Investigadores desenvolveram um método baseado em IA (Inteligência Artificial) para analisar textos científicos históricos, revelando a forma como o conhecimento se difundiu e evoluiu no início da Europa moderna. Ao examinar séculos de livros astronómicos, a IA mostra como os enquadramentos científicos se expandiram e se adaptaram ao longo do tempo. Esta abordagem fornece uma ferramenta promissora para a investigação histórica, fornecendo novas perspetivas sobre a evolução do pensamento científico e ajudando, potencialmente, estudos futuros em diversas áreas do conhecimento.

À medida que a sociedade enfrenta os desafios do Antropoceno, é cada vez mais importante compreender os desenvolvimentos científicos e sociais que permitiram à atividade humana influenciar o sistema terrestre. No entanto, devido à abundância de documentos disponíveis e à escassez de investigadores especializados, a análise histórica necessária para compreender a evolução do conhecimento científico é difícil de completar em grandes escalas.

Num estudo recente, uma equipa de investigadores testou um novo método baseado em IA para analisar textos históricos e descobrir mudanças temporais e geográficas na transformação do conhecimento. Utilizando a Coleção Sacrobosco, uma grande coleção de manuais históricos de astronomia, mostram que os métodos de IA podem ser utilizados para estudar a forma como o conhecimento matemático e o conhecimento científico evoluíram e se difundiram nas universidades europeias entre 1470 e 1650.

O novo método foi concebido para permitir a aprendizagem de máquina em ambientes com poucos recursos através de uma abordagem de atomização-recomposição que tira partido da estrutura de composição dos documentos. Essencialmente, a equipa identificou páginas de texto no conjunto de documentos que continham tabelas numéricas. As tabelas foram divididas em dígitos individuais (atomização) e depois recombinadas pela IA em padrões significativos (recomposição). As tabelas foram depois comparadas entre livros da coleção de diferentes épocas e regiões, permitindo aos investigadores acompanhar a forma como o conhecimento astronómico e o conhecimento matemático se difundiram geográfica e temporalmente.

A estrutura da abordagem atomização-recomposição para aprendizagem de modelos em configurações de anotação esparsa. Crédito: Eberle et al., Science Advances (2024)

Para testar o seu método, a equipa realizou dois estudos de caso. O primeiro examinou o conceito de zonas climáticas, presente desde a Antiguidade, e mostra que, ao longo do tempo, o número de zonas climáticas foi alargado das 7 originais para 7+2 e, por fim, para 24. Mostram assim que a "Era dos Descobrimentos", frequentemente considerada uma época de mudança revolucionária na compreensão científica do planeta, reforçou e alargou o conceito antigo, em vez de o abolir.

No segundo estudo de caso, a IA revelou a introdução de uma tabela utilizada para determinar a posição do Sol no zodíaco em várias épocas da Antiguidade. Esta poderia ter sido utilizada para inferir as datas dos acontecimentos nos textos clássicos, que incluíam frequentemente observações astronómicas.

"Isto reflete um esforço europeu do início da modernidade para reconstruir crónicas antigas utilizando métodos astronómicos, realçando uma preferência pela precisão matemática que reduz a interpretação subjetiva e encoraja o consenso", afirma Jochen Büttner, coautor do estudo e investigador do Instituto Max Planck de Geoantropologia.

Em conjunto, estes resultados demonstram como os métodos de aprendizagem de máquina podem ser utilizados para analisar documentos históricos com dados de treino limitados. Mas, mais do que isso, argumentam os autores, fornecem evidências quantitativas da mudança e disseminação do conhecimento científico no início da Europa moderna, mostrando como a ciência moderna evoluiu a partir de uma combinação da tradição com a inovação.

À medida que a IA se torna mais comum na investigação, o estudo propõe uma forma de utilizar tanto a aprendizagem humana como a aprendizagem de máquina para abordar questões complexas. Os autores esperam aplicar o seu método a outras formas de documentos históricos e áreas do conhecimento, conduzindo, em última análise, a um assistente baseado em IA que possa ajudar a identificar padrões e ligações na investigação histórica.

// Instituto Max Planck de Geoantropologia (comunicado de imprensa)
// BIFOLD (comunicado de imprensa)
// Artigo científico (Science Advances)

Quer saber mais?

Projeto "The Sphere":
Instituto Max Planck de História da Ciência
Biblioteca digital do projeto "The Sphere"