Un equipo multidisciplinar español y portugués, en el que participa la Universidad de Alcalá, desarrolla un método basado en Inteligencia Artificial que determina con gran precisión la procedencia de materiales arqueológicos prehistóricos
Un equipo multidisciplinar de arqueólogos y expertos en inteligencia artificial españoles y portugueses ha combinado técnicas de medición arqueológica no destructivas, aprendizaje automático (Machine Learning) y herramientas de Inteligencia Artificial explicable (XAI, por sus siglas en inglés) para desarrollar un sistema de IA aplicable a la investigación en arqueología. En este caso concreto, para investigar la procedencia de muestras arqueológicas de variscita, mineral con un característico color verde muy apreciado en la Prehistoria y distribuido por amplias redes de intercambio a lo largo de Europa occidental entre el VI y el II milenio a.C. Se utilizaba para hacer collares, pulseras, anillos… elementos de adorno personal en general.
Este grupo de investigadores lleva años colaborando para saber de dónde procede la variscita de los distintos yacimientos arqueológicos de la Península Ibérica. Para ello, comparan muestras geológicas actuales de variscita con muestras halladas en excavaciones arqueológicas. Analizan el mineral, registran sus elementos y luego comparan las pequeñas variaciones químicas que presentan. Según las similitudes, es posible determinar de qué lugar ha sido extraído.
El estudio, publicado en la revista Journal of Archaeological Science, está liderado por la Universidad de Lisboa y cuenta con la participación de la Institución Milá y Fontanals de Investigación en Humanidades (IMF-CSIC), la Universidad de Sevilla, la Universidad de Alcalá y el CIPAG (Colectivo para la Investigación de la Prehistoria y la Arqueología del Garraf-Ordal).
Muestras de variscitaUna huella geoquímica única en cada mina
La innovación de este estudio reside en el uso de IA para analizar los resultados de la composición química. El modelo aprende a reconocer la huella geoquímica única de cada mina. Es capaz de identificar de dónde procede una cuenta prehistórica, incluso miles de años después de su fabricación. Gracias a este enfoque pionero, han logrado predecir con un 95% de precisión el origen geológico de objetos arqueológicos elaborados con variscita.
De esta forma, el equipo ha construido la base de datos composicional más extensa creada hasta la fecha, con más de 1.800 muestras geológicas actuales y 571 cuentas arqueológicas, que han sido analizadas mediante fluorescencia de rayos X portátil.
Para procesar los datos usaron un algoritmo de bosque aleatorio (Random Forest), de uso muy común en Machine Learning, que ha permitido alcanzar una precisión sin precedentes. Además, la información se ha subido a Zenodo [un repositorio abierto desarrollado bajo el programa europeo OpenAIRE y operado por CERN], para que otros investigadores usen esos datos y hagan sus propias interpretaciones. Es trabajar con ciencia abierta.
Los resultados han permitido reinterpretar las rutas de intercambio prehistóricas. Ahora, explican los investigadores, podemos saber que las minas de Gavà (Barcelona) y Aliste (Zamora) fueron los principales centros productores y distribuidores; que la fuente tradicionalmente citada de Encinasola (Huelva) habría tenido una importancia menor; y que los materiales hallados en Bretaña (Francia) proceden probablemente del norte de la Península Ibérica, lo que sugiere rutas terrestres transpirenaicas, en lugar de las marítimas propuestas hasta ahora.
Los investigadores han utilizado técnicas de inteligencia artificial explicable, que permiten que los modelos de IA, especialmente los más complejos, expliquen de forma clara y comprensible cómo toman sus decisiones. En el caso de nuestra investigación, esto quiere decir que no solo predice con precisión, sino que también nos muestra qué elementos químicos fueron determinantes en cada clasificación, aportando transparencia y rigor a la interpretación arqueológica. Este marco metodológico, denominado VORTEX (Variscite Origin Recognition Technology X-ray based), abre nuevas posibilidades para el estudio de la procedencia de otros materiales arqueológicos, como el ámbar, y constituye un hito en la aplicación de la inteligencia artificial al patrimonio cultural.
Ahora, según los autores del artículo, se han de intentar abordar las siguientes preguntas: ¿Cuál fue el motivo del fenómeno de expansión de la piedra verde? ¿Cómo se produjo en el tiempo esta expansión por la Europa occidental? ¿Dónde se inició? Las interpretaciones son muchas, siempre con el objetivo común de conocer más sobre el pasado.
Artículo de referencia:
Daniel Sánchez-Gomez, José Ángel Garrido-Cordero, José María Martínez-Blanes, Rodrigo Villalobos García, Manuel Edo i Benaiges, Ana Catarina Sousa, María Dolores Zambrana Vega, Ferran Borrell, Rosa Barroso Bermejo, Primitiva Bueno Ramírez, Carlos P. Odriozola. A forest of green beads: A machine-learning based framework to determine the geological provenance of prehistoric variscite artifacts, Journal of Archaeological Science.
