Desbloqueando registros coloniales con Inteligencia Artificial. Logrando la transcripción automatizada de colecciones históricas latinoamericanas a gran escala de los siglos XVI y XVII - Lancaster EPrints

Entre los siglos XVI y XVIII, se produjeron millones de documentos en toda América Latina, redactados tanto por colonizadores españoles como por pueblos indígenas. Estos registros coloniales fueron escritos en una variedad de estilos caligráficos complejos y a menudo incluían lenguas indígenas junto con el español. Tal diversidad y la antigüedad de estos documentos han hecho que su transcripción e interpretación sean un desafío significativo, requiriendo experiencia paleográfica especializada y conocimiento de lenguas históricas. Como resultado, muchos valiosos conocimientos históricos permanecen encerrados en archivos, inaccesibles para la mayoría de los investigadores y el público.\n\nLos avances recientes en Aprendizaje Automático e Inteligencia Artificial han abierto nuevas vías para abordar estos desafíos de transcripción. En esta investigación, el equipo desarrolló dos herramientas computacionales principales para ayudar a desbloquear los ricos datos históricos contenidos en los archivos coloniales. La primera herramienta es un clasificador de documentos históricos que emplea Redes Neuronales Convolucionales (CNN) y Máquinas de Vectores de Soporte (SVM) para identificar y categorizar con precisión los diferentes estilos caligráficos encontrados en los documentos. Este clasificador demostró un excelente rendimiento, alcanzando puntuaciones F1 superiores al 90% para la mayoría de los tipos de escritura, lo que indica un alto nivel de precisión y exhaustividad.\n\nEl segundo método computacional se centra en el Reconocimiento de Texto Manuscrito (HTR). Usando la plataforma Transkribus, los investigadores entrenaron modelos específicamente en manuscritos españoles de los siglos XVI y XVII, lo que permitió la transcripción automatizada de textos manuscritos. Los resultados mostraron tasas de error de carácter (CER) competitivas, con 5.25% para la escritura Redonda, 8.92% para Itálica Cursiva y 14.15% para Procesal Simple. Estas tasas de error son logros notables dada la complejidad y variación histórica en los estilos de escritura.\n\nJuntas, estas herramientas automatizadas permiten la transformación de documentos archivísticos previamente “ilegibles” o inaccesibles en datos digitalizados y buscables. Este avance mejorará significativamente la accesibilidad de los registros históricos latinoamericanos, capacitando a bibliotecas, archivos e investigadores para desbloquear siglos de información que había sido difícil o imposible de descifrar. En última instancia, este proyecto representa un gran avance en las humanidades digitales, cerrando la brecha entre la erudición histórica y la tecnología de IA de vanguardia.\n\nLas implicaciones de este avance tecnológico van más allá de la mera transcripción. Al automatizar la lectura y clasificación de vastas colecciones de documentos coloniales, la investigación abre nuevas vías para el análisis histórico, estudios lingüísticos y preservación cultural. También presenta oportunidades para colaboraciones entre historiadores, científicos de la computación y comunidades indígenas para reclamar y reinterpretar su pasado compartido. A medida que estas técnicas impulsadas por IA continúan mejorando, prometen revolucionar la forma en que se estudian los documentos históricos, preservando un patrimonio cultural invaluable para las futuras generaciones.