La inteligencia artificial puede revisar miles de signos antiguos en minutos, pero el caso del Lineal A demuestra que encontrar patrones no equivale a comprender una lengua perdida.

***

• Un ingeniero de IA y lingüista aficionado afirmó haber identificado una relación semítica en el Lineal A.
• La inteligencia artificial permitió probar una hipótesis humana contra un corpus completo y asignar valores a 40 signos.
• El reducido corpus y la falta de un texto bilingüe impiden confirmar que los patrones encontrados tengan el significado correcto.

La inteligencia artificial (IA) está ayudando a estudiar lenguas antiguas que durante décadas resistieron los esfuerzos de los especialistas. Sin embargo, el caso del Lineal A y del etrusco muestra que la velocidad computacional no reemplaza la evidencia histórica ni la revisión humana.

El problema de descifrar una lengua sin referente

Descifrar una lengua antigua suele requerir un punto de apoyo. Ese ancla puede ser un texto bilingüe, como la Piedra de Rosetta, o una lengua emparentada cuyo vocabulario y estructura ya sean conocidos.

La Piedra de Rosetta permitió comparar los mismos contenidos escritos en jeroglíficos egipcios, demótico y griego antiguo. Esa comparación ofreció a los investigadores una ruta para relacionar signos desconocidos con palabras y conceptos identificables.

El Lineal A no cuenta con una ayuda equivalente. Se trata del sistema de escritura utilizado por la civilización minoica durante la Edad de Bronce en la isla griega de Creta.

Los especialistas describen la lengua asociada con el Lineal A como un aislado lingüístico. Hasta ahora, no existe un vínculo confirmado con ninguna lengua conocida, ya sea viva o muerta.

Esta ausencia convirtió al Lineal A en uno de los grandes desafíos de la lingüística histórica durante aproximadamente un siglo. Los investigadores pueden reconocer signos y repeticiones, pero todavía no pueden establecer con seguridad qué significan.

El etrusco presenta una situación algo menos opaca. Esta lengua se utilizó en Italia antes del surgimiento del Imperio Romano y dejó un vocabulario parcial en inscripciones funerarias breves.

Ese vocabulario permite formular algunas hipótesis, aunque la gramática y el significado más profundo del etrusco siguen sin resolverse. En ambos casos, los datos disponibles son insuficientes para construir una traducción plenamente comprobable.

La inteligencia artificial resulta atractiva precisamente por esa dificultad. Puede procesar grandes cantidades de signos, buscar regularidades y comparar estructuras con una rapidez que supera ampliamente la revisión manual.

El objetivo no consiste necesariamente en reemplazar a los lingüistas. La función más útil de estas herramientas es ampliar la capacidad de los investigadores para poner a prueba intuiciones y descartar hipótesis débiles.

Una hipótesis humana examinada por máquinas

En junio de 2026, un ingeniero de inteligencia artificial autodidacta y lingüista aficionado afirmó haber logrado un avance en el estudio del Lineal A. Su trabajo comenzó con una sola suposición sobre una palabra desconocida.

La hipótesis planteaba que esa palabra, incluida en una inscripción de oración, podía derivar de una raíz semítica relacionada con los conceptos de habitar o residir. El investigador decidió probar si ese patrón fonético aparecía en otras partes del corpus.

Para realizar la comprobación, utilizó scripts de programación construidos con ayuda de inteligencia artificial. La herramienta permitió revisar miles de caracteres y comparar rápidamente la propuesta con el material conocido del Lineal A.

Según el reclamo, el proceso permitió asignar valores a 40 signos. También habría producido un léxico de 408 palabras a partir de las inscripciones disponibles.

La interpretación propuesta sostiene que el Lineal A pertenecería a la familia de lenguas semíticas. Ese grupo incluye idiomas como el hebreo y el arameo.

La afirmación todavía requiere revisión. Ars Technica presentó el caso como una muestra del atractivo y de las limitaciones de aplicar IA al desciframiento de idiomas antiguos, no como una solución definitivamente aceptada.

El detalle central es que la máquina no originó la idea inicial. La intuición sobre la raíz semítica surgió del investigador humano, mientras que la IA actuó como asistente para verificarla a gran escala.

Sin herramientas automatizadas, una persona podría haber necesitado meses para ejecutar manualmente una revisión similar. La programación asistida redujo ese trabajo a un proceso mucho más rápido y accesible.

Esta división del trabajo resulta más importante que cualquier afirmación individual pendiente de confirmación. La creatividad sigue dependiendo del especialista, mientras que la IA aporta velocidad, capacidad de comparación y detección de patrones.

El modelo puede ayudar a identificar si una conjetura se repite en diferentes inscripciones. Sin embargo, la presencia de repeticiones no demuestra por sí sola que la interpretación semántica sea correcta.

Lo que la inteligencia artificial puede hacer

La fortaleza más clara de la IA en este campo es la búsqueda de patrones a gran escala. Un sistema puede examinar un archivo completo en minutos y detectar secuencias que podrían pasar inadvertidas para una persona.

Esta capacidad también permite comprobar si una propuesta sobre un signo o una palabra mantiene coherencia cuando aparece en contextos diferentes. El resultado puede orientar nuevas investigaciones y reducir el tiempo dedicado a hipótesis poco prometedoras.

Otra aplicación consiste en restaurar inscripciones dañadas o fragmentarias. Al analizar los signos vecinos, un modelo puede predecir qué caracteres faltantes encajarían estadísticamente en una secuencia.

Una predicción de ese tipo no equivale a una recuperación arqueológica. La IA puede sugerir una reconstrucción plausible, pero los investigadores todavía deben contrastarla con la forma del objeto, la inscripción y el contexto histórico.

