💻 ciencias de la computación

Auditable Multi-LLM Evidence Synthesis for Contested Heritage Origins: Comparing Competing Hypotheses in the Turpan Karez Debate

Este artículo propone un marco de síntesis de evidencia multi-LLM y auditable que resuelve los orígenes disputados del sistema Karez de Turpan mediante la evaluación cuantitativa de hipótesis contrapuestas, identificando finalmente la hipótesis de la Introducción de Asia Central como la explicación más respaldada basándose en un análisis exhaustivo de literatura multilingüe fragmentada.

Autores originales: Xiangping Qi, Muhammad Irfan Malik, Zhongjing Wang, Jingping Zhang, Shaolan Wang, Hongjian Gan, Kanghui Li, Yixuan Shi

Publicado 2026-11-10

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Xiangping Qi, Muhammad Irfan Malik, Zhongjing Wang, Jingping Zhang, Shaolan Wang, Hongjian Gan, Kanghui Li, Yixuan Shi

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

En los paisajes áridos de Asia Central, donde el agua es el recurso más preciado, una notable proeza de la ingeniería ha sostenido la vida durante siglos: el karez. Estos no son simples pozos, sino complejos sistemas subterráneos que captan acuíferos montañosos y canalizan el agua a través de túneles de suave pendiente hacia las llanuras de abajo, llevando vida a los oasis sin la pérdida de agua por evaporación. Durante generaciones, los estudiosos han debatido el verdadero origen de esta tecnología en la cuenca de Turpan, en China. La cuestión no es meramente académica; toca cómo las sociedades humanas se han adaptado históricamente a entornos hostiles y cómo las ideas y tecnologías se han desplazado por el mundo. Tres teorías principales han competido durante mucho tiempo por la aceptación. Una sugiere que la tecnología fue traída desde las llanuras centrales de China; otra sostiene que llegó desde Asia Central, transportada a lo largo de las antiguas rutas comerciales; y una tercera postula que la gente local de Turpan la inventó de forma independiente, perfectamente adaptada a su geografía única. El problema es que el registro histórico es una red enmarañada de documentos fragmentados, citas repetidas e interpretaciones contradictorias, lo que hace casi imposible determinar qué historia es la más precisa.

Para cortar esta confusión, un equipo de investigadores de universidades de China, Pakistán y Estados Unidos ideó una nueva forma de cribar la evidencia. Trataron el debate no como una batalla de opiniones, sino como un problema de datos, construyendo un marco digital para organizar miles de páginas de literatura histórica escrita en seis idiomas diferentes. En lugar de confiar en un solo experto para que leyera cada libro y formara una opinión, utilizaron un equipo de modelos de inteligencia artificial avanzada para leer los textos simultáneamente. Se instruyó a estos modelos para que actuaran como archivistas meticulosos, extrayendo frases específicas que mencionaran el origen del karez, verificando exactamente de dónde provenían esas frases y comprobando que el texto realmente respaldara la afirmación que se estaba haciendo. Crucialmente, el sistema fue diseñado para ser auditable, lo que significa que cada pieza de evidencia podía rastrearse hasta su página y párrafo originales, asegurando que no se perdiera ni se inventara ninguna información.

Los investigadores recopilaros 275 publicaciones de texto completo, que iban desde antiguos relatos de viajes hasta estudios científicos modernos, y las introdujeron en su sistema. Los modelos de inteligencia artificial identificaron cientos de pistas potenciales, que luego fueron cotejadas con los textos fuente originales para garantizar la exactitud. El sistema agrupó estas pistas en "familias", reconociendo que cuando diez libros diferentes citan el mismo documento original, representan solo una pieza de evidencia, no diez. Esto evitó que el debate se viera sesgado por el volumen masivo de citas repetidas. Tras este riguroso proceso de limpieza y verificación, el equipo se quedó con un conjunto sólido de evidencia verificada para evaluar las tres teorías en competencia.

Los resultados de esta masiva síntesis digital revelaron un panorama claro, aunque matizado. La teoría de que la tecnología de los karez fue introducida desde Asia Central surgió como la hipótesis más fuertemente respaldada basándose en la literatura disponible. Acumuló el mayor número de familias de evidencia independiente, lo que sugiere que la idea de un origen externo cuenta con el respaldo más amplio en el registro histórico. Sin embargo, el estudio también encontró que la teoría de la invención local seguía siendo un contendiente muy fuerte. Aunque tenía menos piezas totales de evidencia, la evidencia que poseía era más diversa y enfrentaba menos oposición de otros académicos. La tercera teoría, que afirmaba que la tecnología provenía de las llanuras centrales de China, recibió el menor apoyo en este análisis específico.

