💻 computer science

A Quantitative Confirmation of the Currier Language Distinction

Este artículo proporciona evidencia cuantitativa que respalda la validez de la distinción A/B de Currier en el manuscrito Voynich al demostrar que un modelo de mezcla Beta-Binomial puede recuperar la división sin etiquetas previas y que un clasificador supervisado puede predecir las identidades de los folios con un 89,2% de precisión.

Autores originales: Christophe Parisel

Publicado 2026-04-30

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Christophe Parisel

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina el Manuscrito Voynich como un libro misterioso y antiguo escrito en un código que nadie ha logrado descifrar. Durante décadas, un criptógrafo llamado Prescott Currier tuvo una intuición: este libro no está escrito en una sola "lengua". Él pensaba que en realidad era una mezcla de dos dialectos distintos, a los que denominó Lengua A y Lengua B.

Durante años, esto fue solo una teoría basada en una corazonada sobre los patrones de las palabras. Pero en este nuevo artículo, el autor, Christophe Parisel, decide poner esa intuición a prueba utilizando matemáticas, no solo conjeturas. Considera este estudio como una auditoría forense del ADN del libro.

Aquí tienes el desglose de lo que hicieron y lo que descubrieron, utilizando analogías sencillas:

1. La herramienta del detective: "Pares de caracteres"

En lugar de intentar leer las palabras (lo cual es imposible), los investigadores observaron cómo el autor elegía entre letras visualmente similares.

La analogía: Imagina que estás escribiendo una historia. A veces usas la palabra "color" y a veces "colour". Si cambias entre ellas al azar, es solo una peculiaridad. Pero si siempre usas "color" en la primera mitad del libro y siempre usas "colour" en la segunda mitad, eso sugiere dos escritores diferentes o dos reglas diferentes.
El estudio: Seleccionaron 11 pares de letras que se parecen en el script Voynich (como d frente a l, o or frente a ar). Contaron con qué frecuencia se utilizaba cada letra del par en cada página individual (folio).

2. La gran pregunta: ¿Es real o solo una coincidencia?

Los investigadores plantearon tres preguntas difíciles:

¿Es solo ruido aleatorio? ¿Podrían las diferencias ocurrir por azar en una sola lengua?
¿Es un truco de la encuadernación? La división original de Currier coincidía casualmente con donde el libro estaba físicamente cosido (los "cuadernillos"). Quizás el libro solo cambió de estilo porque cambió el escriba, no porque cambiara la lengua.
¿Podemos predecirlo? Si ocultamos las etiquetas (A o B) y dejamos que una computadora adivine, ¿puede determinar en qué "lengua" está una página solo observando las cuentas de letras?

3. Los resultados: La teoría de las "dos lenguas" se sostiene

El estudio utilizó un modelo estadístico sofisticado (una mezcla Beta-Binomial) que actúa como un clasificador inteligente. Observó los números crudos sin saber qué página era A o B.

La clasificación "mágica": Incluso sin que se le dijeran las respuestas, la computadora clasificó naturalmente las páginas en dos grupos distintos. Coincidió con la división original A/B de Currier con aproximadamente un 38 % de precisión (lo cual es un asunto enorme en estadística para este tipo de datos) y tuvo un 90 % de confianza en más de 100 páginas.
La prueba "a ciegas": Cuando entrenaron a una computadora para reconocer los patrones en la mitad del libro y luego le pidieron que adivinara la lengua de la otra mitad, acertó el 89,2 % de las veces.
Descartando la teoría de la "encuadernación": Descubrieron que cuando la lengua cambiaba dentro de una sola sección cosida (un cuadernillo), los patrones de letras saltaban bruscamente. Esto demuestra que el cambio no se debe solo a quién cosió el libro; se trata del texto en sí mismo.

4. Los tres "tipos de personalidad" de las letras

El estudio descubrió que los pares de letras no se comportan todos de la misma manera. Se dividen en tres grupos, como diferentes tipos de empleados en una empresa:

Los "cambiadores" (Categoricos): Estas letras son estrictas. Si la página es Lengua A, usan una letra. Si es Lengua B, cambian a la otra. Son las "tarjetas de identificación" que prueban que existen las dos lenguas.
Los "inclinados" (Intermedios): Estas letras tienen una preferencia pero no son estrictas. Se inclinan hacia un estilo u otro, actuando como una señal sutil.
Los "espíritus libres" (Variación libre): Estas letras no les importa la lengua en absoluto. Cambian al azar, independientemente de si es la página A o B.

