Contextualización de textos antiguos con redes neuronales generativas

Área de la Ciencia:

• Humanidades digitales
• La inteligencia artificial en la historia

Sus antecedentes:

• Las inscripciones antiguas ofrecen una visión directa de las civilizaciones históricas.
• Los métodos digitales actuales para analizar las inscripciones se limitan a coincidencias literales y alcances estrechos.
• Los historiadores confían en la identificación de paralelos textuales para la contextualización, la restauración y la atribución.

Objetivo del estudio:

• Para introducir Eneas, una red neuronal generativa diseñada para contextualizar textos antiguos.
• Aprovechar la IA para recuperar paralelos textuales y contextuales, utilizando entradas visuales y restaurando textos.
• Avanzar en el estado de la técnica en las tareas de análisis de textos históricos.

Principales métodos:

• Desarrollo de Eneas, una red neuronal generativa para la contextualización de textos antiguos.
• Integración de las capacidades de procesamiento de datos textuales y visuales.
• Evaluación a través de un estudio a gran escala que involucra a historiadores que utilizan las salidas de Eneas.

Principales resultados:

• Los historiadores encontraron paralelos recuperados por Eneas útiles en el 90% de los casos, aumentando la confianza en un 44%.
• Los historiadores asistidos por Eneas superaron a los humanos y a la IA por sí solos en la restauración y la atribución geográfica.
• Eneas logró una precisión de 13 años en la datación de las inscripciones en comparación con los rangos de verdad.

Conclusiones:

• Aeneas mejora significativamente los flujos de trabajo de la investigación histórica al proporcionar paralelos contextuales y ayudar en el análisis del texto.
• La integración de la IA con los métodos históricos ofrece herramientas transformadoras para comprender el pasado.
• Eneas demuestra el potencial de la IA para avanzar en el estudio de las civilizaciones antiguas a través del análisis de inscripciones.