Lo que hace que este hallazgo sea significativo no es solo la clasificación de las teorías, sino la claridad con la que el estudio presenta la incertidumbre. Los investigadores no declararon el origen centroasiático como un hecho absoluto e inmutable. En su lugar, demostraron que, si bien actualmente lleva la delantera, la brecha entre esta y la teoría de la invención local es lo suficientemente estrecha como para que nuevos descubrimientos puedan cambiar el equilibrio. El estudio destaca que el debate se ha visto obstaculizado no por una falta de información, sino por la falta de una forma sistemática de organizar esa información. Al crear un proceso transparente y paso a paso que cualquiera puede seguir y verificar, el equipo ha proporcionado un nuevo estándar para investigar los orígenes del patrimonio cultural. Han demostrado que, incluso cuando falta una pieza de evidencia que sirva de "pistola humeante", una síntesis cuidadosa y estructurada de todo el conocimiento disponible puede revelar qué historia es actualmente la más plausible, ofreciendo un camino claro para que futuros historiadores y arqueólogos construyan sobre ello.

Resumen Técnico: Síntesis de Evidencia Multimodelo y Auditable para Orígenes del Patrimonio en Disputa

Planteamiento del Problema
El origen de los Karez de Turpan (sistemas de irrigación subterráneos) en China sigue siendo objeto de un intenso debate académico, centrado en tres hipótesis contrapuestas: la hipótesis de Introducción de Asia Central (CAI), la hipótesis de Introducción de las Llanuras Centrales (CPI) y la hipótesis de Innovación de la Población Local (LPI). Este debate se ve obstaculizado por una literatura fragmentada y multilingüe (que abarca chino, inglés, ruso, francés, persa y árabe), prácticas de citación circular donde la misma fuente primaria es citada repetidamente en múltiples publicaciones, e inconsistencias en los estándares de evidencia. Crucialmente, no existe una única "evidencia de oro" que pueda confirmar o vetar definitivamente ninguna de las hipótesis. Las herramientas computacionales tradicionales (por ejemplo, CiteSpace, VOSviewer) son efectivas para el mapeo bibliométrico, pero carecen de la capacidad para extraer afirmaciones académicas sustantivas, distinguir entre interpretaciones originales y puntos de vista citados, o validar la evidencia contra los textos fuente. Además, los modelos de lenguaje extensos (LLM) existentes suelen sufrir de alucinaciones y una débil trazabilidad de las fuentes al procesar corpus históricos complejos.

Metodología
Los autores proponen un marco de síntesis de evidencia multilingüe, multimodelo y auditable diseñado para evaluar hipótesis históricas contrapuestas a través de un flujo de trabajo estructurado con intervención humana (human-in-the-loop). La metodología consta de cinco etapas primarias:

Construcción de Corpus Multilingüe: Se empleó una estrategia de búsqueda progresiva de tres etapas en ocho bases de datos (incluyendo Web of Science, Scopus, CNKI y eLIBRARY.RU) utilizando lógica booleana para ampliar y luego estrechar los términos de búsqueda (Términos núcleo $\rightarrow$ Términos temáticos $\rightarrow$ Términos geográficos). Esto produjo un corpus final de 275 publicaciones de texto completo en seis idiomas, procesadas de acuerdo con las directrices PRISMA 2020.
Recuperación RAG Trazable: Los textos completos fueron limpiados, normalizados y fragmentados jerárquicamente (apuntando a ~1,000 caracteres). Un sistema de Generación Aumentada por Recuperación (RAG) utilizando Fusión de Clasificación Recíproca (RRF) combinada con puntuaciones de recuperación BM25 y TF-IDF para identificar pasajes candidatos. Se ejecutaron ocho consultas multilingües, lo que resultó en 141 fragmentos objetivo únicos (más contexto) seleccionados para la extracción de evidencia.
Extracción de Evidencia en Paralelo con Múltiples LLM: Tres LLM distintos (DeepSeek V4 Pro, GLM-5.2 y Qwen3.7-Plus) procesaron de forma independiente los mismos fragmentos de entrada. Se les instruyó para extraer evidencia estructurada (ubicación de origen, fecha, postura, tipo de evidencia) estrictamente del texto proporcionado, prohibiendo el uso de conocimiento paramétrico o herramientas externas. Esto generó 727 registros de evidencia candidatos únicos.
Validación Cruzada de Modelos y Adjudicación Humana: Se implementó un riguroso flujo de validación:
- Validación Restringida a la Fuente: Los tres LLM reevaluaron los candidatos contra el texto fuente para verificar si las afirmaciones eran "implicadas", "contradichas" o "insuficientes".
- Revisión Humana: Los registros que recibieron $\ge$ 2 confirmaciones de los modelos pasaron por una revisión ciega de dos investigadores humanos. Los registros se clasificaron como Verificados (ambos coinciden), Inciertos (desacuerdo) o Rechazados.
- Consolidación de Familias de Evidencia: Para evitar la inflación de la evidencia por citaciones repetidas, los registros verificados se agruparon en 484 Familias de Evidencia basadas en fuentes primarias compartidas, eventos históricos o linajes de citación.
Evaluación de Hipótesis y Análisis de Robustez: Las tres hipótesis se puntuaron en cuatro dimensiones: Suficiencia de Evidencia (número de familias de apoyo), Balance Neto de Evidencia (apoyo frente a oposición), Consenso Académico (distribución de la postura de los autores) y Diversidad de Tipos de Evidencia (índice de Shannon a través de evidencia documental, material y legendaria). La robustez se probó mediante perturbación de pesos, análisis de exclusión de un modelo (leave-one-model-out) e iteraciones de bootstrap de 10,000 niveles de familia.