Los modelos también pueden realizar transferencia cruzada lingüística. En términos simples, un sistema entrenado con una lengua conocida puede inferir ciertos patrones en otra lengua desconocida cuando ambas tienen una relación estrecha.

El proceso se parece a las deducciones que un hablante de español puede hacer al encontrarse con una palabra o estructura del portugués. La semejanza entre idiomas ofrece pistas, aunque no garantiza que cada término tenga el mismo significado.

Los investigadores ya han utilizado enfoques de este tipo con escrituras como el ugarítico. La ventaja en ese caso es que el ugarítico pertenece a una familia lingüística conocida.

El ugarítico fue una lengua semítica extinta que se habló durante la Edad de Bronce tardía, aproximadamente entre 1300 y 1190 a.C., en la ciudad costera de Ugarit, ubicada en la actual Siria.

Cuando existe una familia lingüística identificable, los modelos tienen más elementos para distinguir una regularidad real de una coincidencia. El Lineal A y el etrusco son más difíciles porque sus anclas son inexistentes o incompletas.

Ninguna cantidad de poder computacional puede fabricar desde cero un texto bilingüe o una relación lingüística que la evidencia histórica no demuestra. La IA puede acelerar el análisis, pero no crear el contexto perdido.

El límite entre patrón y significado

Un corpus suficientemente grande podría permitir que un modelo reconociera la estructura superficial de una lengua antigua. Podría aprender qué signos suelen aparecer juntos y qué palabras tienden a compartir un contexto.

Con suficiente información, el sistema incluso podría producir una conversación limitada con apariencia de fluidez. Esa capacidad estadística no significaría que la máquina comprende las referencias culturales o el significado real de las expresiones.

La fluidez y el significado son conceptos distintos. Un modelo puede reutilizar correctamente una secuencia en un contexto nuevo sin saber si la palabra se refiere a una persona, un lugar, un objeto ritual o una acción.

Ese problema complica la evaluación de cualquier reclamo asistido por IA. En una lengua moderna, los investigadores pueden consultar hablantes nativos, comparar traducciones y observar el uso cotidiano.

También pueden contrastar una interpretación con textos adicionales y con un consenso académico acumulado durante décadas. Ninguno de esos mecanismos está disponible para una lengua genuinamente indescifrada.

En el caso del Lineal A y del etrusco, no existe una comunidad de hablantes nativos que pueda confirmar una traducción. Tampoco hay una máquina del tiempo que permita preguntar directamente a quienes utilizaron esas lenguas.

El corpus sobreviviente del Lineal A contiene aproximadamente 7.500 caracteres. Todo ese material podría caber en una sola pantalla, una limitación que reduce considerablemente la fuerza de las conclusiones estadísticas.

Cuando hay pocos datos, casi cualquier hipótesis puede encontrar coincidencias aisladas que parezcan respaldarla. Por esa razón, identificar un patrón no equivale a demostrar una lectura completa o una traducción correcta.

La diferencia entre ambas afirmaciones es fundamental. Decir que la IA encontró un patrón describe un resultado computacional, mientras que decir que encontró el significado correcto exige evidencia histórica y lingüística adicional.

Por eso, los reclamos en este campo dependen del escrutinio de expertos independientes y de la revisión por pares. Un puntaje estadístico de confianza no puede sustituir ese proceso de validación.

Un acelerador para un enigma humano

Las limitaciones no convierten a la IA en un callejón sin salida. La tecnología puede comprimir años de referencias cruzadas manuales en minutos y permitir que más investigadores exploren problemas que antes exigían recursos institucionales.

Ese acceso ampliado puede beneficiar especialmente a especialistas independientes. Un investigador con conocimientos lingüísticos y herramientas de programación puede probar ideas que antes habrían quedado fuera de su alcance práctico.

Sin embargo, una mayor facilidad para formular hipótesis también puede aumentar el número de interpretaciones débiles. La rapidez para producir resultados no garantiza que esos resultados resistan una evaluación rigurosa.

La revisión humana debe examinar la consistencia de los signos, la gramática propuesta, el contexto arqueológico y las comparaciones con otras lenguas. También debe considerar si la hipótesis explica el conjunto del corpus o solo algunos ejemplos seleccionados.

El caso de la propuesta semítica para el Lineal A ilustra esa tensión. La IA ayudó a revisar la idea contra el archivo disponible, pero la herramienta no resolvió por sí misma la ausencia de una lengua relacionada confirmada.

El etrusco enfrenta un desafío similar, aunque cuenta con un vocabulario parcial procedente de inscripciones funerarias. Esa base puede contribuir al análisis, pero todavía no proporciona una comprensión completa de su gramática.

En ambos idiomas, el progreso dependerá de encontrar una ancla comparativa genuina o de reunir evidencia suficiente para que una interpretación sobreviva a múltiples pruebas independientes. La tecnología puede preparar el terreno, pero no completar ese salto.

La inteligencia artificial tampoco elimina la necesidad de creatividad. Las preguntas decisivas, las conexiones inesperadas y la selección de hipótesis todavía dependen de investigadores capaces de interpretar el contexto cultural.

El panorama más realista no es una máquina que descifra automáticamente todas las lenguas perdidas. Es una colaboración en la que los humanos plantean ideas y la IA examina sus consecuencias con velocidad.

Hasta que aparezca una nueva evidencia para el Lineal A o el etrusco, la IA seguirá siendo un asistente muy rápido para un rompecabezas antiguo y profundamente humano. Su mayor aporte será ampliar la investigación sin borrar la diferencia entre una coincidencia atractiva y un avance verificable.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín