Uma equipe internacional de cientistas desenvolveu um sistema de inteligência artificial capaz de reconstruir antigos manuscritos de bambu fragmentados — documentos fundamentais para compreender a história intelectual e administrativa da Ásia Oriental. A tecnologia, descrita em um estudo científico recente, combina aprendizado profundo com modelos físicos que simulam como o bambu se quebra e se deteriora ao longo dos séculos, permitindo que algoritmos sugiram quais fragmentos pertencem ao mesmo artefato original. 

Os manuscritos de bambu foram um dos principais suportes de escrita na China antiga, registrando textos sobre filosofia, direito, economia e vida social. Embora resistentes o suficiente para sobreviver por milênios enterrados, muitos desses objetos chegam aos arqueólogos em milhares de pedaços irregulares, um quebra-cabeça extremamente complexo de remontar.

“Cada fragmento pode potencialmente se encaixar com milhares de outros”, explicam os pesquisadores no artigo. “Isso torna o processo manual de recomposição extremamente demorado.” 

O novo sistema, chamado WisePanda, foi desenvolvido por pesquisadores da Universidade de Wuhan e de outras instituições chinesas para enfrentar exatamente esse desafio. O método utiliza aprendizado profundo — um tipo de inteligência artificial inspirado na forma como redes neurais processam informações — mas com um diferencial: em vez de depender apenas de dados históricos, o algoritmo aprende também a partir das leis físicas que governam a fratura e a deterioração do bambu.

Treinar sistemas de inteligência artificial geralmente exige grandes conjuntos de dados rotulados. No caso de manuscritos arqueológicos, porém, esse tipo de informação quase não existe. Os poucos pares de fragmentos já identificados por especialistas são resultado de anos de trabalho manual, o que limita severamente a quantidade de exemplos disponíveis para treinar algoritmos.

Os cientistas resolveram esse paradoxo recorrendo à física dos materiais. Eles criaram um modelo computacional capaz de simular como o bambu se rompe — levando em conta sua estrutura fibrosa — e como as bordas quebradas se degradam ao longo do tempo devido à umidade, pressão do solo e atividade microbiana.

Com base nessas simulações, o sistema gera milhares de pares artificiais de fragmentos que imitam padrões reais de quebra e desgaste. Esse conjunto sintético de dados permite treinar a rede neural para reconhecer as características geométricas das bordas que pertencem ao mesmo fragmento original. 

Para testar a eficácia do WisePanda, a equipe comparou o sistema com métodos tradicionais de correspondência de curvas — técnicas usadas desde a década de 1990 para identificar bordas compatíveis — e também com abordagens modernas baseadas em modelos generativos de inteligência artificial.

Em um conjunto principal de testes contendo 118 pares de fragmentos previamente confirmados por especialistas, o algoritmo conseguiu identificar o par correto entre as 50 sugestões mais prováveis em 91,8% dos casos, desempenho significativamente superior aos métodos comparados, que variaram entre 65% e 85%. 

Quando os pesquisadores aumentaram a dificuldade do problema — adicionando mais de mil fragmentos extras como interferência — o sistema ainda manteve uma taxa de sucesso de 52,5%, superando amplamente os concorrentes, que ficaram entre 12% e 38%. 

Embora esses números não signifiquem que a inteligência artificial resolva completamente o quebra-cabeça arqueológico, eles reduzem drasticamente o tempo necessário para encontrar combinações promissoras. Em vez de examinar milhares de possibilidades, os especialistas podem concentrar sua atenção nas sugestões geradas pelo algoritmo.

A remontagem manual de manuscritos antigos pode ser extremamente lenta. Em alguns casos, especialistas levam semanas apenas para confirmar um único encaixe entre dois fragmentos.

O problema torna-se ainda mais difícil porque muitos pedaços apresentam poucos caracteres visíveis ou bordas deformadas por séculos de degradação. Frequentemente, os arqueólogos precisam confiar quase exclusivamente na forma das fraturas para encontrar correspondências.

Ao oferecer uma lista ordenada de candidatos mais prováveis, o WisePanda transforma esse processo em uma colaboração entre humanos e máquinas. O sistema funciona como uma ferramenta de triagem, deixando para os especialistas a decisão final sobre cada encaixe.

Segundo os pesquisadores, um software baseado no algoritmo já está sendo usado por arqueólogos para acelerar o fluxo de trabalho em projetos de restauração de manuscritos.

Embora o sistema tenha sido projetado especificamente para manuscritos de bambu, os autores afirmam que a abordagem pode ser aplicada a outros tipos de artefatos fragmentados — incluindo cerâmica, madeira, metais e outros materiais arqueológicos.

O princípio central é integrar conhecimento físico sobre como os materiais se quebram e se degradam com técnicas modernas de aprendizado de máquina.

“Quando dados de treinamento são escassos, mas os princípios físicos são bem compreendidos, modelos baseados na física podem preencher essa lacuna”, escrevem os pesquisadores. 

Essa estratégia, afirmam, pode inaugurar uma nova geração de ferramentas digitais para preservação do patrimônio cultural.

Ao combinar arqueologia, ciência dos materiais e inteligência artificial, o estudo sugere que tecnologias modernas podem ajudar a reconstruir textos antigos e recuperar fragmentos perdidos da história humana — literalmente peça por peça.