Un fragmento de caparazón de tortuga o de omóplato de buey descansa sobre el escritorio, con grietas atravesando las inscripciones talladas, y algunos caracteres incluso carecen de trazos.
Cuando un investigador quiere confirmar un carácter desconocido, a menudo debe revisar cientos o miles de frotados, comparar formas con inscripciones en bronce, escritura del período de los Reinos Combatientes y escritura de sello pequeño, y luego buscar ejemplos de uso en textos antiguos y artículos de investigación modernos. Las evidencias están dispersas en diferentes épocas, diferentes soportes y diferentes bases de datos, y una ronda de verificación puede durar varios días.
Recientemente, un equipo conjunto de la Universidad de Ciencia y Tecnología de Huazhong y otras instituciones presentó AlphaOracle, el primer sistema de inteligencia artificial que simula el proceso de interpretación de expertos, para ayudar a los especialistas en el complejo trabajo de descifrar los huesos oraculares.
Enlace al artículo: https://doi.org/10.1016/j.xinn.2026.101462
Material suplementario: https://arxiv.org/abs/2607.17849
Código: https://github.com/Yuliang-Liu/AlphaOracle
Demo: http://vlrlabmonkey.xyz:7685/?lan=zh
AlphaOracle examina primero la trayectoria evolutiva del carácter oracular a lo largo de la historia, luego regresa al contexto completo de la inscripción y a inscripciones similares para su verificación, combinando el contexto, y finalmente consulta textos clásicos y literatura de investigación para respaldar la interpretación, formando una cadena de evidencia completa.
Cada paso del análisis de interpretación de AlphaOracle incluye referencias, respuestas candidatas y nivel de confianza, facilitando a los expertos la revisión punto por punto, proporcionando una asistencia inteligente conveniente, eficiente y confiable. El artículo ha sido aceptado por la revista *The Innovation*.
Contexto de la investigación
Los huesos oraculares registraron las guerras, actividades agrícolas, enfermedades, sacrificios, fenómenos celestes y decisiones cotidianas de la dinastía Shang en fragmentos de hueso de hace más de tres mil años. Se han descubierto más de 150,000 fragmentos de huesos oraculares, que contienen al menos 4500 formas de caracteres diferentes, de los cuales unos 1500 han sido interpretados de manera relativamente fiable.
Los aproximadamente 3000 caracteres restantes son como una puerta aún no abierta, detrás de la cual se ocultan significados léxicos, topónimos, nombres de clanes del chino antiguo, así como detalles del funcionamiento de la sociedad Shang. La interpretación de los huesos oraculares vuelve a hacer visibles el lenguaje, los conceptos y la vida social de nuestros antepasados de hace más de tres mil años, y hace vívido y esplendoroso el curso histórico continuo de la civilización china.
Los huesos oraculares registran las escenas de vida de la sociedad Shang, son un valioso tesoro cultural de la nación china y una base importante para explorar los orígenes de la civilización china.
Sin embargo, el proceso de desciframiento e interpretación de los huesos oraculares es difícil y tedioso. Al interpretar caracteres no descifrados, los expertos suelen analizar las formas históricas variantes del carácter, buscar materiales de contexto y texto corroborativo en vastos corpus de referencia, y verificar las hipótesis relevantes combinando múltiples inscripciones y textos transmitidos. Este proceso requiere que el investigador posea un amplio conocimiento acumulado y una rica experiencia, así como que recolecte, organice y compare repetidamente una gran cantidad de materiales documentales durante mucho tiempo.
Aunque la investigación independiente llevada a cabo por expertos ha logrado muchos resultados importantes, este modelo consume mucho tiempo y mano de obra, y el proceso de evaluación a menudo depende del juicio subjetivo del experto, altamente basado en el conocimiento personal del investigador, lo que dificulta alcanzar conclusiones consistentes y avanzar de manera escalable.
El rápido desarrollo de la tecnología de inteligencia artificial brinda nuevas posibilidades para ayudar a los expertos en la interpretación de escrituras antiguas. Investigaciones previas generalmente predecían el carácter moderno correspondiente basándose únicamente en la forma aislada del carácter oracular.
Sin embargo, estos métodos se basan principalmente en información visual y rara vez combinan el uso contextual del texto y los textos clásicos transmitidos para una corroboración cruzada. Por lo tanto, aunque algunos resultados parecen razonables a nivel de forma, carecen de fundamentos argumentativos a nivel lingüístico e histórico, ofreciendo una ayuda muy limitada a los expertos.
