Por Héctor José Iaconis.
En 1989, cuando inicié el camino en esta apasionante aventura de redescubrir, estudiar y transmitir la historia de 9 de Julio, las fuentes documentales necesarias para acometer esa tarea, existentes en los repositorios de esta ciudad, no eran accesibles. Diferentes factores, que no es propicio analizarlos ahora, hacían que consultar documentos históricos en determinados archivos locales, resultada una faena azarosa. Parafraseando el viejo proverbio latino, «quod licet Iovi, non licet bovi; sed sapientia omnibus aequalis esse debet».
Cuando tuve la edad suficiente como para que mis padres me permitiesen viajar a Buenos Aires o a La Plata, se abrió allí un campo muy amplio para los estudios. Los grandes archivos organizados contaban con ricos catálogos y repertorios organizados que facilitaban la búsqueda y las signaturas topográficas se correspondían con lo reflajado en aquellos; un hecho que no siempre ocurria, por ejemplo, en el archivo municipal local. En aquellos días, en varias ocasiones me pregunté si alguna vez existiría la posibilidad de acceder a esas fuentes documentales sin restricciones, que no estuvieran condicionadas por la distancia o por la decidía de las gestiones municipales que obstaculizaban el acceso a esos recursos eruditos.
Aun hoy, habiendo transcurrido el primer cuarto del siglo XXI, a nivel local, persisten algunos de esos escollos. Sin embargo, la incorporación de tecnologías emergentes, particularmente la inteligencia artificial (IA), permite –al menos de manera preliminar- acceder a la información, a los diferentes recursos que benefician los estudios históricos y complementan la consulta e interpretación de las fuentes históricas.
La presente disquisición pretende abordar las potencialidades que ofrecen los sistemas de IA para el análisis de las fuentes documentales vinculadas con la historia de 9 de Julio y, desde luego, con la preservación del patrimonio histórico documental.
1. DEFINICION Y TAXONOMIA DE SISTEMAS INTELIGENTES
La IA, entendida como la capacidad de los sistemas computacionales para ejecutar tareas que tradicionalmente requieren cognición humana, comprende múltiples subdisciplinas aplicables a los estudios histporicos. Entre estas se destacan:
a) Machine Learning (Aprendizaje Automático): Se trata de un conjunto de algoritmos que permiten a los sistemas informáticos aprender patrones, a partir de datos sin programación explícita. Los modelos supervisados, no supervisados y de aprendizaje por refuerzo resultan particularmente útiles para el análisis de fuentes primarias y secundarias.
b) Natural Language Processing (Procesamiento de Lenguaje Natural): Es la rama de la IA que facilita la comprensión, interpretación y generación de un lenguaje humano por parte de las máquinas. Esta tecnología resulta de sumo interés para el análisis de documentos históricos, correspondencia epistolar y registros administrativos.
c) Computer Vision (Visión Artificial): Refiere a la tecnología que permite a los sistemas informáticos interpretar y compreder información visual, esencial para el análisis de fotografías históricas, mapas, planos urbanos y documentos manuscritos.
d) Knowledge Graphs (Grafos de Conocimiento): Se definenn como estructuras de datos que representan información, una red de entidades interconectadas, que facilita la construcción de bases de datos relacionales complejas sobre eventos históricos, personajes y diferentes contextos.
2. METODOLOGIA DE IMPLEMENTACION EN ESTUDIOS HISTORICOS LOCALES
La aplicación de la IA en la investigación de la historia de 9 de Julio requiere un enfoque metodológico que contemple la digitalización y preprocessing de fuentes; es decir, la conversión de documentos físicos a formatos digitales. Diario EL 9 DE JULIO, a partir de un proyecto integral programado en 2021, comenzó a digitalizar sus archivos poniéndolos a disposición de los lectores en la plataforma https://www.cronicasnuevejulienses.com.ar/. Hoy es la única base de datos digital sobre historia de 9 de Julio, producida a partir de una planificación de contenido proyectado.
Para estos casos resultan de interés las técnicas de OCR (Optical Character Recognition) mejoradas con algoritmos de deep learning. Es esencial asimismo, la limpieza y estructuración de datos, por medio de la implementación de pipelines de procesamiento que normalicen, validen y estructuren la información extraída de fuentes heterogéneas (documentos escritos, impresos, fotografías, etc.); como así también el análisis semántico y contextual, por medio de la utilización de modelos de lenguaje transformadores para identificar entidades, relaciones y contextos históricos relevantes.
Por cierto, también debe considerarse la visualización de datos, por medio del empleo de técnicas de data mining y visualización interactiva para identificar patrones temporales, geográficos y sociales. Como se ve, en la medida en que se ahonda en la aplicabilidad de la IA en el estudio de la historia local, son mayores y más variadas las posibilidades ofrecidas.
3. BENEFICIOS DIRECTOS
Sin bien en próximas notas, nos referiremos a las aplicaciones prácticas de la IA en casos de estudio más específicos para temas vinculados con la historia de 9 de Julio, señalaremos ahora cinco beneficios directos de esta nueva tecnología que hoy ya se encuentra al alcance de todos de manera gratuita o, al menos, lo es con un costo económico accesible:
a) Digitalización y preservación documental: La implementación de sistemas de IA representa un avance en la preservación del acervo documental. Los algoritmo de reconocimiento óptico de caracteres (OCR) basados en redes neuronales convolucionales permiten digitalizar eficientemente documentos históricos. Esta tecnología facilita la restauración virtual de documentos deteriorados, aplicando técnicas de inpainting neural para reconstruir secciones dañadas o ilegibles, preservando información que de otro modo se perdería irremediablemente.
b) Análisis demográfico y genealógico: Los sistemas de la IA permiten procesar volúmenes masivos de registros demográficos, facilitando la construcción de bases de datos genealógicas exhaustivas. Mediante algoritmos de entity resolution y record linkage, es posible, por ejemplo: Identificar y vincular registros de una misma persona a través de diferentes fuentes documentales; reconstruir árboles genealógicos de las familias nuevejulienses; analizar patrones migratorios y de asentamiento; estudiar la evolución demográfica y su correlación con eventos históricos significativos. El procesamiento de lenguaje natural permite extraer información estructurada de documentos narrativos, identificando automáticamente nombres, fechas, lugares y relaciones familiares, acelerando significativamente el proceso de investigación genealógica.
c) Cartografía histórica y análisis espacial: La aplicación de algoritmos de visión artificial a la cartografía histórica de 9 de Julio proporciona insights valiosos sobre el desarrollo urbano y territorial. Los sistemas de IA pueden georreferenciar mapas históricos con precisión centimétrica; analizar la evolución del tejido urbano a través del tiempo; identificar patrones de crecimiento y densificación y correlacionar el desarrollo infraestructural con eventos económicos y sociales. La implementación de Geographic Information Systems (GIS) potenciados con la IA permite la creación de mapas interactivos que muestran la evolución temporal de la ciudad, facilitando la comprensión de procesos históricos complejos.
d) Análisis de prensa histórica y opinión pública: Los algoritmos de procesamiento de lenguaje natural resultan particularmente útiles para el análisis de la prensa local histórica. Mediante técnicas de sentiment analysis y topic modeling, los investigadores pueden: Identificar temas recurrentes en la agenda de la prensa local; analizar la evolución del discurso periodístico, político y social; detectar matices y tendencias editoriales, sesgos y posiciones ideológicas y correlacionar eventos locales con contextos provinciales y nacionales. La aplicación de modelos de análisis de sentimientos, algo notable en la IA hoy quizá menos explorado, permite cuantificar las actitudes de la comunidad hacia diferentes temas, proporcionando una perspectiva cuantitativa de la opinión pública histórica.
e) Reconstrucción de redes históricas: Los algoritmos de análisis de redes permiten analizar las relaciones sociales, económicas y políticas que configuraron la sociedad nuevejuliense. Mediante el análisis de correspondencia, registros comerciales y documentación oficial, es posible identificar actores clave en el desarrollo histórico local, mapear redes de influencia política y económica, analizar la estructura social y sus transformaciones y detectar patrones de asociación y conflicto.
La visualización de estas redes mediante algoritmos de layout y clustering facilita la comprensión de las dinámicas complejas de la sociedad nuevejuliense y su evolución temporal.
4. DESAFIOS Y OTRAS CONSIDERACIONES
El surgimiento de la IA de última generación ha suscitado interrogantes fundamentales sobre la viabilidad de la automatización en diversas disciplinas académicas. En el campo de la historiografía, esta cuestión adquiere particular relevancia debido a la naturaleza específica del quehacer histórico, que trasciende la mera compilación y procesamiento de datos para adentrarse en territorios epistemológicos que requieren capacidades cognitivas humanas irreemplazables. Por consiguiente, la IA no puede reemplazar –al menos ahora- la labor de los historiadores humanos.
La IA puede constituir una herramienta valiosa para el procesamiento de grandes volúmenes de datos históricos, la identificación de patrones textuales y la sistematización de información documental. Sin embargo, la labor historiográfica en su dimensión más profunda pertenece irreductiblemente a la condición humana.
