_
_
_
_

As¨ª funciona la ¡®piedra de Rosetta¡¯ de los legajos

Cient¨ªficos de C¨¢diz y Valencia crean un sistema con inteligencia artificial capaz de encontrar palabras en documentos digitalizados con caligraf¨ªa de los siglos XV al XIX

Jes¨²s A. Ca?as
Carlos Alonso, investigador del centro de arqueolog¨ªa subacu¨¢tica de Andaluc¨ªa probando el software 'Carabela' en C¨¢diz.
Carlos Alonso, investigador del centro de arqueolog¨ªa subacu¨¢tica de Andaluc¨ªa probando el software 'Carabela' en C¨¢diz.Juan Carlos Toro

Un barco tambi¨¦n puede ser un nav¨ªo, una bombarda, una capitana, una carabela, una nao, un gale¨®n o una chalupa. Cualquiera de esas palabras aguarda escondida entre los miles de documentos antiguos que atesora un archivo hist¨®rico. Puede estar escrita a mano, m¨¢s o menos legible, en letra human¨ªstica, procesal encadenada o cortesana. No hay historiador que no se haya enfrentado a esta matrioska investigadora. Pero uno de ellos, Carlos Alonso, se pregunt¨® si un sistema de inteligencia artificial no podr¨ªa hacer ese engorroso trance. Y el proyecto ¡®Carabela¡¯ le acaba de demostrar que un algoritmo puede ser una suerte de piedra de Rosetta para legajos hist¨®ricos.

¡°Tiempo y dinero¡±, eso es lo que cuesta cualquier investigaci¨®n sobre pecios hundidos, seg¨²n explica Alonso, historiador del Centro de Arqueolog¨ªa Subacu¨¢tica (CAS) de C¨¢diz. ?l es uno de los art¨ªfices de este sistema inteligente capaz de encontrar palabras y combinaciones de palabras en documentos antiguos digitalizados. Este sistema ha ocupado m¨¢s de dos a?os de trabajo a investigadores del CAS -subsede del Instituto Andaluz del Patrimonio Hist¨®rico, IAPH- y del Centro de Investigaci¨®n de Reconocimiento de Patrones y Tecnolog¨ªa del Lenguaje Humano, PRHLT, de la Universitat Polit¨¨cnica de Val¨¨ncia (UPV), liderados por el catedr¨¢tico Enrique Vidal.

El f¨ªsico valenciano y su equipo (integrado por Jos¨¦ Miguel Bened¨ª, Lorenzo Quir¨®s, Francisco Casacuberta, Mois¨¦s Pastor, Vicente Bosch, Alejandro Toselli, Ver¨®nica Romero y Joan Andreu S¨¢nchez) lleva m¨¢s de 12 a?os enfrascado en investigaciones destinadas a desarrollar tecnolog¨ªas capaces de procesar textos escritos a mano. Han conseguido buenos resultados para colecciones concretas, como con los manuscritos del fil¨®sofo ingl¨¦s Jeremy Bentham. Pero nunca hab¨ªan logrado el ambicioso reto que Alonso ten¨ªa en mente desde que, en 2011, supo del trabajo de Vidal a trav¨¦s de una entrevista: conseguir que el sistema entienda diferentes tipos de letra, habitualmente enrevesados, y en im¨¢genes de diversa calidad.

¡°Eran dificultades que nunca hab¨ªamos tocado¡±, explica Vidal. Hasta que en el proyecto Carabela -desarrollado entre 2017 y 2019 con financiaci¨®n de la Fundaci¨®n BBVA- han demostrado que la tecnolog¨ªa est¨¢ preparada para leer palabras en fotograf¨ªas de bajo contraste y calidad, de hasta 125 p¨ªxeles por pulgada, escritas en variables -y, a veces, casi ilegibles- estilos de letra desde el siglo XV al XIX. ¡°Hemos forzado al m¨¢ximo al sistema y el resultado ha sido muy bueno¡±, afirma Alonso. Esta variabilidad de im¨¢genes, calidades y estilos de escritura eran requisitos imprescindibles para que pudiese resultar de utilidad en las investigaciones sobre barcos hundidos que en el CAS realizan para confeccionar su carta arqueol¨®gica subacu¨¢tica.?

