211service.com
AI aborda los secretos del Vaticano
Los Archivos Secretos del Vaticano son material de leyenda. Según se informa, ocupan unos 85 kilómetros de estanterías en la Ciudad del Vaticano y contienen cartas privadas y otros documentos de papas anteriores, algunos de los cuales datan del siglo VIII.
Los archivos están muy bien guardados. Sin embargo, desde 1881, los académicos han tenido acceso limitado a algunos de los documentos, e incluso esto ha revelado mucho.
Por ejemplo, hay un rollo de 60 metros que detalla los juicios de los Caballeros Templarios, que comenzaron en 1307 y duraron varios años. Hay cartas a varios papas de Miguel Ángel; de Enrique VIII, solicitando la nulidad del matrimonio; y de María, Reina de Escocia, rogando por intercesión antes de su decapitación.
Los archivos también contienen correspondencia más reciente, como cartas de Abraham Lincoln y Jefferson Davis que intentan persuadir al Papa Pío IX para que favorezca la Unión y la Confederación, respectivamente. Luego están los registros relacionados con el Papa Pío XII y sus tratos con el régimen nazi durante la Segunda Guerra Mundial, que nunca se han publicado. De hecho, todos los registros desde 1939 en adelante son completamente secretos.
Si bien está prohibida la publicación de los registros, los archivos cuentan con sus propios estudios fotográficos y de conservación. Y como muchos archivos históricos de todo el mundo, han comenzado a guardar imágenes de ciertos documentos para preservarlos y permitir un mayor estudio.
Pero los registros del Vaticano son tan voluminosos que transcribirlos a mano no es práctico en un período de tiempo razonable. ¿Podría ayudar la visión artificial?
Hoy recibimos una respuesta gracias al trabajo de Donatella Firmani en la Universidad Roma Tre en Italia y algunos colegas. Estas personas han comenzado un proyecto llamado En relación de código (Latín para The Code System), que tiene como objetivo transcribir automáticamente una parte de los Archivos Secretos del Vaticano llamados Registros del Vaticano.
Este corpus consta de más de 18 000 páginas de correspondencia oficial del siglo XIII entre la Iglesia católica y reyes, reinas e instituciones políticas y religiosas de toda Europa. Sin haber sido transcritos en el pasado, estos documentos tienen una relevancia histórica sin precedentes, dicen Firmani y compañía.
Los textos medievales plantean un problema único para la visión artificial. Los algoritmos de reconocimiento de caracteres ópticos convencionales no funcionan bien porque los manuscritos están escritos en diferentes estilos con diferentes ligaduras (caracteres que combinan letras adyacentes) y con abreviaturas idiosincrásicas.
Para evitar eso, los académicos han desarrollado sistemas de visión artificial que reconocen palabras enteras en lugar de letras. Pero esto está lejos de ser satisfactorio, porque la mayoría de las palabras aparecen solo unas pocas veces, incluso en documentos extensos. Por lo tanto, crear conjuntos de datos para que las máquinas aprendan es difícil.
Ahora, Firmani y compañía han ideado una nueva forma de entrenar un sistema de reconocimiento óptico de caracteres que divide cada palabra en una serie de trazos, que encajan como un rompecabezas. Nuestro objetivo es desarrollar un sistema completo que transcriba tanto como sea posible de los manuscritos, dicen.
Después de dividir cada palabra en trazos, el sistema intenta unirlas para formar letras conocidas y luego analiza todas las posibles permutaciones de letras. Finalmente, descarta todas aquellas que no sean gramaticales.
Por ejemplo, un patrón común de trazos puede interpretarse como iii o como m, pero el primero puede descartarse como gramaticalmente inadmisible. Los mismos trazos también pueden representar in o ni, y para decidir entre ellos, el sistema debe estudiar la palabra y su contexto más de cerca.
El primer paso de Firmani y compañía fue crear un conjunto de datos para entrenar un sistema de visión artificial basado en una red neuronal. Este conjunto de datos debe etiquetarse para que el sistema pueda aprender qué letras están representadas por diferentes combinaciones de trazos.
Firmani y compañía utilizaron crowdsourcing para completar esta anotación. Presentaron la segmentación de rompecabezas de palabras como un problema de reconocimiento de patrones a 120 estudiantes de secundaria, como si fueran rompecabezas de Captcha. Los estudiantes juntos etiquetaron manualmente un conjunto de datos de entrenamiento de 15,000 caracteres en un par de horas.
Los resultados son impresionantes. Pudimos generar la transcripción exacta del 65 por ciento de las imágenes de palabras de nuestro conjunto de datos, dicen Firmani y compañía.
Ese es un importante paso adelante para la transcripción de textos medievales y para los historiadores en general. Sin embargo, hay más trabajo por delante. Por ejemplo, la transcripción funciona con letras minúsculas, por lo que un próximo objetivo importante es ampliar el vocabulario para incluir letras mayúsculas y algunas de las muchas abreviaturas utilizadas en el texto medieval.
Aún no está claro cómo los Archivos Secretos del Vaticano utilizarán esta tecnología. Tampoco se sabe si los Registros Vaticanos serán publicados cuando se transcriban.
Pero incluso si no lo son, las herramientas que Firmani y compañía están desarrollando deberían permitir que los académicos progresen. Por ejemplo, permiten un estudio basado en datos de documentos históricos que podrían observar frecuencias de palabras o frases, por ejemplo, y cómo cambian con el tiempo. Eso puede proporcionar información cultural importante.
Será fascinante ver si el Vaticano decide compartir este conocimiento u ocultarlo.
Ref: arxiv.org/abs/1803.03200 : Hacia el descubrimiento del conocimiento de los archivos secretos del Vaticano. In Codice Ratio – Episodio 1: Transcripción automática de los manuscritos.