La comprensión histórica requiere capacidades hermenéuticas, juicio crítico, sensibilidad contextual y responsabilidad ética que trascienden las posibilidades actuales y previsibles de los sistemas de inteligencia artificial. Los historiadores humanos permanecen, por tanto, como actores irreemplazables en la construcción del conocimiento histórico riguroso y socialmente relevante.
Por otra parte, la implementación de la IA en estudios históricos plantea cuestiones epistemológicas significativas. Los algoritmos pueden perpetuar sesgos presentes en las fuentes documentales, particularmente en relación con la subrepresentación de voces marginalizadas (mujeres, trabajadores, inmigrantes) y los sesgos de clase social en la documentación oficial. Es imperativo desarrollar metodologías que expliciten estos sesgos y implementen estrategias de mitigación, incluyendo la diversificación de fuentes y la aplicación de técnicas de fairness en machine learning.
La investigación histórica asistida por la IA requiere protocolos rigurosos de validación que incluyan la verificación cruzada con fuentes primarias; la evaluación por pares especialistas; la transparencia en los procesos algorítmicos y la documentación exhaustiva de metodologías y limitaciones.
5. PERSPECTIVAS FUTURAS
Podemos afirmar que, lo expuesto precedentemente, constituye el comienzo de una revolución notable para el conocimiento histórico. Las siguientes tecnologías prometen revolucionar aún más la investigación histórica local:
a) Large Language Models (LLMs): Modelos de lenguaje de gran escala como GPT y BERT podrían facilitar la transcripción automatizada de documentos históricos y la generación de resúmenes contextualizados.
b) Blockchain para preservación documental: La implementación de tecnologías de ledger distribuido podría garantizar la integridad y trazabilidad de documentos históricos digitalizados.
c) Realidad virtual y aumentada: El desarrollo de de experiencias inmersivas permitirían la exploración virtual de espacios históricos de 9 de Julio.
d) Computación cuántica: Potenciaría el procesamiento de grandes volúmenes de datos históricos.
Para su implementación, cabe señalarlo, se deberá asumir una acción que favorezca la formación de recursos humanos en técnicas de la IA y ciencia de datos; la colaboración interdisciplinaria de equipos que integren historiadores, científicos de datos y especialistas en patrimonio cultural; el financiamiento sostenible, el desarrollo de modelos de financiamiento que garanticen la continuidad de proyectos de digitalización e investigación; la adopción de estándares de interoperabilidad, que faciliten el intercambio de datos con otras instituciones y la participación ciudadana con el diseño de plataformas que permitan la contribución de la comunidad local al proceso de investigación histórica.
A juzgar por la política de estado completamente discordante hacia el incentivo de los estudios históricos locales y de la preservación del patrimonio de la comunidad, adoptada por las últimas gestiones municipales locales, no será una tarea sencilla lanzar un proyecto de tamaña envergadura que involucre a todos los actores.
6. PALABRAS FINALES
En este año 2025 la IA ha dado su gran salto. Su utilización se ha masificado en todos los horizontes y, su aplicación al estudio de la historia de 9 de Julio representa, indudablemente, una oportunidad sin precedentes para profundizar el conocimiento sobre el pasado de la comunidad. Las tecnologías de la IA no solo facilitan el procesamiento eficiente de grandes volúmenes de información histórica, sino que también revelan patrones y conexiones que permanecerían ocultos mediante métodos tradicionales de investigación.
La digitalización inteligente del patrimonio documental, el análisis automatizado de fuentes primarias y la visualización interactiva de datos históricos constituyen herramientas fundamentales para la construcción de una historiografía local más comprehensiva y rigurosa. Sin embargo, es crucial abordar estos desarrollos con consciencia crítica sobre sus limitaciones y sesgos inherentes.
El estudio de la historia de 9 de Julio puede beneficiarse enormemente de estas innovaciones tecnológicas; aunque existe el gran riesgo que quedar supeditado a la contingente dimensión «municipalizada», que todo pretende abarcarlo sin acometer nada concreto y que ya ha dado marcada muestra de ineficiencia en la gestión de las fuentes históricas y de los bienes culturales de la comunidad. La preservación digital del patrimonio documental, el análisis de sus transformaciones socio-económicas y la reconstrucción de variopintos aspectos de su rico pretérito, constituyen contribuciones valiosas de la IA, no solo para la historiografía local, sino también para la comprensión de procesos históricos más amplios.
En última instancia, la integración de la inteligencia artificial en la investigación histórica local no representa una sustitución de la labor de los historiadores, sino una potenciación de sus capacidades analíticas e interpretativas. La tecnología debe servir como instrumento para amplificar la comprensión humana del pasado, preservando siempre el rigor metodológico y la sensibilidad interpretativa que caracterizan a la historiografía.