5. La anomalía "sorprendente"

Un par de letras (e/ch) fue extraño. No ayudó a clasificar las páginas en A o B, pero fue el mejor para detectar el momento exacto en que la lengua cambiaba de una a otra. Es como un detector de humo que no te dice en qué habitación está el fuego, pero grita en el segundo en que el fuego comienza.

La conclusión final

El artículo concluye que Currier tenía razón. El Manuscrito Voynich no es un texto único y uniforme. Contiene una división genuina y estructural entre dos "lenguas" distintas (o regímenes de escritura).

No es aleatorio: Los patrones son demasiado fuertes para ser una casualidad.
No es un truco físico: El cambio ocurre incluso dentro de la misma sección física del libro.
Es predecible: Una computadora puede observar las estadísticas de las letras y adivinar la lengua con alta precisión.

Sin embargo, el estudio también señala que la división "A vs. B" solo explica aproximadamente el 29 % de las diferencias en el texto. Esto significa que aún hay mucha complejidad y estructura oculta en el libro que no hemos descifrado todavía, pero la teoría de las "Dos Lenguas" es definitivamente un hecho real y medible, no solo un mito.

Aquí se presenta un resumen técnico detallado del artículo "Una confirmación cuantitativa de la distinción Currier del idioma" de Christophe Parisel.

1. Planteamiento del Problema

El artículo aborda la validez de la hipótesis de Prescott Currier de 1976, que postula que el Manuscrito Voynich contiene dos "idiomas" distintos (designados como Currier A y Currier B). Aunque esta distinción es ampliamente citada, históricamente ha carecido de una validación cuantitativa rigurosa frente a hipótesis nulas explícitas. El estudio busca resolver tres desafíos específicos:

Fluctuación Estadística: Determinar si las diferencias observadas son meramente ruido aleatorio dentro de un único texto homogéneo.
Factores de Confusión Codicológicos: Verificar si la distinción es una propiedad lingüística genuina o un artefacto de la estructura física del manuscrito (por ejemplo, los límites de los cuadernillos), dado que la asignación original de Currier se correlaciona con estas divisiones físicas.
Predictibilidad Intrínseca: Establecer si la distinción A/B es una propiedad estadística intrínseca descubrible sin etiquetas previas y capaz de predecir el comportamiento de textos no vistos.

2. Metodología

Los autores emplearon un enfoque cuantitativo multifacético utilizando la transcripción EVA de Takahashi (32.693 tokens de palabras en 185 folios).

Representación de Datos: El estudio se centró en 11 pares de caracteres EVA visualmente similares (por ejemplo, k/t, d/l, or/ar). Para cada folio, se calculó la relación $r = \frac{\text{conteo}(a)}{\text{conteo}(a) + \text{conteo}(b)}$ para cada par, siempre que se cumpliera un umbral mínimo de 20 ocurrencias combinadas.
Líneas Base de Simulación: Para probar las hipótesis nulas, se generaron tres modelos:
- Barajado de Etiquetas: Texto real con etiquetas A/B aleatorizadas.
- Markov Único: Texto sintético derivado de un único modelo de Markov homogéneo.
- Markov Dividido: Texto sintético derivado de modelos de Markov separados para A y B (control positivo).
Recuperación No Supervisada: Se aplicaron algoritmos de agrupamiento (K-means, GMM, etc.) a la matriz de folios $\times$ relación de pares sin acceso a las etiquetas de Currier para observar si los datos se partitionan naturalmente en dos grupos.
Modelado Generativo: Se ajustó un modelo de mezcla Beta-Binomial a los conteos brutos de caracteres. Este modelo asume que los conteos de folios se extraen de una distribución binomial donde la probabilidad de éxito sigue una distribución Beta específica para un régimen latente. El modelo se ajustó mediante el algoritmo de Esperanza-Maximización (EM) para determinar el número óptimo de regímenes ( $k$ ).
Validación Predictiva: Se entrenó un clasificador Beta-Binomial supervisado en un subconjunto de folios para predecir la identidad A/B de folios retenidos. La validación incluyó validación cruzada, divisiones espaciales (manuscrito temprano vs. tardío) y pruebas de permutación.
Análisis de Límites: Las transiciones entre folios se categorizaron (Igual, Solo cuadernillo, Solo idioma, Ambos) para medir la magnitud de los saltos en la relación en los límites de idioma frente a los límites físicos del libro.

