La IA acelera el descifrado de lenguas antiguas, pero no puede reemplazar el ancla humana

Toda lengua antigua que alguna vez fue descifrada necesitó un punto de apoyo. Generalmente ese ancla fue un texto bilingüe, como la Piedra de Rosetta, o una lengua emparentada conocida con la que compararse. El Lineal A, el sistema de escritura de la civilización minoica de la Edad de Bronce en la isla griega de Creta, no tiene ninguna de las dos cosas.

Según The Conversation, el Lineal A es descripto como un "aislante lingüístico" porque no tiene ningún vínculo confirmado con ninguna lengua conocida, viva o muerta. Eso lo ha convertido en un desafío significativo para los lingüistas durante el último siglo.

El etrusco, una lengua de la Italia prerromana, corrió una suerte apenas mejor. De breves inscripciones funerarias se logró reunir un vocabulario parcial, pero su gramática y su significado más profundo siguen escapándose a los especialistas.

Ambas lenguas son exactamente el tipo de enigma al que la inteligencia artificial fue convocada recientemente, no para reemplazar a los lingüistas, sino para potenciar sus intuiciones. La pregunta que flota en el ambiente académico es si la IA tiene alguna chance real de terminar lo que un siglo de esfuerzo humano no pudo.

Una hipótesis, no un milagro

Un caso reciente ilustra tanto el atractivo como la trampa. Un ingeniero autodidacta y lingüista aficionado anunció un avance sobre el Lineal A. El punto de partida fue una sola conjetura: que una palabra desconocida en una inscripción de oración derivaba de una raíz semítica que significa "habitar" o "morar".

A partir de ahí, según consigna The Conversation, el ingeniero usó scripts de programación construidos con IA para testear ese patrón sonoro contra el corpus completo del Lineal A. Logró asignar valores a 40 signos y compiló un léxico de 408 palabras, argumentando que el Lineal A sería un miembro extinto del grupo de lenguas semíticas, la misma familia que incluye el hebreo y el arameo.

Pero la fuente es precisa en algo fundamental: la IA no tuvo la idea. La tuvo el ingeniero. La IA actuó como asistente de investigación: cruzó una hipótesis humana contra miles de caracteres en minutos, trabajo que a un ser humano le habría llevado meses. Esa división del trabajo es el patrón que merece atención, mucho más que cualquier afirmación individual que todavía está siendo revisada.

Dónde ayuda y dónde choca con el techo

La inteligencia artificial es genuinamente útil para el testeo de patrones a gran escala. Puede verificar si una intuición sobre un signo o una palabra se sostiene en todo un archivo, y lo hace en minutos en lugar de años. Puede detectar secuencias repetidas que el ojo humano pasaría por alto y reconstruir inscripciones dañadas o fragmentarias prediciendo los caracteres faltantes más probables.

También realiza algo llamado "transferencia entre lenguas": un modelo entrenado en una lengua conocida puede a veces inferir patrones en una lengua desconocida estrechamente emparentada. Es similar a cómo saber español te ayuda a adivinar el portugués. Investigadores ya usaron este enfoque con éxito en escrituras como el ugarítico, una lengua semítica extinta hablada durante la Edad de Bronce tardía (alrededor de 1300-1190 a.C.) en la antigua ciudad costera de Ugarit, en lo que hoy es Siria.

Pero hay un techo duro, señala The Conversation: el reconocimiento estadístico de patrones no puede fabricar significado de la nada. Necesita un ancla, una familia lingüística conocida o un texto bilingüe, para saber qué patrones son significativos y cuáles son coincidencia. El Lineal A y el etrusco son tan difíciles, precisamente, porque ese ancla falta o es incompleta, y ninguna cantidad de poder de cómputo inventa una desde cero.

El problema del corpus pequeño

Hipotéticamente, con un corpus suficientemente grande, un modelo de IA podría volverse lo bastante "fluido" como para reconocer patrones recurrentes de palabras y unidades estructurales de una lengua, y reproponer esos términos en un contexto diferente, aproximando una conversación limitada. Pero el sistema de IA seguiría sin poder entregarle a un humano una traducción real, porque fluidez y significado no son lo mismo. El modelo puede aprender qué signos siguen a cuáles, y qué palabras aparecen juntas, sin saber jamás a qué se refiere ninguna de ellas.

Verificar cualquier afirmación asistida por IA sobre estas lenguas también es extraordinariamente difícil. En condiciones normales, una traducción propuesta se contrasta con hablantes nativos, otros textos o el consenso experto acumulado en décadas. Nada de eso existe para una lengua genuinamente no descifrada. Sin una máquina del tiempo, no hay forma de verificar.

El corpus sobreviviente del Lineal A agrava el problema: apenas unas 7.500 caracteres en total, suficiente para caber en una sola pantalla. Con tan pocos datos, casi cualquier hipótesis puede encontrar coincidencias dispersas que la respalden. Por eso, como señala la fuente, las afirmaciones en este campo dependen tan pesadamente del escrutinio experto independiente y la revisión por pares, más que de índices de confianza estadística. Y por eso "la IA encontró un patrón" y "la IA encontró el significado correcto" son afirmaciones muy distintas que es muy fácil confundir.

Un acelerador, no un oráculo

Nada de esto convierte a la IA en un callejón sin salida para estas lenguas. Todo lo contrario: es un acelerador real, capaz de comprimir años de cruce manual de referencias en minutos y de permitir que más personas intenten estos problemas que los recursos institucionales jamás hubieran permitido.

Pero no elimina los dos ingredientes que el desciframiento siempre ha requerido: un ancla comparativa genuina y una revisión humana rigurosa, que distinga un avance real de una coincidencia atractiva.

Hasta que uno de esos dos elementos aparezca para el Lineal A o el etrusco, el rol de la IA en el desciframiento de lenguas seguirá siendo lo que es hoy: un asistente muy veloz para un rompecabezas muy antiguo y muy humano.