Cuando la Computación Conoce lo que el Ojo Humano No Puede Ver
Investigadores de la Universidad de Tel Aviv han desarrollado un sistema de aprendizaje profundo capaz de analizar imágenes multiespectrales de los rollos con una precisión nunca antes lograda. Su herramienta, de código abierto, no solo segmenta tinta y pergamino con un 98% de exactitud, sino que también revela detalles ocultos que podrían reescribir nuestra comprensión de la literatura judía del Segundo Templo.
Este no es solo un avance técnico. Es una revolución en la hermenéutica digital.
Los Rollos del Mar Muerto: Más que Textos Antiguos, son Huellas de una Civilización
Comprendidos entre los años 250 a.C. y 70 d.C., los Rollos del Mar Muerto incluyen más de 950 manuscritos encontrados en cuevas cerca de Qumrán, en la ribera occidental del Mar Muerto. Contienen copias más antiguas conocidas de libros bíblicos, escritos apócrifos, reglas comunitarias y liturgias —y son clave para entender la diversidad religiosa del judaísmo en tiempos de Jesús.
Sin embargo, su preservación ha sido un desafío constante. Desde los años 50, la Autoridad de Antigüedades de Israel (IAA) ha limitado el acceso físico a los fragmentos para evitar daños. Hoy, los investigadores dependen de imágenes de alta resolución, muchas tomadas con tecnología multiespectral —que capta luz en longitudes de onda desde ultravioleta hasta infrarrojo—, revelando detalles que la visión humana no percibe.
Pero incluso estas imágenes tienen un problema: son ruidosas.
“Una imagen puede contener tinta, pergamino, una regla metálica, papel japonés de reparación, y hasta sombras del fondo negro de piedra. Para una máquina, todo es un conjunto de píxeles. Nuestro reto era enseñarle a distinguir lo que es texto… de lo que es ruido.”
— Prof. Nachum Dershowitz, Facultad de Ciencias de la Computación, Universidad de Tel Aviv
El Problema que Ningún Algoritmo Resolvía: Segmentación de Tinta y Pergamino
Antes de poder analizar el contenido textual, primero hay que separar visualmente la tinta del pergamino. Este proceso, llamado segmentación, es fundamental. Sin él, cualquier análisis de estilo caligráfico, comparación de escribas o detección de correcciones es imposible.
Hasta ahora, los académicos usaban software como Photoshop para anotar manualmente cada píxel. Una tarea que podía tomar más de 100 horas por fragmento.
En 2023, un equipo europeo presentó un modelo de red neuronal para este propósito... pero no compartió su código ni sus pesos entrenados. Esto creó una barrera invisible: solo unos pocos podían usarlo, y nadie podía replicar, validar o mejorar sus resultados.
✅ La Innovación de Tel Aviv: Código Abierto + Multiespectro + Minimización de Energía
El equipo liderado por el Prof. Nachum Dershowitz y el investigador postdoctoral Berat Kurar-Barakat eligió un camino diferente:
Usaron imágenes multiespectrales del IAA —no solo RGB, sino bandas de luz que revelan diferencias en la reflectancia de materiales.
Desarrollaron un modelo de deep learning personalizado para clasificar cada píxel en tres categorías: tinta, pergamino y fondo/noise.
Implementaron una técnica de “minimización de energía” para generar una versión limpia del texto: eliminando el fondo y el pergamino, dejando solo las letras como si estuvieran impresas sobre papel blanco.
Publicaron todo el código, los datos de entrenamiento y los modelos en GitHub —libre para uso académico.
“No queremos ser los únicos que puedan ver lo que hay en los rollos. Queremos que todos los estudiosos del mundo puedan.”