¡°Aunque los documentos est¨¦n catalogados o digitalizados, hay que tener en cuenta que el 80% o 90% del contenido de los archivos es desconocido¡±

El sistema se basa en un m¨¦todo de indexaci¨®n probabil¨ªstica, con una interfaz similar a un buscador por palabras. El algoritmo trabaja p¨ªxel por p¨ªxel de la imagen empleando modelos ¨®pticos, que descifran la escritura de los caracteres, como con modelos de lenguaje, que analizan c¨®mo se combinan estos para formar palabras y frases. Las b¨²squedas producen resultados acertados en m¨¢s de un 80% de los casos y el sistema siempre informa porcentualmente al usuario sobre el grado de fiabilidad de lo que encuentra. ¡°El ¨¦xito se debe en buena medida a que no se insiste en transcribir textualmente, sino que construye mapas de indexaci¨®n con probabilidades de todo lo que puede estar escrito en cada punto de cada imagen¡±, detalla Vidal.

Pero el algoritmo no aprendi¨® solo a hacer esta tarea. ¡°En Valencia fueron capaces de poner en marcha la escuela y nosotros ense?amos al ni?o a leer¡±, explica Alonso en referencia al trabajo desarrollado junto a Carmen Garc¨ªa Rivera -directora del CAS-, Lourdes M¨¢rquez, y los colaboradores Mar¨ªa del Carmen Orcero y David Garrido. El equipo seleccion¨® m¨¢s de 130.000 im¨¢genes -a fotograf¨ªa por p¨¢gina- procedentes de colecciones del Archivo Hist¨®rico Provincial de C¨¢diz y del Archivo General de Indias de Sevilla. De ellas, Alonso escogi¨® 514 documentos al azar, en funci¨®n de los diferentes tipos de letras, calidades de imagen o de contraste.

El historiador fue transcribiendo palabra por palabra, indic¨¢ndole al algoritmo las variaciones en la escritura que los t¨¦rminos han experimentado en los siglos -abreviaturas, cambios entre la v y la b- o sus sin¨®nimos, para que luego fuera capaz de buscar por s¨ª mismo. ¡°Cuando llevaba solo 10 documentos, el sistema ya hab¨ªa aprendido y ayudaba a la tarea de transcribir manualmente¡±, recuerda el historiador. Fue m¨¢s un a?o de ense?anza con la incertidumbre de si realmente ¡®Carabela¡¯ funcionar¨ªa o no. La duda qued¨® despejada cuando busc¨®, por primera vez, entre los 130.000 documentos la palabra ¡°naufragio¡± y el sistema le devolvi¨® 400 referencias. De ellas, 150 conten¨ªan informaci¨®n in¨¦dita para el CAS.?

¡°Aunque los documentos est¨¦n catalogados o digitalizados, hay que tener en cuenta que el 80% o 90% del contenido de los archivos es desconocido¡±, asegura el arque¨®logo. ¡®Carabela¡¯, en fase beta y consultable en la red, ha demostrado salvar ese escollo con ¨¦xito, pero tambi¨¦n se puede convertir en un peligro para cazatesoros y piratas que rastrean las referencias escritas de hundimientos para expoliar los yacimientos subacu¨¢ticos. Por ello, los art¨ªfices del programa han optado por limitar el acceso a las im¨¢genes que usaron del Archivo de Indias, donde se atesoran 80 millones de documentos sobre el comercio con Am¨¦rica durante siglos. Adem¨¢s, el programa, ha servido para clasificar los documentos indexados seg¨²n su nivel de riesgo de exhibici¨®n p¨²blica. Esto permitir¨¢ saber f¨¢cilmente qu¨¦ partes sensibles de los archivos hay que proteger.

La nueva piedra de Rosetta de los legajos se perfila ya como una futura herramienta de gran utilidad para los investigadores, ¡°aunque todav¨ªa queda mucho por desarrollar y mejorar¡±, asegura el historiador gaditano. De hecho, sus desarrolladores sue?an con seguir mejorando el algoritmo en futuros proyectos para afinar a¨²n m¨¢s la b¨²squeda y que el sistema sea incluso capaz de producir transcripciones aproximadas de p¨¢rrafos seleccionados por los usuarios. ¡°Es un proyecto experimental con buen resultado. La clave ahora es la sensibilidad que desde el mundo de los archivos demuestren por ¨¦l¡±, zanja ilusionado Alonso.

Tu suscripci¨®n se est¨¢ usando en otro dispositivo

?Quieres a?adir otro usuario a tu suscripci¨®n?

Si contin¨²as leyendo en este dispositivo, no se podr¨¢ leer en el otro.

?Por qu¨¦ est¨¢s viendo esto?

Flecha

Tu suscripci¨®n se est¨¢ usando en otro dispositivo y solo puedes acceder a EL PA?S desde un dispositivo a la vez.

Si quieres compartir tu cuenta, cambia tu suscripci¨®n a la modalidad Premium, as¨ª podr¨¢s a?adir otro usuario. Cada uno acceder¨¢ con su propia cuenta de email, lo que os permitir¨¢ personalizar vuestra experiencia en EL PA?S.

