https://pixabay.com/es/photos/computadora-port%C3%A1til-ipad-org%C3%A1nico-1280536/

Por décadas ha existido una diferencia entre lo que es una ciencia dura como las matemáticas, la física o la química, y lo que es una ciencia social como la psicología o la antropología, por mencionar algunos ejemplos. Dicha distinción ha causado desinformación con respecto a la importancia que tienen, para la sociedad y para la ciencia en general, los estudios de los comportamientos humanos. A pesar de ello, y con el desarrollo a pasos agigantados de las nuevas tecnologías, ese mismo discurso parece estar alejado de lo que está sucediendo desde hace ya más de cuatro décadas.

Según el antropólogo y lingüista Carlos Reynoso, la investigación social y las ciencias complejas son las que definen los problemas que son utilizados en la tecnología y en la ciencia formal. Desde la antropología, por ejemplo, se utilizan técnicas de grafos y las redes sociales para identificar patrones sociales que sirven para definir problemas matemáticos. Entonces, ¿primero utilizamos la vida cotidiana o los problemas sociales para que las ciencias duras puedan desarrollarse con gran veracidad? Sin duda, la ciencia ha cambiado.

 

Los modelos de degradación en la pintura rupestre y mural

Estas nuevas aplicaciones computacionales también han podido apuntalar en la generación de modelos desde un problema social para revelar patrones en la sociedad del pasado. Por ejemplo, proponen entender las distribuciones que se observan en los centros mayas conectados a través de los caminos pavimentados llamados sacbés, o la búsqueda de técnicas y huellas en arte rupestre desde una metodología con fractales, la relación espacio temporal relacionada en la construcción de Teotihuacán, o la forma de distribución de bordados indígenas.

Los diversos softwares que podemos encontrar en la aplicación de los estudios de imagen en arqueología, derivan de programas de procesamiento digital que todos conocemos: el java. Dichas aplicaciones, entre ellos el programa imageJ, tuvo su origen para detallar imágenes a las ciencias en la salud, pero gracias a que el código es abierto y por tanto extensible, el programa fue ampliándose hasta ser una herramienta útil, incluso para tratar el arte rupestre de hace más de 10 000 años. Sin embargo, las ciencias complejas tenían un as escondido.

Estos estudios —que son de bajo costo— se desarrollan a partir de una fotografía digital en formato «.raw». Al introducir estas nuevas aplicaciones, por ejemplo, en pinturas mexicas, podemos no solo hacer la «imagen más bonita», sino que los diversos tratamientos dentro del programa de computador pueden darnos algunas respuestas en cuanto a cómo estaba hecha, cuántas capas tenía y si existían patrones de técnicas en la pintura. Dichos análisis fueron realizados con dos softwares de sistema abierto creados en el laboratorio de análisis espacial de la Universidad Nacional Autónoma de México (UNAM), por Jean François Parrot, quien al introducir las imágenes no solo realzó los colores, sino que también analizó, otorgó datos estadísticos y, por tanto, nos permite comparar resultados de una imagen y de otra de manera cualitativa.

 

¿Cómo funcionan?

Los softwares realizan un análisis de estiramiento de la imagen, es decir, que a través del color provoca que se hagan visibles elementos que ya no son tan perceptibles para el ojo humano. Este tipo de programas recurre al modo raster, que es cuando los objetos estudiados corresponden a componentes de pixeles. Hoy en día todos tomamos fotografías con nuestros dispositivos móviles y sabemos que a medida que hacemos zoom la imagen digital se descompone, «se pixelea». En la imagen digital, un pixel es la unidad homogénea más pequeña de una imagen rasterizada. Todas las nuevas tecnologías, como la fotogrametría o los 3D, también trabajan con este modo digital.

¿Cuáles son las ventajas que encontramos con este tipo de estudios por algoritmos computacionales en la pintura? Pues bien, se inicia con una metodología muy rigurosa donde los tonos de las imágenes digitales nos ofrecen herramientas de comunicación visual. Se puede analizar la línea de la pintura prehispánica, las irregularidades que posee una superficie y analizar esta rugosidad de la pintura o grabados y hacer modelos de cómo se comporta la pintura en diversos soportes o en diversas materias primas. ¿Qué significa esto? Que probablemente no sea el mismo patrón que deje una pintura en una roca, en una estalactita o en un pedazo de cerámica.

