As Máquinas que Aprendem a Ler Escrita Cuneiforme

Provavelmente composto no início do primeiro milénio a.C., o Hino à Babilónia tornou-se depois um texto escolar que estudantes babilónios copiavam como exercício de escrita. Foi um êxito no seu tempo, reproduzido vezes sem conta no barro. Depois a Babilónia caiu, o barro partiu-se, as peças dispersaram-se por museus e escombreiras de escavação, e o poema desapareceu durante quase dois mil anos.

Em 2025 regressou. Não porque alguém desenterrasse uma cópia completa, mas porque um computador em Munique reconheceu que trinta fragmentos partidos, guardados em gavetas diferentes, eram todos peças da mesma canção.

A biblioteca que era uma única e gigantesca tábua partida

Há uma velha piada entre os assiriólogos: um dia alguém vai perceber que só alguma vez existiu uma única tábua cuneiforme, e que ela simplesmente se partiu num milhão de pedaços. A piada é na verdade uma descrição do trabalho. A escrita cuneiforme, os sinais em cunha premidos no barro húmido por todo o antigo Próximo Oriente, sobrevive sobretudo como fragmentos. Um estudioso pode passar uma carreira inteira à caça do estilhaço que continua o texto do estilhaço à sua frente.

É esse o problema que Enrique Jiménez se propôs atacar na Universidade de Munique. Desde 2018, o seu projeto, a Electronic Babylonian Library, fotografa e translitera a escrita cuneiforme do mundo, construindo uma base de dados que contém hoje cerca de 25 000 tábuas e mais de 350 000 linhas de texto. A parte engenhosa é o que o software faz com isso. Pedindo emprestada uma técnica ao modo como os biólogos alinham cadeias de ADN, compara cada linha com todas as outras e assinala fragmentos que provavelmente encaixam.

Os resultados não são subtis. Jiménez di-lo sem rodeios: nos primeiros 150 anos de estudos cuneiformes, os estudiosos encontraram cerca de 6000 lugares onde os fragmentos encaixam. O seu projeto encontrou cerca de 1500 em apenas cinco anos. É a diferença entre uma vida inteira a semicerrar os olhos e uma pesquisa que corre durante a noite.

O Hino à Babilónia foi um dos frutos. O algoritmo reuniu trinta fragmentos de vinte tábuas diferentes, e deles ergueram-se cerca de dois terços de um poema perdido de 250 versos, incluindo o primeiro testemunho escrito que temos do papel das sacerdotisas da Babilónia. Um texto que as crianças outrora sabiam de cor, desconhecido de todos os estudiosos modernos, até que uma máquina o voltou a montar.

O que a máquina consegue e não consegue fazer

Vale a pena ser exato quanto ao que «a IA lê escrita cuneiforme» significa de facto, porque a versão honesta é mais interessante do que o alarido.

A máquina é muito boa a fazer correspondências e a prever. Além de unir fragmentos, outras equipas treinaram modelos para preencher pequenas lacunas em tábuas danificadas, adivinhando os sinais em falta pelo contexto com uma precisão surpreendente, e até para produzir traduções inglesas grosseiras do acádico. Mas «grosseiras» é a palavra-chave. Os melhores modelos de tradução pontuam, pela medida automática habitual, muito abaixo da tradução comercial madura, e produzem de bom grado um inglês fluente que está simplesmente errado. Funcionam melhor com frases curtas e formulaicas e tropeçam nos voos literários.

E há um limite mais profundo. Os sinais cuneiformes são polivalentes: um aglomerado de cunhas pode ler-se de várias maneiras diferentes, e só o contexto decide. Essa desambiguação, a leitura propriamente dita, é a parte que os humanos ainda fazem. A máquina encontra as peças e sugere as junções. Um estudioso decide o que o texto significa.

Jiménez é refrescantemente lúcido quanto a isto. A tecnologia, diz, nunca substituirá por completo o trabalho erudito humano; o seu verdadeiro dom é a aceleração. A passagem sobre o Eufrates que a sua equipa recuperou do hino di-lo melhor do que qualquer argumento:

O Eufrates é o seu rio, estabelecido pelo sábio senhor Nudimmud.
Sacia a sede da lezíria, encharca o canavial,
os seus prados, em floração brilhante, fazem brotar cevada.

Nenhum algoritmo escreveu aquilo. Um algoritmo apenas encontrou a cevada, espalhada por vinte tábuas partidas, e deixou que um humano a voltasse a plantar no campo.

Os resgates silenciosos

As melhores histórias deste trabalho são quase domésticas. Quando as transliterações há muito perdidas de um estudioso do século XIX, Carl Bezold, foram dadas por desaparecidas para sempre, apareceram numa biblioteca em Heidelberg e foram introduzidas diretamente na base de dados: a letra de um homem morto, com nova vida graças ao software. Os fotógrafos percorrem os acervos do Museu Britânico uma tábua de cada vez, milhares delas, para que a máquina tenha algo que ler. O romantismo desta área não é um robô a decifrar um código. São pessoas pacientes e código paciente, juntos, a atrair um hino de volta à existência.

Cinco palavras do barro

A língua por baixo de tudo isto é o acádico, a fala semítica da Babilónia e da Assíria, e é mais acessível do que as cunhas fazem parecer:

• ṭuppu (TUP-pu), uma tábua de barro, precisamente a que está a ser remontada.
• ṭupšarru (tup-SHAR-ru), um escriba, literalmente «escritor de tábuas».
• Bāb-ili (BAB-ih-lee), Babilónia, «a porta do deus».
• Purattu (pu-RAT-tu), o Eufrates, o rio do hino.
• šarru (SHAR-ru), rei, uma das primeiras palavras que qualquer estudante de escrita cuneiforme encontra.

As máquinas são espantosas, e são também um lembrete de por que a competência humana ainda importa. Alguém tem de saber realmente acádico para transformar um fragmento encontrado num poema. Esse alguém podia ser você, e começa com um punhado de palavras. O PRAVIEL existe para o levar desses primeiros sinais à leitura da coisa verdadeira, tal como os estudiosos em Munique fazem, um verso recuperado de cada vez.

Fontes

• Fadhil and Jiménez, "A Hymn in Praise of Babylon and the Babylonians" (Iraq, 2025)
• The Hymn to Babylon, reassembled with AI (phys.org)
• The Electronic Babylonian Library project (The Conversation)
• Translating Akkadian with neural machine translation (PNAS Nexus, 2023)
• Restoring broken Babylonian texts with neural networks (PNAS, 2020)