En el caso de no saber qui¨¦n est¨¢ usando tu cuenta, te recomendamos cambiar tu contrase?a aqu¨ª.

Si decides continuar compartiendo tu cuenta, este mensaje se mostrar¨¢ en tu dispositivo y en el de la otra persona que est¨¢ usando tu cuenta de forma indefinida, afectando a tu experiencia de lectura. Puedes consultar aqu¨ª los t¨¦rminos y condiciones de la suscripci¨®n digital.

Sobre la firma

Jes¨²s A. Ca?as
Es corresponsal de EL PA?S en C¨¢diz desde 2016. Antes trabaj¨® para peri¨®dicos del grupo Vocento. Se licenci¨® en Periodismo por la Universidad de Sevilla y es M¨¢ster de Arquitectura y Patrimonio Hist¨®rico por la US y el IAPH. En 2019, recibi¨® el premio C¨¢diz de Periodismo por uno de sus trabajos sobre el narcotr¨¢fico en el Estrecho de Gibraltar.

M¨¢s informaci¨®n

Archivado En

Recomendaciones EL PA?S
Recomendaciones EL PA?S
Recomendaciones EL PA?S
_
_
seductrice.net
universo-virtual.com
buytrendz.net
thisforall.net
benchpressgains.com
qthzb.com
mindhunter9.com
dwjqp1.com
secure-signup.net
ahaayy.com
tressesindia.com
puresybian.com
krpano-chs.com
cre8workshop.com
hdkino.org
peixun021.com
qz786.com
utahperformingartscenter.org
worldqrmconference.com
shangyuwh.com
eejssdfsdfdfjsd.com
playminecraftfreeonline.com
trekvietnamtour.com
your-business-articles.com
essaywritingservice10.com
hindusamaaj.com
joggingvideo.com
wandercoups.com
wormblaster.net
tongchengchuyange0004.com
internetknowing.com
breachurch.com
peachesnginburlesque.com
dataarchitectoo.com
clientfunnelformula.com
30pps.com
cherylroll.com
ks2252.com
prowp.net
webmanicura.com
sofietsshotel.com
facetorch.com
nylawyerreview.com
apapromotions.com
shareparelli.com
goeaglepointe.com
thegreenmanpubphuket.com
karotorossian.com
publicsensor.com
taiwandefence.com
epcsur.com
southstills.com
tvtv98.com
thewellington-hotel.com
bccaipiao.com
colectoresindustrialesgs.com
shenanddcg.com
capriartfilmfestival.com
replicabreitlingsale.com
thaiamarinnewtoncorner.com
gkmcww.com
mbnkbj.com
andrewbrennandesign.com
cod54.com
luobinzhang.com
faithfirst.net
zjyc28.com
tongchengjinyeyouyue0004.com
nhuan6.com
kftz5k.com
oldgardensflowers.com
lightupthefloor.com
bahamamamas-stjohns.com
ly2818.com
905onthebay.com
fonemenu.com
notanothermovie.com
ukrainehighclassescort.com
meincmagazine.com
av-5858.com
yallerdawg.com
donkeythemovie.com
corporatehospitalitygroup.com
boboyy88.com
miteinander-lernen.com
dannayconsulting.com
officialtomsshoesoutletstore.com
forsale-amoxil-amoxicillin.net
generictadalafil-canada.net
guitarlessonseastlondon.com
lesliesrestaurants.com
mattyno9.com
nri-homeloans.com
rtgvisas-qatar.com
salbutamolventolinonline.net
sportsinjuries.info
wedsna.com
rgkntk.com
bkkmarketplace.com
zxqcwx.com
breakupprogram.com
boxcardc.com
unblockyoutubeindonesia.com
fabulousbookmark.com
beat-the.com
guatemala-sailfishing-vacations-charters.com
magie-marketing.com
kingstonliteracy.com
guitaraffinity.com
eurelookinggoodapparel.com
howtolosecheekfat.net
marioncma.org
oliviadavismusic.com
shantelcampbellrealestate.com
shopleborn13.com
topindiafree.com
v-visitors.net
djjky.com
053hh.com
originbluei.com
baucishotel.com
33kkn.com
intrinsiqresearch.com
mariaescort-kiev.com
mymaguk.com
sponsored4u.com
crimsonclass.com
bataillenavale.com
searchtile.com
ze-stribrnych-struh.com
zenithalhype.com
modalpkv.com
bouisset-lafforgue.com
useupload.com
37r.net
autoankauf-muenster.com
bantinbongda.net
bilgius.com
brabustermagazine.com
indigrow.org
miicrosofts.net
mysmiletravel.com
selinasims.com
spellcubesapp.com
usa-faction.com
hypoallergenicdogsnames.com
dailyupdatez.com