Esto suena elemental, salvo cuando lo que queremos definir son patrones de técnicas, y justamente los estudios de ciencia computacional pueden acercarnos a ello, incluso en diversos materiales.

 

El proceso

Una imagen digital, en este caso de arte rupestre, se transforma en una imagen en tonos grises; según la distribución de los tonos gris en la imagen, se realiza un estiramiento de ella. Posteriormente, la imagen se integra a los diversos tratamientos, dependiendo de qué es lo que queremos localizar. Uno de ellos, además del estudio de la rugosidad, es un análisis de la dimensión fractal, el cual nos permite definir la microgeometría de la superficie.

Ahora bien, ¿qué pasaría si nos encontramos con pinturas muy degradadas, grafiteadas o casi borradas? La situación es mucho más compleja, pero no imposible. Como se menciona en las primeras líneas de este artículo, las simulaciones son parte de estas nuevas modalidades científicas. Coatl, que es el nombre de uno de los programas, calcula la distancia entre cada pixel de la figura estudiada y con ello «reconoce» cuáles pixeles son similares, como si tuvieran un código común. Al realizar dicha exploración, el programa restaura la imagen dónde existía pintura y así puede ser visualizada, prácticamente, como cuando se pintó.

Finalmente, en aspectos técnicos, hemos podido comprobar la eficacia de estas tecnologías. Los resultados que conlleva es poder comparar cualitativamente una misma pintura y sus efectos de degradación con el paso del tiempo o poder saber si muchas de ellas, en un mismo lugar, fueron realizadas con la misma técnica pictórica y su materia prima. Hemos podido comprobar que el análisis de capas y los distintos tonos de gris nos muestran el número posible de capas, cómo fueron pintadas y nos permite proponer si existían capas de pintura acumuladas o si la cantidad de pintura ha persistido más en algunas partes que en otras.

En un ámbito más cuantitativo, nos ofrece observaciones para adelantarnos a la conservación de las mismas, sabiendo cómo se comporta la desaparición de la pintura desde modelos predictivos. Pero de esto no vive y no avanza la arqueología. Las nuevas tecnologías y ciencias computacionales también ayudan a proponer diversas interpretaciones de carácter cognitivo. Gracias a acercamientos mucho más detallados y fehacientes, hemos podido interpretar, caracterizar y clasificar las pinturas rupestres y localizar patrones. Esto nos lleva a preguntarnos si los seres humanos nos regimos por reglas, incluso en materias artísticas.

Asimismo, y desde un estudio neurocognitivo, podemos interpretar que pudo haber pintores especializados que contaban con una «firma», tal como sucede desde la edad moderna con los grandes pintores.

 

 

Aline Lara-Galicia. Investigador Cualificado María Zambrano, Departamento de Prehistoria y Arqueología, Universidad de Sevilla. Sevilla, España.

Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo. 

 

Brown, C.T. y Witschey, W.R. (2003). The fractal geometry of ancient Maya settlement. Journal of Archaeological Science, 30(12), 1619-1632. https://www.sciencedirect.com/science/article/abs/pii/S0305440303000633

 

Lara, A. (2013). Fractales en Arqueología: Aplicación en la pintura rupestre de sitios del México prehispánico. Virtual Archaeology Review, 4(8), 80-84. https://polipapers.upv.es/index.php/var/article/view/4323/4464

 

Oleschko, K., Brambila, R., Brambila, F., Parrot, J.F. y López, P. (2000). Fractal analysis of Teotihuacan, Mexico. Journal of Archaeological Science, 27(11), 1007-1016. https://www.researchgate.net/publication/229118699_Fractal_Analysis_of_Teotihuacan_Mexico

Parrot, J.F. (2010). FROG (Fractal Researches on Geosciences). México: Instituto de Geografía, UNAM. https://www.researchgate.net/publication/313905159_Manual_de_utilizacion_del_Software_FROG_V2_Fractal_Research_On_Geosciences_Version_20

 

Reynoso, C. (2019). Etnogeometrías: Patrones geométricos y cultura. https://www.academia.edu/53130177/Etnogeometr%C3%ADa_y_Arqueogeometr%C3%ADa_Patrones_geom%C3%A9tricos_ciencia_y_cultura_en_Antropolog%C3%ADa_y_Arqueolog%C3%ADa_del_Arte_2017_2021_