Un nuevo sistema de inteligencia artificial utiliza leyes físicas para reconstruir antiguas tablillas de bambú fragmentadas durante siglos. El método se llama WisePanda y genera fragmentos sintéticos realistas.
Creado: Actualizado:
Durante siglos, los arqueólogos se han dedicado a recuperar miles de fragmentos de antiguas tablillas de bambú enterradas en tumbas y yacimientos. Estos objetos constituyen una de las fuentes más valiosas para conocer las civilizaciones del este de Asia, ya que conservan textos sobre filosofía, derecho, administración y la vida cotidiana. Sin embargo, muchos de esos documentos llegan a nuestro presente convertidos en un inmenso rompecabezas de miles de piezas difíciles de encajar.
Reconstruir esos manuscritos resulta esencial para acceder a la información que contienen. El problema está en determinar qué fragmentos encajan entre sí. Al alto número de posibles candidatos se suman otros problemas: los siglos de enterramiento a menudo deforman los bordes y alteran las superficies, lo que complica aún más cualquier intento de unión. En algunos casos, los especialistas pueden dedicar semanas a identificar correctamente una sola unión.
Ahora, una investigación publicada en Nature Communications presenta una solución inesperada. Un equipo interdisciplinar ha desarrollado un sistema de inteligencia artificial llamado WisePanda que combina aprendizaje profundo con modelos físicos del proceso de fractura y de deterioro del bambú. Esta herramienta es capaz de facilitar una tarea que, durante décadas, dependió casi exclusivamente de la paciencia y la experiencia humana.
Un equipo interdisciplinar ha desarrollado un sistema de inteligencia artificial llamado WisePanda que combina aprendizaje profundo con modelos físicos del proceso de fractura y de deterioro del bambú.
Las tiras de bambú constituyeron uno de los principales soportes de escritura en la Antigüedad del este de Asia. Aunque su resistencia permitió que muchas sobrevivieran durante más de dos mil años bajo tierra, estas tablillas suelen aparecer muy fragmentadas en el registro arqueológico.
Los investigadores destacan que algunos conjuntos arqueológicos contienen decenas de miles de trozos. Cada uno de ellos puede corresponderse con cualquier otro, lo que genera un problema combinatorio gigantesco. La búsqueda manual de coincidencias se convierte así en una tarea extraordinariamente lenta y compleja.
Sin embargo, esta no es la única dificultad. Los procesos de humedad, presión y actividad biológica modifican los bordes originales de las fracturas. En muchos casos, los caracteres escritos resultan ilegibles en las zonas rotas, por lo que los especialistas deben basarse sobre todo en la forma de los contornos para encontrar coincidencias. Además, el bambú posee una estructura interna formada por fibras verticales que produce patrones de fractura especialmente irregulares. Estas formas resultan difíciles de analizar mediante los métodos tradicionales de comparación geométrica.
Estas tablillas suelen aparecer muy fragmentadas en el registro arqueológico. Cada fragmento puede corresponderse con cualquier otro, lo que genera un problema combinatorio gigantesco.
Aplicar aprendizaje profundo a este problema parecía insalvable. Los modelos modernos necesitan grandes cantidades de ejemplos, convenientemente etiquetados, para aprender. Sin embargo,esos ejemplos solo pueden obtenerse mediante el mismo trabajo manual que la inteligencia artificial pretende acelerar. Para resolver esta paradoja, los autores recurrieron a la física. En lugar de recopilar miles de fragmentos ya identificados y unidos por expertos, diseñaron un sistema capaz de generar datos sintéticos realistas.
WisePanda reproduce digitalmente cómo se rompe una tablilla de bambú y cómo se degrada a lo largo de los siglos. Así, crea pares de fragmentos artificiales que conservan las características esenciales observadas en los ejemplares arqueológicos reales.
El modelo parte de dos observaciones fundamentales. La primera es que aproximadamente el 70 % de las fracturas son transversales, es decir, cortan las fibras del bambú. La segunda es que esos bordes sufren procesos de corrosión complejos a lo largo del tiempo. A partir de estas premisas, los investigadores desarrollaron simulaciones capaces de reproducir ambos fenómenos. De este modo, se ha obtenido una enorme base de datos de entrenamiento creada automáticamente y basada en principios físicos verificables.
En lugar de recopilar miles de fragmentos ya identificados y unidos por expertos, diseñaron un sistema capaz de generar datos sintéticos realistas.
La clave del sistema se encuentra en comprender cómo se comportan las fibras del bambú cuando una tablilla se rompe. Los autores modelaron cada pieza como una sucesión de haces de fibras verticales. Cuando una fractura atraviesa una de estas fibras, genera un campo de tensiones que influye en la dirección que seguirá la rotura en la siguiente. Este mecanismo permite recrear los característicos bordes ondulados observados en los fragmentos arqueológicos.
Posteriormente, entra en juego el deterioro ambiental. Las zonas más expuestas sobresalen respecto a las adyacentes y, en consecuencia, absorben más humedad y sufren una acción biológica más intensa. El modelo calcula estas diferencias geométricas y simula su desgaste progresivo. La combinación de fractura y corrosión permite generar fragmentos artificiales de extraordinario parecido con los pedazos reales. Para garantizar esa semejanza, el equipo comparó las curvas obtenidas con cientos de ejemplos arqueológicos auténticos y ajustó los parámetros mediante algoritmos evolutivos.
La clave del sistema se encuentra en comprender cómo se comportan las fibras del bambú cuando una tablilla se rompe.
Una vez generados los datos sintéticos, WisePanda utiliza una red neuronal especializada para aprender qué características distinguen a los fragmentos compatibles de los incompatibles. El sistema no reconstruye automáticamente los manuscritos completos. En su lugar, ofrece a los arqueólogos una lista ordenada de posibles coincidencias. Así, los expertos pueden concentrar sus esfuerzos en las opciones más prometedoras.
Las pruebas mostraron mejoras notables respecto a los métodos existentes. En un conjunto de 118 pares de fragmentos verificados por especialistas, WisePanda alcanzó una precisión Top-50 del 91,81 %. Los sistemas rivales obtuvieron resultados significativamente inferiores. Estos resultados sugieren que la incorporación explícita de principios físicos aporta una ventaja sustancial frente a los enfoques puramente geométricos o basados en exclusiva en datos.
En un conjunto de 118 pares de fragmentos verificados por especialistas, WisePanda alcanzó una precisión Top-50 del 91,81 %.
Los investigadores también comprobaron que el método puede aplicarse a tablillas de madera, aunque con un rendimiento menor, debido a las diferencias estructurales entre ambos materiales. Aun así, los resultados indican que el enfoque posee un potencial considerable susceptible de aplicarse a otros objetos arqueológicos fragmentados. Cerámicas, metales, manuscritos o piezas de alfarería podrían beneficiarse de estrategias similares. La idea central consiste en sustituir la escasez de datos históricos por un conocimiento detallado de las leyes físicas que dieron forma a esos objetos.
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。