Blog

Hay algo casi inquietante en todo esto. Pensar que una inteligencia artificial moderna puede reconocer la forma de escribir de una persona que murió hace más de tres milenios suena más a ciencia ficción arqueológica que a un proyecto académico real. Pero eso es exactamente lo que acaba de ocurrir con el llamado Palaeographicum.

Desarrollada por investigadores de la Universidad Julius-Maximilians de Würzburgo y de la Academia de Ciencias y Literatura de Maguncia, esta herramienta analiza tablillas cuneiformes hititas y detecta diferencias minúsculas en la forma de los signos. Diferencias que, hasta ahora mismo, solo podían identificar expertos tras horas (o días) de trabajo manual.

La IA puede distinguir estilos personales en escritura cuneiforme

La escritura cuneiforme fue uno de los grandes inventos del Próximo Oriente Antiguo. Durante milenios, distintos pueblos presionaron signos en forma de cuña sobre tablillas de arcilla húmeda utilizando punzones. Después, aquellas tablillas se secaban y quedaban convertidas en documentos extraordinariamente resistentes.

El problema es que muchísimas acabaron fragmentadas. Hoy, los restos aparecen repartidos entre museos y colecciones de todo el mundo, obligando a los especialistas a reconstruir piezas como si fueran un gigantesco puzzle histórico.

En el caso hitita, además, el desafío es enorme. Su sistema incluía unos 375 signos distintos capaces de representar sílabas o palabras completas. Y aunque a primera vista muchas tablillas parecen similares, cada escriba dejaba pequeños rasgos personales en la forma de presionar el punzón sobre la arcilla.

Algunos generaban remates más marcados. Otros separaban los caracteres de manera muy concreta. Había quienes inclinaban ligeramente ciertos trazos o imprimían más fuerza en determinadas marcas. En esencia, algo parecido a una caligrafía personal.

Lo que antes llevaba tres días ahora se hace en cinco minutos

El Palaeographicum trabaja sobre una base gigantesca: unas 70.000 fotografías con más de cinco millones de caracteres cuneiformes digitalizados dentro del Portal de Hititología de Maguncia, uno de los mayores archivos especializados del mundo.

Esta IA extrae automáticamente los signos presentes en las imágenes y busca coincidencias visuales entre tablillas distintas. Así puede localizar caracteres escritos de forma idéntica o muy similar y agruparlos en tablas comparativas.

El impacto práctico es enorme. Según explica Daniel Schwemer, director del Departamento de Estudios del Próximo Oriente Antiguo en Würzburgo, comparar manualmente la escritura de un mismo signo en varios fragmentos distintos podía consumir hasta tres días completos de trabajo. Con la nueva herramienta, la misma operación tarda apenas cinco minutos. Y eso no solo acelera investigaciones. También multiplica las posibilidades de reconstruir tablillas incompletas y fechar documentos que hasta ahora resultaban extremadamente difíciles de contextualizar.

El verdadero objetivo es todavía más ambicioso

La escritura hitita evolucionó con el tiempo, igual que ocurrió siglos después con las grafías europeas. Eso significa que las variaciones en los signos pueden servir también para datar textos antiguos. Pero el equipo alemán quiere ir todavía más lejos.

El objetivo final es entrenar esta IA hasta que sea capaz de identificar automáticamente a escribas individuales y reconstruir sus trayectorias profesionales completas. Saber qué documentos redactó una misma persona, cómo evolucionó su escritura con los años o incluso detectar diferencias entre textos escritos con calma y documentos redactados apresuradamente durante inspecciones oficiales del imperio hitita. Y ahí es donde la arqueología empieza a rozar algo mucho más humano.

Porque, de repente, aquellas marcas sobre arcilla dejan de ser simples signos antiguos. Empiezan a parecer rastros personales. Gestos repetidos miles de veces por individuos concretos que vivieron, trabajaron y escribieron hace 3.500 años.

La IA no está “reviviendo” a los escribas hititas, claro. Pero sí está consiguiendo algo que hasta hace poco parecía imposible: devolver individualidad a personas que la historia había reducido a fragmentos anónimos de barro seco.

El problema del almacenamiento digital siempre ha tenido la misma dirección: hacer más pequeño lo que guarda más. Desde los primeros discos magnéticos hasta los SSD actuales, la evolución ha consistido en comprimir cada vez más información en menos espacio. Sin embargo, hay un límite físico en los materiales tradicionales, y es precisamente ese límite el que está empujando a la investigación hacia terrenos que hasta hace poco parecían ajenos a la informática.

Uno de esos caminos apunta directamente al ADN. No como metáfora, sino como soporte real de almacenamiento. Un equipo de la Universidad de Missouri está desarrollando un sistema que utiliza ADN sintético para codificar información digital, con una promesa difícil de ignorar: almacenar hasta 215 petabytes en un solo gramo. La cifra, que equivale a unos 200 millones de gigas, supera con creces cualquier tecnología comercial actual.

Una lógica diferente para almacenar información

La clave de esta capacidad no está en la velocidad ni en la electrónica, sino en la forma en que el ADN codifica la información. Los sistemas digitales actuales trabajan con un modelo binario, basado en dos estados posibles: 0 y 1. El ADN, en cambio, utiliza cuatro componentes básicos (adenina, timina, citosina y guanina) que permiten una codificación más densa.

Esa diferencia cambia completamente la escala. Cada base de ADN puede representar el equivalente a dos bits, lo que multiplica exponencialmente la cantidad de combinaciones posibles en una cadena. Traducido a términos prácticos, significa que una cantidad mínima de material puede almacenar volúmenes masivos de información.

La idea no es nueva en teoría, pero lo que está cambiando es la capacidad de llevarla a la práctica. Los investigadores ya pueden sintetizar cadenas de ADN artificial y utilizarlas para almacenar datos, además de desarrollar métodos para leer esa información a partir de cambios eléctricos cuando las moléculas atraviesan sensores microscópicos.

El gran problema: escribir es fácil, reescribir no tanto

A pesar del potencial, el principal obstáculo no está en almacenar información, sino en manipularla. El ADN funciona de forma muy distinta a un disco duro convencional. Mientras que en un HDD o un SSD se puede escribir, borrar y reescribir datos continuamente, el ADN se comporta más como un soporte de una sola escritura.

Esa limitación es clave. En su estado actual, esta tecnología se parece más a un CD que a un disco duro moderno. Una vez que la información queda codificada en la cadena de ADN, modificarla implica un proceso complejo que no es práctico para el uso cotidiano.

Para superar este problema, los investigadores están trabajando en lo que describen como un “disco duro molecular”. La idea es dividir la información en pequeñas cadenas de ADN que puedan editarse de forma selectiva, evitando tener que reconstruir todo el conjunto cada vez que se realiza un cambio. Es un enfoque que intenta trasladar la lógica del almacenamiento digital tradicional a un soporte completamente distinto.

Leer moléculas como si fueran datos

Otro de los avances clave está en la forma de interpretar la información almacenada. Para leer el ADN, los científicos utilizan dispositivos capaces de detectar variaciones en corrientes eléctricas cuando una molécula atraviesa un sensor microscópico. Cada uno de los nucleótidos altera la señal de forma diferente, lo que permite reconstruir la secuencia y traducirla de nuevo a datos digitales.

Este proceso convierte algo que pertenece al ámbito de la biología en un flujo de información que puede integrarse en sistemas informáticos. No es inmediato ni sencillo, pero demuestra que la barrera entre ambos mundos es más fina de lo que parecía.

Una tecnología prometedora… pero todavía lejana

A pesar de los avances, el camino hacia un uso real sigue siendo largo. La síntesis de ADN artificial es todavía un proceso costoso y complejo, y las técnicas de lectura y escritura necesitan mejoras significativas para ser viables a gran escala. No se trata solo de almacenar datos, sino de hacerlo de forma eficiente, rápida y económicamente sostenible.

Además, hay un factor práctico que no se puede ignorar: la velocidad. Aunque el ADN ofrece una densidad de almacenamiento incomparable, los tiempos de acceso y modificación no compiten, al menos por ahora, con las tecnologías actuales.