REFERENCIAS BIBLIOGRAFICAS SOBRE LA IA Y SUS ALCANCES
- «Inteligencia Artificial: Principios y Aplicaciones». (PDF) Inteligencia Artificial: Principios y Aplicaciones ResearchGate, 2014. Disponible en: https://www.researchgate.net/publication/262487459_Inteligencia_Artificial_Principios_y_Aplicaciones
- Advances in Artificial Intelligence Publicaciones científicas sobre Inteligencia Artificial | AEPIA. Springer, Lecture Notes in Artificial Intelligence. Publica selecciones del Congreso de la Asociación Española de Inteligencia Artificial.
- Alliance of Digital Humanities Organizations: https://digitalhumanities.org/
- Barocas, Solon, Moritz Hardt y Arvind Narayanan. Fairness and Machine Learning: Limitations and Opportunities. fairmlbook.org, 2019. Disponible en: https://fairmlbook.org/
- Bertalmio, Marcelo, et al. «Image Inpainting.» En Proceedings of the 27th Annual Conference on Computer Graphics and Interactive Techniques, 2000. Disponible en: https://dl.acm.org/doi/10.1145/344779.344972 (ACM Digital Library)
- Blei, David M., Andrew Y. Ng y Michael I. Jordan. «Latent Dirichlet Allocation.» En Journal of Machine Learning Research, vol. 3, 2003. Disponible en: https://www.jmlr.org/papers/volume3/blei03a/blei03a.pdf
- Christen, Peter. Data Matching: Concepts and Techniques for Record Linkage, Entity Resolution, and Duplicate Detection. Berlín: Springer, 2012. Disponible a través de SpringerLink con acceso institucional
- Digital Humanities Quarterly: https://www.digitalhumanities.org/dhq/
- D’Ignazio, Catherine y Lauren F. Klein. Data Feminism. Cambridge: MIT Press, 2020. Disponible en: https://data-feminism.mitpress.mit.edu/
- European Association for Digital Humanities: https://eadh.org/
- Goodfellow, Ian, Yoshua Bengio y Aaron Courville. Deep Learning. Cambridge: MIT Press, 2016. Disponible en: https://www.deeplearningbook.org/
- Hockey, Susan. «The History of Humanities Computing: An Overview.» En Digital Humanities Quarterly, vol. 1, no. 1, 2007. Disponible en: https://onlinelibrary.wiley.com/doi/abs/10.1002/9780470999875.ch1
- Hogan, Aidan, et al. «Knowledge Graphs.» En ACM Computing Surveys, vol. 54, no. 4, 2021. Disponible en: https://dl.acm.org/doi/10.1145/3447772 (ACM Digital Library)
- Inteligencia artificial: Revista Iberoamericana de Inteligencia Artificial DialnetLatindex. Asociación Española para la Inteligencia Artificial (AEPIA). Disponible en: https://dialnet.unirioja.es/servlet/revista?codigo=5781
- Jurafsky, Daniel y James H. Martin. Speech and Language Processing. 3ª ed. Stanford: Stanford University Press, 2023. Disponible en: https://web.stanford.edu/~jurafsky/slp3/
- Krizhevsky, Alex, Ilya Sutskever y Geoffrey E. Hinton. «ImageNet Classification with Deep Convolutional Neural Networks.» En Communications of the ACM, vol. 60, no. 6, 2017. Disponible en https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
- Moretti, Franco. Distant Reading. Londres: Verso, 2013. Disponible en: https://www.scribd.com/document/546796867/Franco-Moretti-Distant-Reading; también disponible en: https://www.perlego.com/book/731253/distant-reading-pdf
- Rouhiainen, Lasse. Inteligencia artificial. Disponible en: https://proassetspdlcom.cdnstatics2.com/usuaris/libros_contenido/arxius/40/39307_Inteligencia_artificial.pdf
- Russell, Stuart J. y Peter Norvig. Inteligencia Artificial: Un enfoque moderno. Disponible en: https://luismejias21.files.wordpress.com/2017/09/inteligencia-artificial-un-enfoque-moderno-stuart-j-russell.pdf
- Vaswani, Ashish, et al. «Attention Is All You Need.» En Advances in Neural Information Processing Systems, 2017. Disponible en: https://arxiv.org/abs/1706.03762 (ArXiv)
- Vela, Alfredo. El Libro de la Inteligencia Artificial (versión 17). 2024. Disponible en: https://alfredovela.com/wp-content/uploads/2024/04/libro-inteligencia-artificial-version-17_alfredovela.pdf