foodphotographyreviews.com
cricutcom-setup.com
chprowebdesign.com
katyrealty-kanepa.com
tasramar.com
bilgipinari.org
four-am.com
indiarepublicday.com
inquick-enbooks.com
iracmpi.com
kakaschoenen.com
lsm99flash.com
nana1255.com
ngen-niagara.com
technwzs.com
virtualonlinecasino1345.com
wallpapertop.net
casino-natali.com
iprofit-internet.com
denochemexicana.com
eventhalfkg.com
medcon-taiwan.com
life-himawari.com
myriamshomes.com
nightmarevue.com
healthandfitnesslives.com
androidnews-jp.com
allstarsru.com
bestofthebuckeyestate.com
bestofthefirststate.com
bestwireless7.com
britsmile.com
declarationintermittent.com
findhereall.com
jingyou888.com
lsm99deal.com
lsm99galaxy.com
moozatech.com
nuagh.com
patliyo.com
philomenamagikz.net
rckouba.net
saturnunipessoallda.com
tallahasseefrolics.com
thematurehardcore.net
totalenvironment-inthatquietearth.com
velislavakaymakanova.com
vermontenergetic.com
kakakpintar.com
begorgeouslady.com
1800birks4u.com
2wheelstogo.com
6strip4you.com
bigdata-world.net
emailandco.net
gacapal.com
jharpost.com
krishnaastro.com
lsm99credit.com
mascalzonicampani.com
sitemapxml.org
thecityslums.net
topagh.com
flairnetwebdesign.com
rajasthancarservices.com
bangkaeair.com
beneventocoupon.com
noternet.org
oqtive.com
smilebrightrx.com
decollage-etiquette.com
1millionbestdownloads.com
7658.info
bidbass.com
devlopworldtech.com
digitalmarketingrajkot.com
fluginfo.net
naqlafshk.com
passion-decouverte.com
playsirius.com
spacceleratorintl.com
stikyballs.com
top10way.com
yokidsyogurt.com
zszyhl.com
16firthcrescent.com
abogadolaboralistamd.com
apk2wap.com
aromacremeria.com
banparacard.com
bosmanraws.com
businessproviderblog.com
caltonosa.com
calvaryrevivalchurch.org
chastenedsoulwithabrokenheart.com
cheminotsgardcevennes.com
cooksspot.com
cqxzpt.com
deesywig.com
deltacartoonmaps.com
despixelsetdeshommes.com
duocoracaobrasileiro.com
fareshopbd.com
goodpainspills.com
hemendekor.com
kobisitecdn.com
makaigoods.com
mgs1454.com
piccadillyresidences.com
radiolaondafresca.com
rubendorf.com
searchengineimprov.com
sellmyhrvahome.com
shugahouseessentials.com
sonihullquad.com
subtractkilos.com
valeriekelmansky.com
vipasdigitalmarketing.com
voolivrerj.com
zeelonggroup.com
1015southrockhill.com
10x10b.com
111-online-casinos.com
191cb.com
3665arpentunitd.com
aitesonics.com
bag-shokunin.com
brightotech.com
communication-digitale-services.com
covoakland.org
dariaprimapack.com
freefortniteaccountss.com
gatebizglobal.com
global1entertainmentnews.com
greatytene.com
hiroshiwakita.com
iktodaypk.com
jahatsakong.com
meadowbrookgolfgroup.com
newsbharati.net
platinumstudiosdesign.com
slotxogamesplay.com
strikestaruk.com
trucosdefortnite.com
ufabetrune.com
weddedtowhitmore.com
12940brycecanyonunitb.com
1311dietrichoaks.com
2monarchtraceunit303.com
601legendhill.com
850elaine.com
adieusolasomade.com
andora-ke.com
bestslotxogames.com
cannagomcallen.com
endlesslyhot.com
iestpjva.com
ouqprint.com
pwmaplefest.com
qtylmr.com
rb88betting.com
buscadogues.com
1007macfm.com
born-wild.com
growthinvests.com
promocode-casino.com
proyectogalgoargentina.com
wbthompson-art.com
whitemountainwheels.com
7thavehvl.com
developmethis.com
funkydogbowties.com
travelodgegrandjunction.com
gao-town.com
globalmarketsuite.com
blogshippo.com
hdbka.com
proboards67.com
outletonline-michaelkors.com
kalkis-research.com
thuthuatit.net
buckcash.com
hollistercanada.com
docterror.com
asadart.com
vmayke.org
erwincomputers.com
dirimart.org
okkii.com
loteriasdecehegin.com
mountanalog.com
healingtaobritain.com
ttxmonitor.com
nwordpress.com
11bolabonanza.com