Resultados Clave

Volumen de Evidencia: De 275 documentos, el marco extrajo 633 registros de evidencia Verificados (87.1% de los candidatos), 85 Inciertos y 9 Rechazados.
Complementariedad de Modelos: Los tres LLM demostraron una complementariedad significativa; el 75.65% de los registros candidatos únicos fueron identificados por un solo modelo, lo que resalta la necesidad de un enfoque de múltiples modelos.
Puntuación de Hipótesis:
- CAI (Introducción de Asia Central): Alcanzó la mayor Suficiencia de Evidencia (116 familias de apoyo) y la mayor Puntuación Compuesta (0.5735).
- LPI (Innovación de la Población Local): Alcanzó el mayor Balance Neto de Evidencia (0.862), Consenso Académico (0.778) y Diversidad de Tipos de Evidencia (0.410), resultando en una Puntuación Compuesta de 0.5125.
- CPI (Introducción de las Llanuras Centrales): Recibió las puntuaciones más bajas en todas las dimensiones, con una Puntuación Compuesta de 0.3321.
Robustez: En el 82.6% de las 10,000 iteraciones de bootstrap, la CAI ocupó el primer lugar. Sin embargo, la clasificación fue sensible a condiciones específicas: cuando la evidencia incierta se recodificó contra la hipótesis líder, o cuando se excluyó el modelo DeepSeek, la LPI ocasionalmente ocupó el primer lugar. La clasificación no fue impulsada por una sola Familia de Evidencia.

Significado y Reivindicaciones
El artículo afirma ofrecer un nuevo paradigma para investigar los orígenes del patrimonio en ausencia de evidencia arqueológica decisiva. Sus contribuciones principales son metodológicas más que conclusiones históricas definitivas:

Auditabilidad y Trazabilidad: El marco hace que todo el proceso de síntesis de evidencia sea transparente, vinculando las puntuaciones finales con números de página específicos, fragmentos de texto y documentos fuente, abordando así la naturaleza de "caja negra" de la IA en la investigación histórica.
Gestión de Orígenes en Disputa: Proporciona un mecanismo estructurado para comparar hipótesis contrapuestas mediante la cuantificación del volumen de evidencia, el balance, el consenso y la diversidad, yendo más allá de los simples recuentos de citaciones.
Colaboración Humano-LLM: El estudio demuestra que los LLM son efectivos para el descubrimiento y la extracción escalable de evidencia, pero requieren la adjudicación humana para la interpretación histórica y las comprobaciones de validez.
Conclusión Histórica Modesta: Los autores declaran explícitamente que sus resultados indican un apoyo evidente relativo dentro del corpus y el marco actual, no una verdad histórica definitiva. Concluyen que la CAI posee actualmente una ventaja relativa en la base de evidencia, pero la LPI sigue siendo una explicación fuerte y competidora, y que el debate probablemente involucra diferentes etapas históricas (transmisión vs. adaptación local) que no son mutuamente excluyentes.

El marco se presenta como una herramienta para mejorar la organización sistemática y la reproducibilidad de la síntesis de evidencia basada en literatura a gran escala, ofreciendo una base transparente para reevaluar las interpretaciones a medida que surge nueva evidencia.

Más como este