Inscripción griega dañada: un decreto de la Asamblea de Atenas relativo a la gestión de la Acrópolis (que data 485/4 aC). IG I3 4B. (CC BY-SA 3.0, WikiMedia)

Una investigación llevada a cabo por la compañía de desarrollo de inteligencia artificial (IA) de Google Deep Mind, junto a la Universidad de Oxford, ha revelado que su IA es capaz de descifrar textos de la Antigua Grecia que se han dañado y que son casi ilegibles, ofreciendo resultados antes que los humanos y más precisos.

Como han explicado en su página web, los investigadores han utilizado un algoritmo llamado Pythia, que gracias a su red neuronal puede descifrar textos dañados o escritos a los que les faltan partes del texto, en cualquier formato, ya sea en papiro, grabado en piedra, arcilla o metal.

Pythia ha demostrado que es capaz de ofrecer un texto predictivo con tan solo una tasa de error por carácter del 30,1 por ciento, bastante mejor que el 57,3 por ciento de error que tienen los historiadores y epigrafistas. Además, los investigadores han encontrado que en un 73,5 por ciento de los casos Pythia ha propuesto la secuencia de verdad básica en una de sus 20 hipótesis principales.

Pythia procesa la frase μηδέν ἄγαν (Mēdèn ágan) "nada en exceso", una máxima legendaria inscrita en el templo de Apolo en Delfos. Las letras "γα" son los caracteres a predecir y se anotan con '?'. Como ἄ ?? ν no es una palabra completa, su incrustación se trata como desconocida ('unk'). El decodificador emite correctamente "γα".

Este restaurador de textos está diseñado con el objetivo de ayudar a los historiadores, ya que les aporta distintas opciones de textos traducidos, además de que añade un valor de seguridad de que los textos están bien interpretados. Desde Deep Mind afirman que Pythia no se ha creado para acabar con el trabajo de los historiadores, sino que su fin es ser empleada como herramienta que facilita y respalda el trabajo de estos.

Para entrenar a Pythia, los investigadores recogieron inscripciones en griego en un formato que pudiera entender, además de incluir información sobre símbolos, sintaxis y estructuras de textos similares, para ayudar a Pythia a contextualizar y ofrecer unas predicciones más acertadas.

Fuente: abc.es | 24 de octubre de 2019