Es una tarde en 1531, en la ciudad de Venecia. En un taller de impresoras, un aprendiz trabaja sobre el diseño de una página que está destinada a un libro de texto de astronomía — una línea densa de tipo y una ilustración en madera de una cabeza querubín observando formas que se mueven a través del cosmos, representando un eclipse lunar.
Al igual que todos los aspectos de la producción de libros en el siglo XVI, es un proceso que lleva mucho tiempo, pero que permite que el conocimiento se extienda a una velocidad sin precedentes.
Quinientos años después, la producción de información es una bestia completamente diferente: terabytes de imágenes, video, y texto en torrentes de datos digitales que circulan casi instantáneamente y tienen que analizarse casi tan rápido, permitiendo — y requiriendo — la capacitación de modelos de aprendizaje automático para clasificar el flujo. Este cambio en la producción de información tiene implicaciones para el futuro de todo, desde la creación de arte hasta el desarrollo de drogas.
Pero esos avances también están haciendo posible ver de manera diferente los datos del pasado. Los historiadores han comenzado a usar redes neuronales profundas de aprendizaje automático — en particular — para examinar documentos históricos, incluidas tablas astronómicas como las producidas en Venecia y otras ciudades modernas tempranas, manchado por siglos pasados en archivos mohosos o distorsionado por el deslizamiento de la mano de una impresora.
Los historiadores dicen que la aplicación de la informática moderna al pasado distante ayuda a establecer conexiones en una franja más amplia del registro histórico de lo que sería posible, corregir las distorsiones que provienen del análisis del historial de un documento a la vez. Pero introduce distorsiones propias, incluido el riesgo de que el aprendizaje automático deslice el sesgo o las falsificaciones directas en el registro histórico. Todo esto se suma a una pregunta para los historiadores y otros que, a menudo se argumenta, entienden el presente al examinar la historia: con máquinas preparadas para desempeñar un papel más importante en el futuro, ¿Cuánto deberíamos cederles del pasado?
Continuar leyendo (en inglés): https://www.technologyreview.com/2023/04/11/1071104/ai-helping-historians-analyze-past/