— Berat Kurar-Barakat
Resultados Sorprendentes: 98% de Precisión en el Pergamino, 75% en la Tinta
Probado en 20 fragmentos clave, incluyendo:
4Q393 (“Confesiones Comunitarias”)
4T26 (fragmentos del Levítico)
4Q270 (“Documento de Damasco”)
El sistema logró:
Segmentación del pergamino
98%
Segmentación de la tinta
75%
Identificación de agujeros vs. tinta
Mejorada en un 62% respecto a modelos previos
Uno de los mayores obstáculos fue diferenciar entre tinta negra y agujeros en el pergamino que permiten ver el fondo negro de la piedra. Ambos aparecen como áreas oscuras. Pero al analizar los contornos de reflectancia en longitudes de onda infrarrojas, el algoritmo identificó que la tinta tiene bordes más definidos y uniformes, mientras que los agujeros presentan irregularidades por el deterioro del material.
Con esta distinción, el sistema generó “imágenes inversas” donde el texto aparece claro, nítido y libre de distracciones visuales —como si se hubiera escaneado con un láser de alta precisión.
¿Por Qué Esto Cambia Todo? Las Implicaciones Académicas
 |
Este no es solo un tool para limpiar fotos. Es una nueva metodología científica.
🔍 1. Identificación de Escribas
¿Fue el mismo escriba quien copió el libro de Isaías y el Documento de Damasco? Hasta ahora, esto se basaba en comparaciones subjetivas. Ahora, el algoritmo puede medir:Espaciado entre letras
Inclinación del trazo
Variabilidad en el grosor de la línea
Patrones de corrección (borrados, sobrescrituras)
Esto permitirá agrupar fragmentos por autor, algo que podría confirmar o refutar teorías sobre la existencia de una “escuela de escribas” en Qumrán.
📚 2. Reconstrucción de Rollos Perdidos
Miles de fragmentos están dispersos en museos de todo el mundo. Si se pueden alinear automáticamente por estilo caligráfico, podríamos reconstruir rollos completos sin necesidad de reunir físicamente los pedazos.
🧠 3. Análisis de Alfabetización en la Antigüedad
Si se identifica qué textos fueron copiados por escribas profesionales y cuáles por estudiantes o comunidades locales, podríamos medir el nivel de alfabetización en Judea durante el período helenístico-romano —algo que hasta ahora solo se especulaba.
🌐 4. Acceso Democrático al Conocimiento
Al ser de código abierto, cualquier universidad, museo o investigador independiente puede usar la herramienta. Esto democratiza el estudio de los Rollos, especialmente en países con recursos limitados.
¿Qué Sigue? El Camino hacia una “Biblioteca Digital Viva”
El equipo ya está trabajando en la siguiente fase:
Entrenar el modelo con 500+ fragmentos adicionales (ya en proceso con el IAA).
Integrar reconocimiento óptico de caracteres (OCR) adaptado al hebreo antiguo.
Crear una plataforma web interactiva donde los usuarios puedan subir imágenes y recibir automáticamente el análisis segmentado.
“Con los Rollos del Mar Muerto, incluso leer una sola letra más es suficiente.”
— Prof. Dershowitz
Y esa es la esencia de este proyecto: no busca reemplazar a los eruditos, sino amplificar su capacidad de observación.
La Arqueología del Futuro No Se Hace con Pinceles, Sino con Algoritmos
La combinación de tecnología de vanguardia, ética abierta y rigor científico que caracteriza este proyecto representa un nuevo paradigma en la investigación histórica. No se trata de sustituir la interpretación humana, sino de dotarla de herramientas que amplían la percepción.
Los Rollos del Mar Muerto no eran solo documentos religiosos. Eran registros de pensamiento, educación, controversia y fe. Y ahora, por primera vez, la computadora los está leyendo como ellos fueron escritos: no como reliquias, sino como mensajes vivos, codificados en tinta y piel.
Este es el futuro de la humanidad: donde la ciencia de la computación y la sabiduría ancestral se encuentran, no en competencia, sino en colaboración.
Recursos Relevantes (Para Lectores y Investigadores)🔗 Código Fuente Abierto: github.com/telaviv-rolls-segmentation (hipotético, reemplazar con URL real)
📸 Imágenes Multiespectrales del IAA: www.antiquities.org.il/rolls
📘 Congreso Mundial de Estudios Judíos 2024: jewishstudies2024.huji.ac.il
🎥 Video explicativo del método (disponible en YouTube): “AI Revealing Ancient Scrolls – Tel Aviv University”
