Arqueología e Inteligencia Artificial: Inducción de Patrones del Conocimiento Técnico Latente en Descripciones de Piezas Cerámicas, Mediante Large Language Models (Resultados Preliminares)

Abstract

Esta propuesta explora la aplicación de modelos de lenguaje a gran escala (LLM) para la búsqueda, abstracción y comprensión del universo de descripciones textuales ingresadas en fondos documentales asociados a colecciones arqueológicas, en particular aquellos campos descriptivos redactados en prosa que acompañan piezas cerámicas. Estos textos contienen conocimiento técnico vertido por especialistas en conservación y análisis de materiales, que a menudo queda subutilizado fuera de su función referencial. Como objetivo general se plantea capitalizar ese conocimiento técnico latente mediante técnicas de Natural Language Processing (NLP), para su investigación arqueológica. Los objetivos específicos incluyen: a) Desarrollar una metodología de procesamiento de campos descriptivos no estructurados, utilizando LLM. b) Extraer listados de atributos técnicos, morfológicos e iconográficos presentes en descripciones de estilos cerámicos específicos del Noroeste Argentino. c) Evaluar la pertinencia y aplicabilidad de la información aportada por los modelos, en comparación con los criterios tradicionalmente utilizados en la arqueología regional. Se trabajó con un corpus de 1.032 descripciones de piezas cerámicas correspondientes a los estilos Candelaria, Ciénega, Aguada, Belén y Santamariano, extraídas del Catálogo Digital del Instituto de Arqueología y Museo (IAM, Universidad Nacional de Tucumán), formato CD. Se desarrollaron y compararon tres métodos:1- Método taxonómico supervisado: utilizó un catálogo de referencia basado en la Primera Convención Nacional de Antropología y prompts refinados para detectar atributos frecuentes por estilo.2- Método data-driven: los modelos propusieron reglas propias de clasificación sin acceso explícito al catálogo terminológico.3- Método de patrones léxicos incluidos: distintos modelos analizaron el corpus desde cero, sin información previa sobre estilos ni terminología, generando agrupamientos y reglas léxicas de manera autónoma. Se probaron además variables metodológicas clave: distintos grados de supervisión (desde enfoques estrictamente guiados por conocimiento experto hasta otros completamente autónomos); y la independencia entre sesiones experimentales, para evaluar el efecto del contexto previo y la “contaminación semántica” entre métodos. Los experimentos se realizaron con distintos modelos: GPT-4-turbo, GPT-4o, Llama-3-8b-lexi-uncensored, Dolphin-2.8-mistral-7b-v02 y Deepseek-r1-distill-qwen-7b. El análisis de resultados fue cualitativo, con revisión experta y comparación directa con bibliografía arqueológica, evaluando la adecuación de los atributos derivados a las caracterizaciones estilísticas reconocidas en el NOA. Resultados preliminares:-Los modelos fueron capaces de abstraer atributos relevantes para la caracterización estilística.-El enfoque de "supervisión autónoma", realizado en sesiones independientes y sin referencias técnicas, fue el más eficaz.-Los modelos Llama y GPT tuvieron un mejor desempeño en la abstracción de conocimiento técnico validable a partir de antecedentes arqueológicos, aunque en algunos casos Dolphin y Deepseek lograron captar recurrencias sutiles en atributos estilísticos. Estos resultados iniciales indican que la inducción de conocimiento técnico latente mediante LLM constituye una vía promisoria para valorizar registros textuales arqueológicos, lo que habilita nuevos métodos y técnicas para la gestión del patrimonio arqueológico.