3. Contribuciones Clave

Descubrimiento No Supervisado: Demostró que un modelo generativo ajustado a conteos brutos sin acceso a las etiquetas de Currier recupera independientemente la división A/B (ARI = 0,383), probando que la distinción es intrínseca a la estructura de los datos.
Taxonomía Funcional: Identificó que los pares de caracteres no se comportan uniformemente, sino que se separan en tres regímenes funcionales distintos: Categórico, Intermedio y Variación Libre.
Desacoplamiento de la Codicología: Proporcionó evidencia estadística de que las transiciones de idioma dentro del mismo cuadernillo producen saltos estadísticos significativamente mayores que los límites físicos de los cuadernillos, descartando la estructura física como la causa principal de la variación.
Poder Predictivo: Estableció que conocer la etiqueta A/B permite predecir las estadísticas de pares de caracteres en folios no vistos con alta precisión, avanzando más allá de la mera descripción hacia la predicción.

4. Resultados Clave

Robustez Estadística

V de Cramér: Seis de los once pares de caracteres mostraron valores de V de Cramér que superaron todas las 1.000 permutaciones aleatorias de etiquetas. La V de Cramér media (0,136) fue significativamente mayor que la línea base barajada (0,025).
Rechazo de Simulación:
- El modelo Markov Único no logró reproducir la varianza inter-folio observada ni los efectos de límite (0/200 simulaciones coincidieron).
- El modelo Markov Dividido coincidió con las estadísticas agregadas pero no logró reproducir la alta varianza a nivel de folio y la nitidez de los límites del manuscrito real.

Recuperación No Supervisada y Generativa

Agrupamiento: El agrupamiento K-means en la matriz de relaciones arrojó un Índice Rand Ajustado (ARI) de 0,208 (significativo, $p < 0,001$ ). Eliminar pares "ruidosos" aumentó el ARI a 0,456.
Mezcla Beta-Binomial: El modelo seleccionó $k=2$ como el número óptimo de componentes basado en el Criterio de Información Bayesiano (BIC).
- El modelo asignó 113 de 185 folios (61%) con una confianza posterior superior al 90% a uno de los dos regímenes.
- La partición recuperada se alineó con la asignación manual de Currier (ARI = 0,383).

Validación Predictiva

Precisión: El clasificador supervisado logró una precisión del 89,2% al predecir las etiquetas de folios retenidos (Validación Cruzada).
Significancia: Cero de 500 permutaciones de etiquetas alcanzaron una precisión comparable ( $p < 0,002$ ).
Varianza Explicada: La etiqueta A/B explicó el 29,3% de la varianza en las relaciones de pares de caracteres en folios no vistos ( $R^2 = 0,293$ ).
Asimetría Espacial: Las divisiones espaciales hacia adelante (temprano $\to$ tardío) funcionaron bien (79,6%), mientras que las divisiones hacia atrás (tardío $\to$ temprano) fallaron (41,3%) debido al desequilibrio de clases (los folios tardíos son predominantemente B), confirmando que la señal es real pero sensible a la composición del conjunto de entrenamiento.

Regímenes de Pares de Caracteres

El estudio categorizó los 11 pares en tres regímenes:

Categórico (por ejemplo, d/l, or/ar): Cambios casi binarios entre regímenes; esenciales para el agrupamiento.
Intermedio (por ejemplo, ol/al, k/t): Cambios moderados de preferencia; transportan señales de límite.
Variación Libre (por ejemplo, o/a, ch/sh): Dependencia casi nula del régimen A/B; probablemente representan variación alográfica.

Nota sobre la Anomalía: El par e/ch tuvo una correlación global casi nula pero el efecto de límite local más fuerte, lo que sugiere que su variación está condicionada por factores distintos al régimen binario (por ejemplo, la posición de la palabra).

5. Significado

Este artículo proporciona la primera confirmación rigurosa y cuantitativa de que la distinción Currier A/B es una propiedad genuina, intrínseca y predictiva del Manuscrito Voynich, en lugar de un artefacto de la estructura física o ruido aleatorio.

Implicaciones para el Desciframiento: Cualquier teoría del sistema de escritura Voynich debe dar cuenta de una estructura de doble régimen donde pares de caracteres específicos cambian categóricamente entre regímenes mientras otros varían libremente.
Naturaleza del Texto: Los resultados sugieren que el manuscrito no es un único texto homogéneo, sino que contiene una estructura compleja donde la división binaria A/B es el eje principal de variación, aunque solo explica aproximadamente el 29% de la varianza total, lo que implica que existen sub-regímenes o gradientes adicionales.
Avance Metodológico: El estudio demuestra la eficacia de los modelos de mezcla Beta-Binomial y el aprendizaje no supervisado en el criptoanálisis, ofreciendo un marco para validar hipótesis lingüísticas en escrituras no descifradas sin depender de etiquetado manual.