![\"ADN\"](\"https:\/\/teknomers.com\/es\/wp-content\/uploads\/2022\/03\/DeepMind-Ithaca-una-nueva-IA-para-interpretar-textos-antiguos.jpg\")
<\/div>\nAprovechar el reconocimiento facial para diagnosticar enfermedades raras<\/h2>\n<\/div>\n<\/article>\n<\/div>\n
Ithaca deber\u00eda proporcionar resultados m\u00e1s completos que Pythia cuando se enfrenta a desaf\u00edos de interpretaci\u00f3n de idiomas. En 2019, DeepMind declar\u00f3: \u201c Uno de los problemas para discernir el significado de fragmentos de texto incompletos es que a menudo hay m\u00faltiples soluciones posibles. En los juegos de palabras, los jugadores adivinan letras para completar una palabra o frase. Cuantas m\u00e1s letras se especifican, m\u00e1s limitadas se vuelven las posibles soluciones. Pero a diferencia de esos juegos, donde los jugadores tienen que adivinar una oraci\u00f3n de forma aislada, los historiadores que restauran un texto pueden estimar la probabilidad de diferentes soluciones posibles bas\u00e1ndose en otras claves de contexto en la inscripci\u00f3n, como consideraciones gramaticales y ling\u00fc\u00edsticas, dise\u00f1o o contexto hist\u00f3rico.<\/em>. \u00bb<\/p>\n Con Ithaca, DeepMind acaba de demostrar una inteligencia artificial capaz de deducir, a partir de estos elementos, un texto faltante, pero tambi\u00e9n el origen geogr\u00e1fico de un fragmento o su dataci\u00f3n en un plazo de treinta a\u00f1os. El inter\u00e9s para los arque\u00f3logos es evidente. como se recuerda Ars-Technica<\/em><\/a>, muchas fuentes antiguas est\u00e1n tan da\u00f1adas que gran parte de sus inscripciones son completamente ilegibles. La cuesti\u00f3n de su origen geogr\u00e1fico tambi\u00e9n es un desaf\u00edo, ya que cada fragmento se ha movido a lo largo de los siglos. En cuanto a la cuesti\u00f3n de la dataci\u00f3n, los m\u00e9todos actuales (cuando es posible) corren el riesgo de da\u00f1ar a\u00fan m\u00e1s los restos.<\/p>\n Ithaca utiliza el principio del aprendizaje autom\u00e1tico. Antes de ser puesta a prueba, la inteligencia artificial de DeepMind se ejercit\u00f3 en 78,608 inscripciones griegas antiguas, cada una etiquetada con metadatos que describen d\u00f3nde y cu\u00e1ndo fueron escritas, hasta donde saben los historiadores. A partir de ah\u00ed, el software busc\u00f3 patrones en esta informaci\u00f3n y los us\u00f3 para construir algoritmos.<\/p>\n Una vez lanzado, los cient\u00edficos que lo crearon afirman queIthaca tiene una precisi\u00f3n del 62 % en la restauraci\u00f3n de letras en textos da\u00f1ados<\/strong>. Podr\u00eda asignar una inscripci\u00f3n a cualquiera de las 84 regiones del mundo griego antiguo con una precisi\u00f3n del 71 %. Estad\u00edsticas prometedoras, pero que siguen siendo perfectibles. Ithaca no puede prescindir de la experiencia humana, y cabe se\u00f1alar que sus algoritmos se basan en el conocimiento humano que, en s\u00ed mismo, puede resultar err\u00f3neo de la noche a la ma\u00f1ana.<\/p>\n Para Thea Sommerschield, historiadora y experta en aprendizaje autom\u00e1tico, Ithaca deber\u00eda verse m\u00e1s como \u201c una herramienta complementaria para ayudar a los historiadores<\/em> y no como un historiador completamente automatizado. El c\u00f3digo fuente de Ithaca tambi\u00e9n se puede mejorar: su c\u00f3digo est\u00e1 disponible en c\u00f3digo abierto.<\/p>\n<\/div>\nUna “herramienta complementaria” y nada m\u00e1s… por ahora<\/h2>\n