Identificación de escribas en cerámicas poéticas del horno de Changsha de la dinastía Tang mediante un modelo de atención global multiescala de doble vía

Poemas en arcilla, historias de personas

En la superficie de pequeños jarritos y almohadas de porcelana de la dinastía Tang, hace más de mil años se pintaron con pincel, sobre esmalte aún húmedo, líneas de poesía de gran elegancia. Hoy esas breves estrofas se valoran no solo por su belleza, sino también por lo que pueden revelar sobre quienes las escribieron. Hasta ahora, vincular una inscripción concreta con un escriba determinado dependía del ojo entrenado de unos pocos expertos. Este estudio muestra cómo la inteligencia artificial moderna puede ayudar a leer la mano humana detrás de estos frágiles objetos, abriendo una nueva ventana a la vida cotidiana, el trabajo y el comercio en la China medieval temprana.

Por qué importan estas vasijas

El horno de Changsha, activo durante el apogeo de la dinastía Tang, produjo cerámica colorida decorada con pintura, caligrafía y poesía. Estos objetos circularon ampliamente por las primeras rutas comerciales y se convirtieron en portadores de literatura y gusto, además de cumplir su función práctica. Sus inscripciones conservan no solo el texto sino también la energía de los trazos del pincel y las decisiones de escritores individuales. Sin embargo, la mayoría de las piezas que perduran están dispersas entre museos y colecciones privadas, y las imágenes de alta calidad son escasas. No existía un conjunto de imágenes público y estandarizado de estas inscripciones, lo que dificultaba a los investigadores comparar piezas, evaluar métodos digitales o plantear preguntas básicas como: ¿Un mismo alfarero-escriba escribió los poemas de varios recipientes?

Construyendo una biblioteca digital de la caligrafía Tang

Para abordar esto, los autores reunieron primero una nueva colección de imágenes a partir de catálogos publicados de cerámica de Changsha. A partir de 135 objetos individuales —principalmente jarras, platos y almohadas con poesía o anotaciones breves— extrajeron con cuidado 1.865 imágenes de caracteres individuales. Dado que las inscripciones están sobre superficies cerámicas curvas, los caracteres próximos a los extremos aparecen distorsionados en las fotografías. El equipo empleó un proceso especializado de segmentación de imagen y aplanado de superficie para corregir esa curvatura, luego limpió suciedad y grietas, convirtió las imágenes a escala de grises, las redimensionó, redujo el ruido y volteó ligeramente algunas imágenes para aumentar la variedad. El resultado es el primer conjunto de datos dedicado a la caligrafía poética del horno de Changsha, un recurso que puede apoyar el reconocimiento de escritura, el análisis de estilo y muchos otros estudios futuros.

Enseñar a una red neuronal a ver el estilo

Con este conjunto de datos, los investigadores diseñaron un sistema de visión por ordenador cuya tarea es decidir si dos imágenes de caracteres probablemente fueron escritas por la misma persona. El modelo recibe un par de caracteres a través de dos canales paralelos que comparten los mismos pasos de procesamiento. Tras un filtrado básico, ambas imágenes pasan por una red neuronal profunda (ResNet-34) que extrae patrones en el grosor del trazo, las curvas, los espacios y otras características sutiles. En el corazón del sistema está un nuevo módulo de atención global multiescala. En lugar de observar solo un nivel fijo de detalle, este módulo examina los caracteres a varias escalas a la vez —desde la disposición general hasta las ondulaciones finas del trazo— y aprende cómo se relacionan entre sí partes distantes de un mismo trazo. Al combinar estas vistas, el modelo construye una rica “huella” interna del estilo de cada escriba y luego compara ambas huellas para emitir una puntuación de similitud entre 0 y 1.

Poniendo el sistema a prueba

El equipo comparó varios backbones de redes neuronales y mecanismos de atención populares y halló que su red de doble vía con el nuevo módulo de atención obtuvo el mejor rendimiento. Alcanzó una precisión de reconocimiento de aproximadamente el 97,9%, superando claramente a los modelos de atención monoescala más antiguos. Para entender qué había aprendido el algoritmo, los autores generaron mapas de calor que muestran dónde “mira” la red con mayor intensidad. Estos destacan giros de trazo, trazos inclinados hacia la izquierda y otras regiones donde la presión y el ritmo del pincel difieren de una persona a otra, muy parecido a lo que examinaría un conocedor humano. A continuación, los investigadores realizaron pruebas por lotes amplias dentro de objetos individuales y entre distintos objetos. Dentro de una misma vasija, el sistema juzgó de forma consistente que todos los caracteres eran muy similares, apoyando la idea de que el poema de cada recipiente fue escrito por un único escriba en lugar de varios.

Nuevas pistas sobre los artesanos antiguos

El resultado más llamativo apareció cuando el modelo comparó piezas de diferentes colecciones. Dos almohadas cerámicas con poemas de tema amoroso en siete caracteres mostraron una similitud estilística muy alta, aunque ahora se custodian en instituciones separadas. Los registros arqueológicos sitúan ambas almohadas en el mismo yacimiento del horno, y sus formas, motivos decorativos y temas coinciden estrechamente. El veredicto del algoritmo —una probabilidad del 85,8% de que la misma mano escribió ambas inscripciones— respalda la conclusión de que fueron realizadas por un solo escriba. En contraste, tres jarras para vino similares que portan versos de advertencia sobre el arrepentimiento mostraron bajas puntuaciones de similitud, lo que sugiere tres calígrafos diferentes copiando una fórmula textual compartida. En conjunto, estos hallazgos muestran cómo un “ojo” de IA puede ayudar a los historiadores a trazar la organización de talleres, la división del trabajo y las prácticas comerciales.

Lo que esto significa para el pasado y el futuro

Al combinar imaginología digital cuidadosa con una red neuronal sofisticada, este estudio convierte trazos de tinta frágiles en cerámica en evidencia cuantitativa sobre quién escribió qué. Para el lector general, la conclusión clave es que la visión por ordenador ya puede distinguir manos individuales en la caligrafía antigua casi con la misma fiabilidad que un experto humano, pero mucho más rápido y sobre un número muy superior de objetos. Eso permite vincular piezas dispersas por todo el mundo, trazar las trayectorias de artesanos olvidados y comprender mejor cómo coexistían la producción en serie y la expresión personal en la dinastía Tang. Aunque el método no es perfecto y depende de datos limitados y a veces dañados, ofrece una herramienta poderosa para museos y académicos, y un modelo para aplicar la IA a muchos otros tipos de escritura histórica.

Cita: Jiang, C., Li, M., Guo, Y. et al. Scribe identification for Tang Dynasty Changsha Kiln poetic ceramics via dual-path multi-scale global attention model. npj Herit. Sci. 14, 146 (2026). https://doi.org/10.1038/s40494-025-02152-5

Palabras clave: caligrafía antigua, cerámica de la dinastía Tang, identificación de escribas, aprendizaje profundo, patrimonio digital