Cómo la inteligencia artificial ayudó a encontrar ciudades perdidas del antiguo Medio Oriente

Los arqueólogos aplican algoritmos informáticos para analizar datos comerciales antiguos inscritos en tabletas de arcilla, utilizando tecnología en busca de ciudades perdidas.

Los arqueólogos descubren las ciudades perdidas por una variedad de métodos, desde el rastreo de las historias orales y el folclore hasta las fotos de Google Earth y las imágenes de satélite .

Fuentes literarias como La Ilíada de Homero , por ejemplo, guiaron a Heinrich Schliemann a descubrir las antiguas ciudades griegas de Troya y Micenas. El folclore y las entrevistas con residentes locales ayudaron a Hiram Bingham III a redescubrir la antigua ciudad inca de Machu Picchu en Perú.

Hoy en día, los arqueólogos buscan cada vez más herramientas digitales para descubrir el pasado.

Utilizando supercomputadoras, los investigadores informaron a finales de 2017 que habían encontrado 11 ciudades perdidas en el Iraq moderno mediante el análisis de datos cuantitativos grabados en antiguas tabletas de arcilla.

El proyecto Old Asyrian Text Project , dirigido por el arqueólogo de Harvard Gojko Barjamovic, se centra en la red de comercio de larga distancia documentada más antigua de la historia: una red de comercio que abarcó lo que ahora es Iraq, Siria y Turquía durante la Edad del Bronce Medio (aproximadamente 1945-1730 ANTES DE CRISTO).

Durante más de un siglo de excavaciones, los arqueólogos han traducido más de 23,500 tabletas de arcilla vinculadas a la cultura del antiguo asirio . Las tabletas están inscritas en un alfabeto cuneiforme llamado acadio , y algunos envíos récord de oro, plata, lana y otros materiales entre los centros urbanos.

“Es pura suerte que estas tabletas de arcilla todavía estén aquí”, dijo Barjamovic. También es una suerte que Akkadian se traduzca casi palabra por palabra al inglés.

Barjamovic digitalizó el contenido de alrededor de 12,000 tabletas para que los arqueólogos puedan analizar los datos antiguos utilizando computadoras de manera más fácil y rápida.

Eso le permitió concentrarse en las tabletas que representan los envíos de carga entre dos ciudades, lo que lo ayudaría a buscar otras ciudades a lo largo de antiguas rutas comerciales.

Identificó 253 tabletas que describen más de 300 envíos de mercancías entre 29 ciudades, incluido el centro comercial de Kanesh en el centro de la Turquía moderna, y otras 12 cuyas ubicaciones se perdieron a lo largo del tiempo.

Con acceso a supercomputadoras en Chicago y Francia, Barjamovic y sus colegas aplicaron un algoritmo de software basado en la geografía y modelos económicos estadísticos modernos. Comenzó con la suposición de que las ciudades se intercambiaban más a menudo con las ciudades cercanas.

El algoritmo accedió al volumen comercial y a otros datos, como los precios de los productos básicos y el tamaño de la población, para estimar la distancia entre cada par de ciudades. Barjamovic dijo que saber cuán separados están dos puntos no dice cómo se orientan entre sí, incluso si se conoce la ubicación de una ciudad. Pero al combinar todas las estimaciones a la vez, Barjamovic y un equipo de economistas podrían triangular las ubicaciones aproximadas de las ciudades desconocidas.

Sin embargo, Barjamovic subestimó cuán complejas serían las matemáticas.

“Al principio, pensé que se podía hacer con una calculadora de bolsillo”.

Estos investigadores resolvieron un problema de clasificación, dijo Shashi Jain, gerente de innovación en el Grupo de Software y Servicios de Intel. El equipo de ingenieros de AI y científicos de datos de Jain trabajan con el Frontier Development Lab de la NASA (FDL) para construir mapas complejos de los polos lunares .

“Si conoce las coordenadas, entonces puede predecir la presencia de otras características según el conjunto de datos que tenga”, dijo Jain. “Pueden calcular un radio promedio y luego calcular esas intersecciones usando esa información”.

Dijo que la tecnología le da a los arqueólogos una forma diferente de pensar.

