AI-assisted Egyptian hieroglyphic reading in scholarly practice: workload, usability, and acceptance in a pilot feasibility study
Este estudio piloto de factibilidad evalúa el impacto de la herramienta de IA PyThoth en la carga de trabajo, la usabilidad y la aceptación de los egiptólogos durante la lectura de jeroglíficos, revelando que, si bien la herramienta mejora las tasas de finalización de tareas, no necesariamente aumenta la precisión y provoca cambios complejos en la percepción del usuario dependiendo de la experiencia.
Artículo original bajo licencia CC BY 4.0 (https://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
La escritura del antiguo Egipto es un rompecabezas que ha desafiado a los estudiosos durante siglos. A diferencia de los alfabetos modernos, donde una sola letra suele representar un sonido, estos jeroglíficos son una mezcla compleja de imágenes que pueden representar sonidos, ideas o incluso palabras completas. Una sola oración puede leerse en diferentes direcciones, y la misma palabra podría escribirse de varias maneras diferentes dependiendo del período de tiempo o del escriba. Para un experto humano, descifrar estos textos requiere años de formación para reconocer miles de símbolos únicos, comprender sus reglas gramaticales y reconstruir significados a partir de superficies de piedra dañadas. Es un trabajo lento y meticuloso que constituye la columna vertebral de la egiptología, el estudio del antiguo Egipto.
Recientemente, las computadoras se han vuelto increíblemente buenas reconociendo patrones, lo que ha generado la esperanza de que la inteligencia artificial pueda ayudar a acelerar este proceso. Imagine una herramienta que observa una foto de un tallado en piedra, identifica los símbolos, sugiere cómo escribirlos en nuestro alfabeto e incluso ofrece una traducción. Esta es la promesa de la IA en las humanidades. Sin embargo, mientras estas herramientas se construyen y prueban en laboratorios, nadie había preguntado realmente cómo se sienten los expertos y estudiantes reales al usarlas en su trabajo diario. ¿Hace la tecnología el trabajo más fácil, o crea nuevos problemas? ¿Ayuda a los estudiantes a aprender, o les impide aprender las habilidades necesarias? Para averiguarlo, un equipo de investigadores organizó una pequeña prueba en el mundo real para ver cómo interactúa la gente con esta tecnología.
Los investigadores invitaron a nueve personas a participar, que iban desde estudiantes de pregrado que apenas comenzaban sus estudios hasta egiptólogos profesionales experimentados. Entregaron a cada uno una pieza de un monumento de piedra real del antiguo Egipto, conocido como estela, que había sido dividida en cuatro secciones más pequeñas. Se pidió a los participantes que tradujeran estas secciones al inglés. La mitad del tiempo, trabajaron solos, usando solo sus conocimientos y libros de referencia estándar. La otra mitad del tiempo, utilizaron un nuevo programa informático llamado PyThoth. Este programa actuaba como un asistente digital: observaba la imagen de los jeroglíficos, sugería qué era cada símbolo, proponía una ortografía y ofrecía una traducción. Crucialmente, la computadora no hacía el trabajo por ellos. El humano tenía que revisar cada sugerencia, corregir cualquier error y decidir si aceptaba el resultado final. Los investigadores querían ver si esta asociación cambiaba cuánto esfuerzo mental sentían que estaban utilizando las personas, qué tan fácil era manejar la herramienta y si querrían usarla de nuevo.
Los resultados no fueron una historia simple de tecnología ahorrando tiempo o haciendo que todo fuera perfecto. En cambio, la experiencia dependía enteramente de la persona que usaba la herramienta y del texto específico que estuviera leyendo. Para algunos participantes, el asistente de IA hizo que el trabajo se sintiera más ligero y manejable. Para otros, se sintió como una carga que los retrasaba o los confundía. El estudio encontró que la herramienta no necesariamente hacía que la traducción final fuera más precisa que la de un humano trabajando solo. De hecho, cuando los humanos terminaban su trabajo, la precisión era aproximadamente la misma, ya tuvieran ayuda o no. La principal diferencia fue que la IA parecía animar a las personas a terminar la tarea. Al trabajar sin ayuda, algunos participantes se rendían a mitad del camino, dejando sus traducciones incompletas. Con la IA, eran más propensos a perseverar hasta el final, incluso si el resultado final no era significativamente mejor.
Un descubrimiento clave fue que los sentimientos de las personas sobre la herramienta cambiaban de maneras sorprendentes basadas en sus expectativas. Algunos estudiantes entraron al experimento con altas expectativas, pensando que la IA funcionaría como los chats inteligentes que usan todos los días. Cuando descubrieron que la herramienta requería que pasaran por muchos pasos para corregir un solo error, se frustraron y sintieron que la herramienta era más difícil de usar de lo que esperaban. Su opinión sobre la tecnología cayó drásticamente después de probarla. Por otro lado, algunos participantes que tenían bajas expectativas o ninguna experiencia con tales herramientas se sorprendieron gratamente. Encontraron que el asistente les ayudaba a superar las partes tediosas del trabajo, y su opinión sobre la herramienta subió. Esto sugiere que el valor de la tecnología no reside solo en qué tan inteligente es la computadora, sino en qué tan bien su diseño coincide con lo que el usuario espera y necesita.
Los investigadores también notaron que la herramienta influía en cómo las personas escribían sus respuestas. Al usar la IA, diferentes participantes comenzaron a escribir sus traducciones de una manera muy similar, a menudo copiando pequeños errores o elecciones específicas de formato que provenían de la computadora. Esto sucedía incluso cuando trabajaban de forma independiente. Demostró que la herramienta estaba moldeando su producción, a veces de formas que no notaban. Un experto que probó el sistema señaló que la computadora podía producir una traducción correcta incluso si había identificado erróneamente los símbolos en medio del proceso. Esto planteó una preocupación sutil: un resultado fluido y de apariencia segura podría ocultar una comprensión defectuosa del texto, lo que podría confundir a un lector que confía demasiado en la computadora.
Quizás el hallazgo más importante no fue sobre la tecnología en sí, sino sobre cómo estudiarla. Los investigadores esperaban que todos se sentaran y completaran todo el experimento de una sola vez. En cambio, la realidad fue mucho más desordenada. Algunos terminaron una parte y se detuvieron. Otros regresaron días o semanas después para terminar el resto. Algunos solo llenaron los cuestionarios sin realizar el trabajo de traducción. El estudio conclió que, en el mundo de la investigación especializada en humanidades, este tipo de participación dispersa e irregular es normal. Los estudios futuros no deberían tratar estos intentos incompletos como fallos o datos perdidos, sino como una parte natural de cómo los expertos se involucran con las nuevas herramientas. El camino para comprender cómo encaja la IA en la historia antigua no es una línea recta, sino un viaje complejo donde la mente humana, el texto antiguo y la máquina interactúan de maneras únicas. La tecnología no es una varita mágica que lo resuelve todo, sino un compañero que cambia la naturaleza del trabajo, para bien o para mal, dependiendo de cómo se utilice.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.