Arqueólogos convierten millones de fragmentos antiguos en un enorme rompecabezas 3D para que la IA los reconstruya

Quieren enseñar a la IA a ensamblar hallazgos arqueológicos rotos casi como un enorme rompecabezas tridimensional. Investigadores están desarrollando un sistema que buscará fragmentos de cerámica, herramientas de piedra y huesos que encajen entre sí y, cuando falten piezas, propondrá la forma probable del objeto completo.

La tarea parece sencilla solo mientras en la mesa haya dos fragmentos. En las colecciones arqueológicas puede haber miles de fragmentos dispersos, y los especialistas deben comparar manualmente su forma, superficie y los bordes de las fracturas. Los autores del proyecto señalan que por eso no intentan reunir sistemáticamente la mayor parte de las colecciones. Para la cerámica, la proporción de emparejamientos exitosos, según sus estimaciones, es de alrededor del 1%, para los huesos varía entre el 4% y el 26%.

Incluso un par de piezas que coinciden pueden contar mucho sobre el pasado. Si una lasca de piedra encaja con una pieza procedente de otra parte de la excavación, los arqueólogos pueden rastrear dónde el artesano antiguo trabajó la herramienta y cómo se movía por el yacimiento. Los huesos de animales que coinciden ayudan a reconstruir el despiece de las reses, y los fragmentos de restos humanos proporcionan más información sobre la anatomía.

Al principio, los investigadores reunirán una base de al menos 100.000 objetos reales y artificialmente fragmentados. A cada uno le añadirán un modelo tridimensional, fotografías, descripción y datos de catálogo. Intentarán modelar las fracturas por ordenador teniendo en cuenta cómo se rompen realmente la piedra, la arcilla y el hueso, para que el sistema no aprenda solo con ejemplos digitales demasiado ideales.

Después, el modelo deberá resolver a la vez dos tareas: entender dónde colocar cada fragmento encontrado y sugerir la forma de las partes perdidas. La geometría no basta para esto. La IA podrá tener en cuenta fotografías e información textual sobre el hallazgo para descartar reconstrucciones que encajen bien en forma pero contradigan los datos arqueológicos.

Los investigadores no tienen intención de aceptar automáticamente el resultado. Los arqueólogos compararán las reconstrucciones propuestas y señalarán qué opciones tienen sentido. Ese control es especialmente necesario cuando parte del objeto se ha destruido completamente y ya no es posible verificar la única variante posible de ensamblaje.

El equipo ya cuenta con la base técnica para el nuevo sistema. El modelo anterior, GARF, fue entrenado con más de 1,9 millones de fracturas, después de lo cual se probó con datos sintéticos y escaneos reales de cerámica, huesos, objetos de piedra y otros elementos. El desarrollo más reciente, CRAG, fue más allá y aprendió no solo a emparejar los fragmentos conservados, sino también a generar la geometría probable de las partes ausentes.

Se destinó un plazo de tres años para crear el nuevo sistema. El proyecto recibió financiación del programa Schmidt Sciences, y los desarrolladores prometen abrir los conjuntos de datos reunidos, los pesos de los modelos y las pruebas para otros especialistas. Si el enfoque funciona en colecciones grandes, la IA podrá revisar miles de combinaciones por los arqueólogos y dejar a las personas la parte principal del trabajo: entender qué historia cuentan las coincidencias halladas.