IA detecta cientos de geoglifos inéditos en Nazca: qué significa y cómo cambia la arqueología

Resumen del hallazgo

Un sistema basado en inteligencia artificial (IA), desarrollado por un equipo internacional liderado por la Universidad de Yamagata con apoyo técnico del IBM Thomas J. Watson Research Center y colaboración de expertos europeos, ha identificado 303 geoglifos inéditos en la región de Nazca, Perú, durante un periodo de seis meses. Según el documento oficial del equipo, el algoritmo ha señalado 1.309 candidatos en total; hasta ahora se ha verificado aproximadamente una cuarta parte.

Las Líneas de Nazca son trazados monumentales en el desierto peruano de más de 2.000 años de antigüedad que solo se aprecian correctamente desde el aire y representan animales, figuras humanas y formas geométricas. El uso de IA ha permitido acelerar el análisis de imágenes aéreas de alta resolución, reduciendo procesos que antes podían tardar semanas a horas y con una eficiencia media en la verificación de un geoglifo auténtico de una propuesta cada 36 sugerencias.

Contexto histórico y por qué importa

Las Líneas de Nazca fueron realizadas por poblaciones prehispánicas de la costa sur de Perú, asociadas con culturas que florecieron entre aproximadamente 200 a.C. y 600 d.C. Estas marcas en la Pampa —que incluyen figuras lineales extensas y motivos de relieve más pequeños— han alimentado debates académicos sobre su función: desde rituales religiosos y procesiones hacia centros ceremoniales hasta mapas astronómicos o símbolos de identidad social.

En 1994 la región de Nazca y Palpa fue inscrita en la Lista del Patrimonio Mundial de la UNESCO, tanto por su valor cultural como por la fragilidad del paisaje. El hallazgo de centenas de nuevos geoglifos puede cambiar la comprensión del patrón territorial y social de la zona, porque su distribución y tipología son claves para interpretar prácticas rituales, rutas e interacción regional.

Métodos y consideraciones técnicas (análisis para profesionales)

Aunque el artículo original no entra en los detalles técnicos del modelo, la descripción pública permite esbozar el flujo de trabajo típico utilizado en proyectos similares y las consideraciones prácticas relevantes para arqueólogos y científicos de datos:

• Recolección y preprocesamiento: imágenes aéreas de alta resolución (ópticas) registradas desde satélite o aeronaves. Es habitual aplicar calibraciones radiométricas, corrección geométrica y normalización para mitigar variaciones de iluminación y terreno.
• Entrenamiento y etiquetado: creación de conjuntos de entrenamiento mediante anotaciones por expertos. La calidad y cantidad de anotaciones influyen fuertemente en la tasa de falsos positivos y negativos.
• Modelos de detección: en la práctica se emplean métodos de aprendizaje automático y aprendizaje profundo que pueden detectar patrones lineales y formas en entornos de bajo contraste. La fusión de sensores (p. ej., óptico + LiDAR) mejora la robustez en terrenos con cubiertas variables.
• Validación y verificación: los candidatos generados por el algoritmo requieren comprobación de campo y revisión por arqueólogos para confirmar su autenticidad y datación contextual.
• Métricas operativas: el resultado reportado —una media de 36 sugerencias por cada geoglifo confirmado— indica un proceso relativamente eficiente de criba, pero también subraya la necesidad de recursos de verificación in situ.

El equipo reporta que, en promedio, necesita revisar 36 sugerencias para encontrar un geoglifo auténtico.

Casos comparables y lecciones aprendidas

El uso combinado de sensores remotos, LiDAR y técnicas de IA ya ha transformado la arqueología en otras regiones. Ejemplos bien documentados incluyen la detección de estructuras ocultas en Angkor (Camboya) y la revelación de paisajes arqueológicos en sitios mayas de Centroamérica a través de LiDAR y análisis automatizado. Esos precedentes muestran que la tecnología no solo incrementa el ritmo de descubrimiento sino que también obliga a replantear mapas y modelos interpretativos del pasado.

Lecciones generales aplicables a Nazca:

• La integración interdisciplinar (arqueología, ciencias de la computación, conservación) es imprescindible para convertir detecciones algorítmicas en conocimiento sólido.
• Los datos de elevada resolución y la transparencia en los métodos (código, conjuntos de entrenamiento y métricas) facilitan la reproducibilidad y el escrutinio científico.
• La modernización de inventarios y la creación de registros geoespaciales estandarizados son pasos previos y complementarios a la verificación de campo.

Riesgos, implicaciones éticas y recomendaciones prácticas

Los descubrimientos impulsados por IA plantean oportunidades y riesgos. Entre los riesgos más inmediatos están la exposición pública de coordenadas precisas que puede facilitar el expolio y daños, la interpretabilidad limitada de modelos automatizados y la posible desproporción entre recursos para detección y recursos para protección y excavación.

Recomendaciones accionables para investigadores, administraciones patrimoniales y ONGs:

• No publicar coordenadas precisas públicamente hasta que existan medidas de protección o vigilancia: priorizar el almacenamiento seguro y el intercambio restringido de datos sensibles con autoridades locales y expertos.
• Establecer protocolos de verificación escalonada: de la detección automática a la inspección por expertos a distancia y, finalmente, a la comprobación de campo selectiva.
• Invertir en capacidades locales: formación en técnicas de teledetección y análisis de IA para equipos peruanos y colaboración continua con comunidades locales y custodios del patrimonio.
• Promover transparencia metodológica: publicar métodos, métricas de rendimiento y, cuando sea posible, datos anotados para reproducibilidad y auditoría externa.
• Combinar sensores: usar LiDAR, fotogrametría y datos multiespectrales para reducir falsos positivos y mejorar la detección en terrenos complejos.
• Planificar la gestión posterior al descubrimiento: recursos para conservación, investigación contextual y comunicación pública responsable.

Implicaciones científicas y futuras líneas de trabajo

El hallazgo de cientos de geoglifos adicionales redefinirá preguntas científicas sobre la organización territorial, ritualidad y comunicación visual de las sociedades que habitaron la Pampa de Nazca. Algunas líneas inmediatas que el campo debería priorizar:

• Análisis espacial para identificar redes de comunicación y rutas ceremoniales entre geoglifos.
• Tecnologías de datación indirecta y contextualización estratigráfica para ligar las figuras a fases culturales específicas.
• Estudios etnográficos y de tradición oral que aporten marcos interpretativos complementarios a los datos geométricos.
• Aplicación del mismo enfoque basado en IA a otras regiones áridas y semiáridas de Suramérica, priorizando siempre la coordinación con instituciones patrimoniales nacionales.

Conclusión

La aplicación de IA al estudio de las Líneas de Nazca representa un avance metodológico que acelera el descubrimiento y ofrece nuevas perspectivas sobre un paisaje patrimonial complejo. Sin embargo, el potencial científico debe acompañarse de protocolos estrictos de verificación, protección y cooperación con autoridades y comunidades locales. El progreso tecnológico abre la puerta a una arqueología más amplia y rápida, pero también obliga a replantear cómo protegemos y gestionamos los bienes culturales frente a riesgos prácticos y éticos.

Fuente: www.20minutos.es