Un cambio de paradigma que ya está en marcha

Lo interesante de este proyecto no es solo lo que promete, sino lo que anticipa. El almacenamiento de datos podría dejar de depender exclusivamente de materiales electrónicos para explorar soluciones basadas en la biología. No como reemplazo inmediato, sino como complemento para necesidades específicas, como el almacenamiento masivo a largo plazo.

En ese escenario, el ADN no sería un sustituto de los discos duros que usamos a diario, sino una nueva categoría de soporte, pensada para guardar información durante largos periodos en espacios mínimos.

La idea puede parecer lejana, pero ya no pertenece al terreno de la especulación. Está en laboratorio, avanzando paso a paso. Y si algo demuestra este proyecto es que, cuando se trata de almacenar información, la naturaleza lleva millones de años de ventaja.

La búsqueda del superconductor perfecto lleva décadas obsesionando a físicos e ingenieros. La promesa es enorme: materiales capaces de transportar electricidad sin pérdidas energéticas, eliminando uno de los principales problemas que afectan desde las redes eléctricas hasta los centros de datos y los futuros ordenadores cuánticos. Sin embargo, encontrar nuevos superconductores ha sido históricamente un proceso lento, complejo y, en muchos casos, dependiente del azar.

Ahora, un equipo del Laboratorio Nacional Argonne y de la Universidad Northwestern cree haber encontrado una forma diferente de abordar el problema. Lo que comenzó como un experimento relativamente sencillo para reorganizar átomos dentro de una estructura cristalina terminó revelando diez materiales completamente nuevos.

Un experimento que no salió como esperaban

La investigación, publicada en la revista Science, se centró en materiales formados por bario, antimonio, azufre y telurio. La idea inicial parecía simple. Los investigadores querían modificar gradualmente la distribución de los átomos de azufre y telurio dentro de una misma estructura cristalina sin alterar la proporción total de elementos presentes en el compuesto. Lo lógico era esperar pequeñas variaciones dentro de una misma familia de materiales. Sin embargo, ocurrió algo muy distinto.

Cada vez que aumentaban la cantidad de azufre, aparecía una estructura cristalina diferente. En lugar de obtener simples mezclas o variaciones menores, el material se reorganizaba dando lugar a un compuesto completamente nuevo.

Según explicó el investigador Xiuquan Zhou, prácticamente cada modificación produjo una arquitectura atómica distinta. Lo más llamativo es que todas esas estructuras parecían estar relacionadas entre sí mediante patrones matemáticos que las conectaban dentro de una misma familia conocida como serie homóloga.

La importancia de descubrir nuevas familias de materiales

A primera vista, generar diez estructuras cristalinas distintas puede parecer un logro reservado a los especialistas. Pero sus implicaciones podrían ser mucho más amplias.

La estructura interna de un material determina propiedades fundamentales como la conductividad eléctrica, el comportamiento magnético o la forma en que interactúa con la luz y el calor. En otras palabras, cambiar la disposición de los átomos equivale a cambiar las capacidades del material.

Por eso los científicos buscan constantemente nuevas configuraciones cristalinas. Cada una representa una posible puerta hacia propiedades físicas desconocidas.

Durante décadas, muchos superconductores fueron descubiertos de manera casi accidental. Los investigadores probaban combinaciones químicas y observaban qué ocurría. Este método permitió avances importantes, pero también limitó la velocidad del progreso. La nueva técnica apunta en una dirección diferente: diseñar materiales de forma mucho más controlada y sistemática.

Una herramienta que también podría ayudar a la inteligencia artificial

El hallazgo llega en un momento en el que la inteligencia artificial se está convirtiendo en una herramienta clave para la ciencia de materiales. Actualmente, numerosos algoritmos analizan gigantescas bases de datos químicas en busca de compuestos prometedores. El problema es que esos sistemas aprenden a partir de materiales ya conocidos.

Cuando aparece una estructura completamente nueva, la IA suele tener dificultades para identificarla o predecir su comportamiento. Por eso los investigadores creen que descubrimientos como este pueden ser especialmente valiosos. No solo amplían el catálogo de materiales disponibles, sino que proporcionan información nueva para entrenar futuras generaciones de modelos de inteligencia artificial.