Estos desafíos indican la necesidad urgente de construir un marco computacional que abarque todas las etapas del desciframiento, simule el proceso de razonamiento de los expertos y pueda ampliarse al análisis de corpus a gran escala, estableciendo deducciones basadas en evidencia completa y verificable.
Aspectos destacados del trabajo
El equipo propuso AlphaOracle, el primer sistema de inteligencia artificial que simula completamente el flujo de trabajo de interpretación de expertos, transformando parcialmente el proceso de investigación de escrituras antiguas, difícil de escalar y dependiente de la experiencia personal, en un marco computacional verificable, repetible y colaborativo.
AlphaOracle integra una gran cantidad de frotados de huesos oraculares, reproducciones, textos clásicos transmitidos y más de veinte mil artículos de investigación relacionados. Los resultados candidatos y las fuentes de evidencia generados durante el proceso de análisis se conservan completamente y finalmente se recopilan en un informe de investigación auxiliar trazable y verificable, que los expertos pueden examinar y discutir punto por punto.
Ayudar a los académicos a descubrir rápidamente pistas, recopilar evidencia y comparar diferentes interpretaciones a partir de materiales dispersos y complejos: este enfoque técnico permite que la inteligencia artificial tenga el potencial de entrar en el núcleo de la investigación de escrituras antiguas.
En una evaluación en la que participaron 86 expertos del campo e investigadores doctorales, el 78.7% de los participantes calificaron a AlphaOracle positivamente y estimaron que podría ahorrar aproximadamente un 64% del tiempo de análisis en promedio.
Método de investigación
Siguiendo el enfoque de los expertos en la investigación real, AlphaOracle vincula secuencialmente el análisis de frotados de huesos oraculares, el análisis de la evolución de las formas de los caracteres, la recuperación de inscripciones y el juicio contextual, y la verificación con textos clásicos transmitidos e investigación moderna.
El sistema primero propone múltiples interpretaciones candidatas a partir de la evolución del carácter completo, la estructura de sus componentes y las relaciones de forma a través de diferentes períodos. Luego, examina la distribución y el uso de estos candidatos en diferentes inscripciones oraculares dentro de un gran corpus de materiales. Finalmente, busca apoyo o cuestionamientos adicionales en textos antiguos e investigación académica moderna, formando una cadena de evidencia completa.
Flujo de interpretación de AlphaOracle: primero analiza el frotado, luego completa secuencialmente el análisis morfológico, la alineación contextual y la verificación documental, y finalmente forma un informe de evidencia para la verificación de expertos.
Paso 1: Análisis del frotado
Al ingresar un frotado original de huesos oraculares, el sistema primero completa la detección de caracteres, clasificación y reconstrucción de oraciones. Un modelo de detección localiza cada carácter oracular, y un clasificador identifica los caracteres ya interpretados, dejando los caracteres no interpretados aún en disputa para los módulos posteriores.
Luego, el sistema considera cada carácter como un nodo, utilizando una red neuronal de grafos y combinando información espacial, determina simultáneamente el inicio, el final de la oración y las relaciones de conexión entre caracteres, y luego restaura el orden de lectura en consecuencia. Finalmente, el modelo de análisis de frotados divide el frotado de huesos oraculares en varias oraciones independientes con orden de lectura y resultados preliminares de reconocimiento de caracteres.
Paso 2: Análisis morfológico
Con imágenes claras de caracteres individuales y orden de lectura, el sistema comienza a proponer varias hipótesis de desciframiento posibles para los caracteres no interpretados, desde dos direcciones: evolución diacrónica y estructura interna.
Una red de evolución de formas utiliza modelos de difusión para simular el cambio de formas antiguas a formas posteriores, e identifica y resume los resultados de múltiples generaciones;
Una red de evolución de componentes descompone los componentes de la forma del carácter oracular y los mapea a secuencias IDS de caracteres chinos, deduciendo el carácter chino correspondiente según la combinación de componentes;
Una red de evolución por períodos históricos coloca etapas como los huesos oraculares, inscripciones en bronce, escritura de los Reinos Combatientes, escritura de sello pequeño y escritura clerical en la misma línea de tiempo para comparar su similitud.
Los tres modelos de expertos proporcionan candidatos y probabilidades respectivamente. El sistema pondera según la confiabilidad de cada modelo, determina si el carácter ya tiene una interpretación aceptada, y conserva varias posibles respuestas de desciframiento y sus correspondientes niveles de confianza para los caracteres no interpretados.
