Un modelo desarrollado por investigadores europeos combina inteligencia artificial, análisis paleográfico y datación por carbono 14 para reescribir la historia de los textos más antiguos del judaísmo y el cristianismo.
La inteligencia artificial (IA) sigue avanzando en terrenos insospechados. Un reciente estudio, publicado en PLOS ONE, presenta Enoch, un modelo de predicción basado en aprendizaje automático que está cambiando la forma en que los investigadores datan los Manuscritos del Mar Muerto, una de las colecciones más valiosas de textos antiguos halladas hasta la fecha.
Estos manuscritos, descubiertos entre 1947 y 1956 en las cuevas de Qumrán (Judea), contienen textos fundamentales sobre los orígenes del judaísmo y el cristianismo. Sin embargo, su datación siempre presentó enormes desafíos debido a la escasez de documentos con fechas explícitas y a las limitaciones de la paleografía tradicional, que se basa en la evolución de los estilos de escritura.
Con este contexto, el equipo liderado por Maruf Dhali, Lambert Schomaker y Eva Mroczek diseñó Enoch, un modelo que combina Bayesian ridge regression con análisis detallado de las formas de los caracteres y curvas de escritura, todo apoyado en una sólida base de datos de dataciones por radiocarbono.
“Nuestro objetivo era reducir la subjetividad de la paleografía y aportar estimaciones probabilísticas basadas tanto en evidencia física como geométrica”, explicaron los autores.
Cómo funciona Enoch
Para entrenar a Enoch, los investigadores partieron de 24 muestras de manuscritos previamente datadas con carbono 14 (14C), proceso en el cual se emplearon técnicas químicas avanzadas para eliminar residuos grasos y evitar distorsiones en las mediciones. Las muestras abarcan manuscritos de diferentes estilos —principalmente los llamados tipos «Hasmoneo» y «Herodiano»—, que van desde el siglo IV a. C. hasta el siglo II d. C.
El equipo utilizó imágenes multiespectrales de alta resolución y técnicas de binarización avanzadas (a través de la red neuronal BiNet) para separar las trazas de tinta del fondo. Posteriormente, aplicaron algoritmos de extracción de características sobre la morfología de los caracteres y las curvas de las líneas escritas.
Estos datos sirvieron para alimentar el modelo de Bayesian ridge regression, que puede generar predicciones probabilísticas con márgenes de error explícitos. Según los resultados del estudio, Enoch logró predecir las fechas de los manuscritos con un error medio absoluto (MAE) de entre 27,9 y 30,7 años.
“La diferencia con los métodos tradicionales es sustancial: Enoch no produce una fecha única, sino una distribución de probabilidad que permite evaluar la incertidumbre de la estimación”, señalan los investigadores.
Resultados disruptivos
Cuando el modelo se aplicó a 135 manuscritos sin datación previa, los resultados sorprendieron a la comunidad académica: en un 79% de los casos, las predicciones de Enoch coincidieron con evaluaciones paleográficas posteriores.
Más aún, tanto las fechas derivadas del 14C como las de Enoch tienden a ser más antiguas que las estimaciones tradicionales. Esto sugiere que ciertos estilos de escritura coexistieron durante períodos más largos de lo que se pensaba, y que algunos textos clave fueron copiados antes de la expansión del reino Hasmoneo.
Por ejemplo, el manuscrito 4Q114, que contiene fragmentos del libro de Daniel, mostró un rango de fechas calibrado de 230 a 160 a. C., coincidiendo con la época en que los eruditos suponen que se escribió la versión final de este texto bíblico.
Otro caso notable es 4Q109 (Eclesiastés), para el cual Enoch predijo una fecha en el siglo III a. C., muy cercana a la época estimada de composición original. “Estos hallazgos establecen, por primera vez, fragmentos bíblicos que datan de la época en que se cree que fueron redactados sus textos base”, destacan los autores.
Un modelo con proyección global
Los creadores de Enoch subrayan que su modelo es transparente y explicable, a diferencia de las llamadas «cajas negras» de la IA. Además, puede adaptarse para estudiar otros conjuntos de manuscritos antiguos con cronologías inciertas.
“Los métodos detrás de Enoch ofrecen una objetividad cuantificada a la paleografía y permiten que expertos e historiadores puedan ajustar, confirmar o refinar sus propias estimaciones”, señalan.
De cara al futuro, los investigadores planean ampliar el entrenamiento de Enoch con nuevos manuscritos datados por carbono 14, así como explorar la incorporación de modelos de deep learning más avanzados a medida que se disponga de más datos etiquetados.
En definitiva, el desarrollo de Enoch no solo está redefiniendo la historia textual de los Manuscritos del Mar Muerto, sino que también abre un nuevo paradigma en el estudio de textos antiguos, combinando el rigor de la ciencia física con el poder analítico de la inteligencia artificial.