida por su uso en la creación de imágenes artificiales, pero aplicada aquí para identificar las similitudes entre cada píxel de un carácter cuneiforme real y su versión prototípica.
El modelo primero realiza una alineación global del signo en la tablilla con su versión estándar, y luego ajusta localmente los trazos, permitiendo así que cada línea se adapte a la forma exacta que tomó en la arcilla.
«Cuando nos remontamos al mundo antiguo, encontramos una enorme variabilidad en las formas de los caracteres cuneiformes —explica Hadar Averbuch-Elor, profesor de Informática en la Universidad de Cornell. Y añade—: Incluso dentro del mismo carácter, su aspecto cambia a lo largo del tiempo, por lo que descifrarlo automáticamente es un gran desafío».
El desarrollo de este método ha sido posible gracias a un nuevo conjunto de datos con anotaciones expertas, que ha permitido entrenar la inteligencia artificial para reconocer y modelar las configuraciones internas de los caracteres con mayor precisión que cualquier otra técnica previa.
La recientemente descubierta Tabla V de la Epopeya de Gilgamesh. Data del antiguo periodo babilónico, 2003-1595 a. C., y actualmente se conserva en el Museo de Sulaymaniyah, en la región del Kurdistán (Irak). Cortesía: Osama Shukir Muhammed Amin FRCP (Glasg)
Copias digitales más precias y útiles
Actualmente, existen más de 500.000 tablillas cuneiformes en museos y colecciones privadas, pero solo una fracción ha sido traducida y publicada. Una de las grandes dificultades radica en que, aunque hay miles de escaneados en 2D de estas tablillas cuneiformes, los datos etiquetados son muy escasos.
ProtoSnap no solo ayuda a digitalizar estos textos, sino que también mejora el reconocimiento óptico de caracteres (OCR), convirtiendo automáticamente las imágenes de tablillas en texto digital. Al entrenar modelos de IA con estos datos ajustados, el reconocimiento de signos cuneiformes mejora significativamente, incluso en caracteres raros o altamente variables.
En pruebas recientes, el equipo descubrió que los modelos entrenados con datos generados por ProtoSnap superaban a cualquier otro sistema existente, especialmente en el reconocimiento de signos menos comunes. Además, los arqueólogos y especialistas que participaron en la evaluación del sistema indicaron que las copias digitales generadas con ProtoSnap eran mucho más precisas y útiles que las anteriores técnicas de digitalización de tablillas.
Dada una imagen de destino de un signo cuneiforme y un prototipo correspondiente, los investigadores de Cornell alinean el esqueleto con la imagen de destino («encajando» el prototipo en su lugar). Crédito: ProtoSnap: Prototype Alignment for Cuneiform Signs (2025).
Un futuro digital para los textos de la antigüedad
Más allá del reconocimiento de caracteres, ProtoSnap abre la puerta a nuevas aplicaciones en el campo de la arqueología digital. El método podría emplearse para comparar estilos de escritura entre distintas ciudades y períodos históricos, automatizar la producción de copias digitales de tablillas y mejorar la interpretación de textos dañados o fragmentarios, afirman los desarrolladores de ProtoSnap en un comunicado de Cornell.
Rachel Mikulinsky, estudiante de máster y coautora en TAU, presentará ProtoSnap: Prototype Alignment for Cuneiform Signs en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR), que se celebrará el próximo mes de abril en Singapur. Mikulinsky espera que este avance en inteligencia artificial genere gran interés entre la comunidad científica.
Gracias a la inteligencia artificial, el estudio de los textos cuneiformes está entrando en una nueva era. Herramientas como ProtoSnap no solo agilizan el trabajo de los especialistas, sino que también acercan la historia escrita de la humanidad a nuevas generaciones de investigadores y entusiastas. ▪️
Información facilitada por la Universidad de Cornell