Paso 3: Alineación contextual
Las hipótesis de desciframiento dadas por el análisis morfológico deben probarse nuevamente en el contexto de la oración y buscar casos similares en otros frotados relevantes.
El sistema primero recupera todos los ejemplos conocidos del carácter objetivo de materiales digitalizados como "Colección de huesos oraculares", "Gran serie de reproducciones de huesos oraculares" y "Colección total de collaciones e interpretaciones de huesos oraculares", basándose en información de imagen y texto. Luego, utiliza un modelo de lenguaje enmascarado entrenado específicamente para huesos oraculares para analizar las combinaciones contextuales.
Durante el entrenamiento, el modelo aprende a completar caracteres enmascarados según el contexto conocido de los huesos oraculares; durante la inferencia, por un lado, reordena los múltiples candidatos del módulo morfológico, juzgando cuál encaja más coherentemente en la oración, y por otro lado, propone independientemente candidatos semánticos.
La alineación contextual también incluye un modelo de explicación, afinado mediante aprendizaje supervisado y aprendizaje por refuerzo basado en retroalimentación, utilizado para resumir el uso de un mismo carácter en diferentes inscripciones oraculares y generar explicaciones en chino moderno que faciliten la verificación por parte de los investigadores.
Paso 4: Corroboración documental
Los candidatos de desciframiento filtrados por forma y contexto se corroboran luego utilizando textos clásicos transmitidos y artículos de investigación moderna.
Los materiales utilizados por el sistema incluyen 25 textos clásicos antiguos transmitidos y 23,755 artículos de investigación moderna autorizados, que abarcan "Shuowen Jiezi", textos clásicos de las dinastías Qin y Han anteriores, y obras especializadas como "Colección de exégesis de escrituras antiguas", "Colección de exégesis de huesos oraculares" y "Bosque de caracteres de huesos oraculares".
Durante la búsqueda, incluye variantes de caracteres y sinónimos cercanos en la consulta, y busca materiales relevantes tanto por semántica del carácter como por imagen de la forma.
El grado de relevancia de diferentes textos, la autoridad del material, el tipo de documento y la antigüedad influyen en el peso de la evidencia. Cada material conserva información bibliográfica y motivos de búsqueda, facilitando a los investigadores rastrear el texto original.
El informe integrado final presenta secuencialmente las bases de la forma, los ejemplos de uso contextual y la evidencia documental, señala la lectura con mayor respaldo actual y su credibilidad, y también mantiene explícitamente las discrepancias aún no resueltas.
En resumen, AlphaOracle propone sus propias hipótesis, recopila evidencia relevante para cada una y luego las presenta al investigador.
Durante todo el proceso, el sistema solo realiza juicios mínimos necesarios, pero no sustituye al experto en la toma de la decisión final. Su función central es ayudar a los investigadores a descubrir pistas, verificar evidencia y comparar diferentes interpretaciones de manera más eficiente, dejando la autoridad final de juicio en manos del investigador.
Resultados experimentales y evaluación de expertos
La interpretación de huesos oraculares carece de un estándar unificado ampliamente aceptado, por lo que el artículo descompone el gran problema en varias tareas medibles y evalúa AlphaOracle tanto por el rendimiento de sus componentes como por su valor de uso para expertos.
En el experimento de análisis de formas, el equipo de investigación adoptó una configuración de "simulación de caracteres no interpretados", utilizando 88 caracteres conocidos no vistos durante el entrenamiento como conjunto de prueba. La precisión Top-1 de AlphaOracle alcanzó el 23.1%.
En el análisis contextual, la precisión del sistema para restaurar caracteres enmascarados en inscripciones incompletas fue del 56.1%, y pudo seleccionar la interpretación más adecuada al contexto entre los resultados candidatos del análisis de formas con una precisión del 95.2%, superando las mejores líneas base de modelos de lenguaje grandes generales (22.2% y 65.4% respectivamente).
En la evaluación integral de explicación utilizando interpretaciones en chino moderno como tarea sustituta, las puntuaciones BLEU, ROUGE y METEOR de AlphaOracle alcanzaron 0.491, 0.586 y 0.659, respectivamente.
Es importante señalar que modelos generales como GPT-5, Gemini 2.5 Pro y DeepSeek en el artículo se configuraron en un entorno de "zero-shot", sin afinamiento previo con datos del dominio de huesos oraculares. Por lo tanto, estos resultados resaltan la importancia del corpus especializado y los procesos adaptados al dominio para esta tarea.