“En lugar de mirar las cosas desde un punto de vista cultural, los investigadores están aplicando métodos estadísticos a los datos y llegando a algo que antes no podían ver”, dijo Jain.

Data Crunching señala el camino

Debido a que el modelo era altamente no lineal -todo enlace comercial dependía de todos los demás simultáneamente- los cálculos requerían serios poderes informáticos, según el economista Thomas Chaney de Sciences Po en París , uno de los colaboradores de Barjamovic.

El equipo compiló algunos datos en el servidor Acropolis de la Universidad de Chicago , con grupos de 500 trabajadores y hasta 100 Gb de memoria. Chaney dijo que cada una de las aproximadamente 50 estimaciones tomó al menos un día para correr.

“De vez en cuando, Gojko encontraba un nuevo tesoro de textos antiguos para leer, y eso aumentaría el tamaño de nuestro conjunto de datos, permitiéndonos volver a ejecutar todo con mejores datos”, dijo Chaney.

Exactitud del algoritmo

“Si sacas las ciudades conocidas y dejas que la computadora haga el cálculo, las encuentra de nuevo”, dijo Barjamovic. “Esa es una buena señal de que estamos en algo”.

La ubicación de la ciudad no fue lo único que examinó el proyecto, dijo Barjamovic. Un debate ha estado ansioso por lo que impulsó a las ciudades antiguas a prosperar y crecer. El acceso a recursos como minerales, campos fértiles y ríos alimenta una economía, pero los resultados del Proyecto Antiguo Asirio sugieren que, al menos en la región, el factor crítico es el lugar donde se encuentra una ciudad en una red de transporte.

Barjamovic dijo que las ciudades en las intersecciones de las rutas comerciales naturales funcionan mejor que las ciudades ubicadas lejos de las rutas comerciales. Señaló que las ciudades en Turquía han existido 4.000 años hasta la actualidad, mientras que otras desaparecieron.

El nuevo enfoque no hará que encontrar ciudades perdidas sea tan fácil como jugar Pokémon Go, pero podría complementar métodos más tradicionales. Barjamovic dijo que podría ser utilizado en cualquier lugar con una gran cantidad de datos históricos existentes, incluidos los comerciantes italianos en la Edad Media y los comerciantes judíos en El Cairo.

Más datos de calidad, mejores resultados

La próxima etapa del proyecto Old Asyrian es digitalizar más tabletas.

“Necesitamos datos masivos: 12,000 textos apenas son suficientes”, dijo Barjamovic.

En cuanto a si Google Translate algún día tendrá una opción de “viejo asirio”, eso probablemente no sucederá, dijo. Traducir Akkadian requiere el juicio de un lingüista experto, ya que muchas inscripciones son incompletas y algunas palabras pueden escribirse de diferentes maneras.

Pero podría ser posible mirar el lado social de la red comercial al descubrir quién escribió las tabletas específicas. Aproximadamente un tercio de los textos son letras e incluyen los nombres de remitentes y receptores. Diferentes comerciantes tenían distintos “estilos” de escritura, incluso cuando estampaban la misma palabra en arcilla con un lápiz óptico.

Pero armar una base de datos de escritura lo suficientemente grande para el análisis estadístico significa etiquetar millones de símbolos individualmente, razón por la cual Barjamovic ha estado trabajando con el historiador Edward Stratford de la Universidad Brigham Young para desarrollar un proyecto de base de datos de crowdsourcing llamado Tablet Ninjas.

“Los humanos son muy buenos en la coincidencia de patrones, y yodescubrieron que a algunos humanos les gusta ayudar con lenguajes arcanos “, dijo Stratford. Él y un estudiante de posgrado ya desarrollaron un modelo básico de trabajo, y actualmente están creando una aplicación para Android.

Si el equipo pudiera extraer la información social contenida en el texto, dijo Barjamovic, podría ayudarlos a comprender mejor a los grupos pequeños de personas íntimamente vinculadas a lo largo de las antiguas rutas comerciales.

“¿Por qué los ricos se vuelven más ricos? Es factible que preguntes eso de este material de 4.000 años de antigüedad “.

Tags:
, Artificial Intelligence Newswire, Wire, United States, Spanish