El equipo utilizó técnicas avanzadas de difracción de rayos X, microscopía electrónica y análisis químico de alta precisión para confirmar que cada estructura poseía características únicas.

Todavía es pronto para saber si alguna de estas nuevas configuraciones acabará convirtiéndose en el superconductor que la industria lleva décadas buscando. Sin embargo, el descubrimiento aporta algo igualmente importante: una nueva forma de explorar territorios desconocidos dentro de la materia. Y en una carrera científica donde cada avance puede acercar tecnologías capaces de transformar la energía, la computación y las comunicaciones, encontrar diez nuevos caminos a partir de una sola fórmula química no parece un mal punto de partida.

Viajar a un país sin cobertura y poder mantener una conversación con alguien que habla otro idioma suele requerir descargar previamente paquetes de idiomas o depender de aplicaciones conectadas a servidores.

Google ha demostrado que existe otra posibilidad: llevar todo el traductor dentro de un pequeño dispositivo.

El proyecto se llama Gemma Translator y ha sido desarrollado por un pequeño equipo de Google Creative Lab con ayuda de Google Antigravity. No es un nuevo Google Translate ni un producto que vaya a llegar necesariamente a las tiendas: es un proyecto experimental y abierto pensado para demostrar hasta dónde ha llegado la inteligencia artificial ejecutada directamente en dispositivos pequeños.

Una Raspberry Pi 5 se encarga de toda la traducción

El corazón del sistema es una Raspberry Pi 5 con 8 GB de memoria RAM, acompañada por micrófono, altavoz y una pequeña pantalla.

Cuando alguien habla, el aparato captura el audio, lo transforma en texto, genera la traducción y posteriormente reproduce la frase traducida en voz alta. Todo el proceso se ejecuta localmente.

Eso significa que, una vez instalados los modelos necesarios, no hace falta Wi-Fi, cobertura móvil ni enviar la conversación a servidores externos.

La idea podría resultar especialmente útil durante viajes, reuniones, conferencias o simplemente en lugares donde una conexión estable a internet no está garantizada.

Gemma 4 E2B es el modelo que funciona detrás

Para la traducción, Google utiliza Gemma 4 E2B, uno de los modelos pequeños de su nueva familia Gemma 4.

Google diseñó las variantes E2B y E4B precisamente para ejecutar inteligencia artificial en dispositivos con recursos limitados. La compañía afirma que pueden funcionar localmente en teléfonos, ordenadores pequeños y equipos como Raspberry Pi.

En Gemma Translator, el modelo funciona mediante LiteRT-LM, la infraestructura de Google para ejecutar modelos generativos directamente sobre el hardware.

El resultado es especialmente interesante porque la Raspberry Pi no necesita actuar simplemente como una terminal conectada a un gigantesco centro de datos: ella misma realiza la inferencia.

Primero escucha, después traduce y finalmente habla

El sistema funciona mediante una cadena de tres pasos.

Primero, Moonshine STT convierte la voz captada por el micrófono en texto. Después, Gemma procesa ese texto y genera la traducción. Finalmente, un sistema denominado moonshine-voice TTS transforma el resultado nuevamente en voz.

La pantalla permite además visualizar las frases mientras los altavoces reproducen la traducción.

El software está diseñado incluso para conversaciones entre dos personas: cada participante puede seleccionar su idioma y utilizar controles independientes para grabar su intervención.

Google ha publicado incluso los archivos para imprimir la carcasa

Quizá lo más curioso es que cualquiera con los conocimientos y componentes necesarios puede intentar construirlo.

Google publicó en GitHub el código, los scripts de instalación y los archivos STL para imprimir en 3D la carcasa. También ofrece herramientas para configurar la Raspberry Pi y descargar el modelo necesario.

La propia compañía advierte, sin embargo, que se trata de un experimento y no de un producto oficialmente soportado por Google.

Pero precisamente ahí está su importancia.

Durante años, utilizar modelos avanzados de IA significaba conectarse a enormes servidores remotos. Gemma Translator muestra el cambio que está empezando a producirse: tareas como escuchar, entender y traducir una conversación pueden comenzar a ejecutarse en una computadora del tamaño aproximado de una tarjeta de crédito, completamente desconectada de internet.

 

 

Fuente: Infobae.