Resultados específicos de la evaluación por expertos humanos
En la evaluación de uso real por expertos, 86 expertos e investigadores doctorales de los campos de huesos oraculares, inteligencia artificial y áreas relacionadas participaron anónimamente en la evaluación del sistema.
El 78.7% de los participantes consideró que el sistema era "útil" o "muy útil" y estimó que podría ahorrar en promedio alrededor del 64% del tiempo de análisis. En una evaluación modular con una puntuación máxima de 5, las puntuaciones promedio para las cuatro partes (análisis de frotados, análisis de formas, alineación contextual y recuperación de evidencia documental) fueron 4.20, 4.44, 4.38 y 4.01, respectivamente.
En la verificación manual aleatoria de 42 caracteres de huesos oraculares en el componente de recuperación documental, la tasa de acierto fue del 90.2% y la precisión del 74.8%. Esto significa que el sistema presenta la mayoría de los materiales valiosos, pero aún incluye algunos documentos que los expertos deben descartar.
Para los investigadores, esto reduce el costo de revisión de literatura y destina más tiempo ahorrado al juicio de la evidencia.
El artículo también organizó una "arena competitiva humana" ciega, donde investigadores experimentados en huesos oraculares del Museo del Palacio, Museo de Shanghai, Academia de Ciencias Sociales de China, Universidad de Tsinghua, Universidad de Fudan, Universidad de Nanjing, Universidad de Jilin, Universidad de Zhengzhou, Universidad de Henan, Universidad Normal de Henan, Universidad Normal de la Capital, Universidad del Suroeste, Universidad Oceánica de China, Laboratorio Clave del Ministerio de Educación para el Procesamiento de Información de Huesos Oracle, y grupos académicos relevantes de Corea, Japón y Estados Unidos realizaron 210 pruebas ciegas en la tarea de explicación contextual.
Los resultados mostraron que AlphaOracle obtuvo la tasa de preferencia más alta con un 45.2%, DeepSeek con un 34.8%, Gemini 2.5 Pro con un 12.9% y GPT-5 con un 7.1%.
Interpretación específica de caracteres difíciles
AlphaOracle, para el carácter controvertido a largo plazo en el frotado "Tunnan 307"
(en investigaciones tempranas a menudo se interpretaba como "卒"), combinando materiales de forma, inscripciones y documentos, lo interpretó como una variante del carácter "勞", proporcionando evidencia adicional para su interpretación como topónimo o nombre de clan.
Además, el artículo informa los resultados de desambiguación para 22 caracteres variantes controvertidos. Parte del análisis ya se ha incorporado a bases de datos académicas autorizadas de huesos oraculares, mostrando el potencial de la inteligencia artificial para ayudar a los expertos a examinar eficientemente caracteres en disputa y promover la discusión académica.
Conclusión
AlphaOracle, al simular la forma de investigación de los expertos humanos, coloca la evolución de las formas de los caracteres oraculares, la distribución de las inscripciones y los materiales documentales en la misma cadena de evidencia, ayudando a los investigadores a descubrir pistas, buscar literatura y verificar materiales, mejorando así la eficiencia de la interpretación de huesos oraculares.
Al mismo tiempo, abre un camino más cercano a la práctica real para la investigación computacional de escrituras antiguas. La máquina no debería simplemente dar una respuesta final de extremo a extremo sin fundamento, sino proporcionar asistencia confiable basada en evidencia en cada paso del flujo de trabajo del investigador.
Este enfoque también puede extenderse a otros campos de escrituras antiguas, estableciendo métodos de organización y investigación asistidos por IA más sistemáticos para la investigación dispersa y compleja de escrituras antiguas.
La investigación de escrituras antiguas finalmente no puede prescindir del juicio humano. La máquina es experta en proponer rápidamente hipótesis, completar búsquedas, realizar comparaciones y síntesis a partir de grandes cantidades de materiales, mientras que los académicos son responsables de discernir el peso de la evidencia y tomar la decisión final.
Lo más esperanzador para el futuro es precisamente este panorama de investigación de colaboración mutua: la inteligencia artificial expande la amplitud de la búsqueda de materiales, y el conocimiento humano preserva la profundidad del juicio académico, permitiendo que más información histórica dormida en los huesos oraculares y las escrituras antiguas sea redescubierta.
Referencias: https://doi.org/10.1016/j.xinn.2026.101462
Este artículo proviene del WeChat público "Nueva Inteligencia Artificial", autor: ASI Apocalipsis; editor: LRST
