Álvaro Maureira

Artículo

IA en Atacama: comparar motivos exige contexto

Publicado ·

Qué informa el anuncio

CENIA anunció el 14 de octubre de 2026 Motifs Across Media, proyecto de dos años dirigido por Francisca Gil-Ureta con CENIA, UTA, UC y Universidad de Chile.

El equipo planea comparar registros existentes: más de 800 vasijas digitalizadas, ortomosaicos de geoglifos y documentación de arte rupestre. Promete una base de motivos con acceso escalonado para proteger ubicaciones sensibles y herramientas computacionales de código abierto.

Schmidt Sciences destinó US$10 millones en total a 19 equipos HAVI en 2026; el monto del proyecto chileno no se informa. La noticia no documenta modelos ni conjuntos de datos publicados.

Fuente primaria: CENIA, 14 de octubre de 2026.

La comparación encuentra candidatos, no significados

Para que esa ayuda sea interpretable, la publicación de resultados debería explicar qué se compara —contornos, proporciones, distribución de elementos, color u otras características—, cómo se normalizan tamaños y calidades y qué registros quedan fuera. Cada decisión define qué parecido puede aparecer en la pantalla.

El resultado sería una pista de trabajo. Su valor depende de que especialistas revisen los ejemplos y puedan decir cuándo el sistema acertó, cuándo agrupó imágenes por razones superficiales y dónde no dispone de datos suficientes. También importa conservar el enlace entre una imagen procesada y su registro de origen, con versiones y criterios de anotación que permitan corregir errores.

La historia requiere contexto

Una similitud visual no establece por sí misma contemporaneidad, contacto entre comunidades, circulación de objetos ni continuidad de una tradición. Para sostener cada interpretación harían falta evidencias independientes y el análisis arqueológico correspondiente: procedencia, contexto de hallazgo, datación cuando exista, material, técnica y relación con otros registros. Una herramienta puede sugerir una comparación; la interpretación debe explicar qué evidencia adicional respalda el vínculo y qué alternativas siguen abiertas.

Conviene separar tres capas en cualquier resultado: la imagen y su documentación; la relación formal propuesta por una herramienta; y la interpretación histórica discutida por especialistas. Si una capa se presenta como si probara la siguiente, una coincidencia de forma puede convertirse en una historia atractiva pero no sustentada.

Ejemplo hipotético, no hallazgo

Imaginemos —sólo como ejemplo didáctico, no como un registro real del proyecto— que una herramienta encuentra formas circulares parecidas en una vasija y en una imagen rupestre. El sistema podría proponer que un equipo revise ambos registros y sus metadatos. Esa coincidencia no demostraría que fueron hechos en la misma época, que representan lo mismo o que sus autores tuvieron contacto. Harían falta contexto, fechas fiables si están disponibles, criterios transparentes y evaluación humana. El ejemplo muestra cómo convertir una alerta visual en una pregunta verificable sin anunciar un hallazgo.

Preguntas para evaluar el trabajo

  • ¿Qué criterios definen un motivo y quién los aplica en cada soporte?
  • ¿Cómo se mide el acuerdo entre especialistas y se registran los desacuerdos?
  • ¿Se comparan materiales con calidad, escala, iluminación y conservación distintas? ¿Qué normalizaciones se documentan?
  • ¿Qué controles evitan que el sistema agrupe por estilo de digitalización o fondo en vez de por rasgos arqueológicos?
  • ¿Qué casos de evaluación quedan separados del desarrollo y cómo se reportan falsos positivos, falsos negativos y límites?
  • ¿Cómo se documentan procedencia, permisos, versiones y niveles de acceso para que la comparación no revele ubicaciones sensibles?

La noticia enumera compromisos y una agenda de investigación.

Una evaluación posterior podrá revisar protocolos, documentación, ejemplos autorizados, criterios de acceso y el contraste entre sugerencias computacionales e interpretación arqueológica. La pregunta útil es qué comparaciones ayuda a formular la inteligencia artificial y qué pruebas independientes sostienen cada interpretación.

Estas lecturas aportan contexto sobre aplicaciones institucionales de IA y preparación de datos; no son evidencia de resultados arqueológicos.

Conoce la comunidad

Sigue aprendiendo

Explora los recursos y continúa tu recorrido en la comunidad.

Únete gratis a la comunidad →