TecnoManiaticos
Hasta ahora, el proyecto ha arrojado algunos resultados sorprendentes. Un patrón encontrado en los datos permitió a los investigadores ver que mientras Europa se estaba fracturando en líneas religiosas después de la Reforma protestante, el conocimiento científico se estaba fusionando. Los textos científicos que se imprimían en lugares como la ciudad protestante de Wittenberg, que se había convertido en un centro de innovación académica gracias al trabajo de los eruditos reformados, estaban siendo imitados en centros como París y Venecia antes de extenderse por todo el continente. La Reforma protestante no es exactamente un tema poco estudiado, dice Valleriani, pero una perspectiva mediada por máquinas permitió a los investigadores ver algo nuevo: “Esto no estaba del todo claro antes”. Los modelos aplicados a las tablas e imágenes han comenzado a mostrar patrones similares.
Las computadoras a menudo reconocen solo iteraciones contemporáneas de objetos que tienen una historia más larga; piense en iPhones y Teslas, en lugar de tableros de distribución y Model T.
Estas herramientas ofrecen posibilidades más importantes que el simple seguimiento de 10.000 mesas, dice Valleriani. En cambio, permiten a los investigadores sacar inferencias sobre la evolución del conocimiento a partir de patrones en grupos de registros, incluso si en realidad solo han examinado un puñado de documentos. “Mirando dos tablas, ya puedo llegar a una gran conclusión sobre 200 años”, dice.
Las redes neuronales profundas también están desempeñando un papel en el examen de una historia aún más antigua. Descifrar inscripciones (conocido como epigrafía) y restaurar ejemplos dañados son tareas arduas, especialmente cuando los objetos inscritos se han movido o les faltan claves contextuales. Los historiadores especializados necesitan hacer conjeturas fundamentadas. Para ayudar, Yannis Assael, científico investigador de DeepMind, y Thea Sommerschield, becaria postdoctoral en la Universidad Ca’ Foscari de Venecia, desarrollaron una red neuronal llamada Ithaca, que puede reconstruir partes faltantes de inscripciones y atribuir fechas y ubicaciones a los textos. Los investigadores dicen que el enfoque de aprendizaje profundo, que involucró la capacitación en un conjunto de datos de más de 78,000 inscripciones, es el primero en abordar la restauración y la atribución de manera conjunta, a través del aprendizaje de grandes cantidades de datos.
Hasta ahora, dicen Assael y Sommerschield, el enfoque está arrojando luz sobre las inscripciones de los decretos de un período importante en la Atenas clásica, que durante mucho tiempo se han atribuido al 446 y 445 a. C., una fecha que algunos historiadores han cuestionado. Como prueba, los investigadores entrenaron el modelo en un conjunto de datos que no contenía la inscripción en cuestión y luego le pidieron que analizara el texto de los decretos. Esto produjo una fecha diferente. “La fecha promedio prevista de Ithaca para los decretos es 421 a. C., lo que se alinea con los avances de datación más recientes y muestra cómo el aprendizaje automático puede contribuir a los debates sobre uno de los momentos más importantes de la historia griega”, dijeron por correo electrónico.
BETH HOECKEL
máquinas del tiempo
Otros proyectos proponen utilizar el aprendizaje automático para extraer inferencias aún más amplias sobre el pasado. Esta fue la motivación detrás de Venice Time Machine, una de varias “máquinas del tiempo” locales en toda Europa que ahora se han establecido para reconstruir la historia local a partir de registros digitalizados. Los archivos estatales venecianos cubren 1.000 años de historia repartidos en 80 kilómetros de estanterías; El objetivo de los investigadores era digitalizar estos registros, muchos de los cuales nunca habían sido examinados por los historiadores modernos. Usarían redes de aprendizaje profundo para extraer información y, al rastrear los nombres que aparecen en el mismo documento en otros documentos, reconstruir los lazos que una vez unieron a los venecianos.
Frédéric Kaplan, presidente de Time Machine Organization, dice que el proyecto ahora ha digitalizado suficientes documentos administrativos de la ciudad para capturar la textura de la ciudad en los siglos pasados, haciendo posible ir edificio por edificio e identificar a las familias que vivieron allí en diferentes puntos en el tiempo. “Estos son cientos de miles de documentos que deben digitalizarse para alcanzar esta forma de flexibilidad”, dice Kaplan. “Esto nunca se ha hecho antes.”
Aún así, cuando se trata de la promesa final del proyecto, nada menos que una simulación digital de la Venecia medieval hasta el nivel del vecindario, a través de redes reconstruidas por inteligencia artificial, historiadores como Johannes Preiser-Kapeller, el profesor de la Academia de Ciencias de Austria que dirigió el estudio de obispos bizantinos, dicen que el proyecto no ha podido cumplir porque el modelo no puede entender qué conexiones son significativas.