«19 de diciembre de 1812, Java Government Gazette, tercera página, segunda columna: El capitán M— tiene en su poder una gran curiosidad, a saber, una piedra caída de una nube de tormenta cerca de la aldea de Cokurrgaum hace tres días (el 6 de agosto). Pesa al menos cuatro libras, es muy pesada para su tamaño por estar fuertemente impregnada de hierro, y está cubierta por una fina corteza negra, como si hubiera estallado pólvora a su alrededor. Quedó enterrada a un pie de profundidad en campo abierto.»
Esta breve nota, sepultada en los escaneos de prensa decimonónica, fue rescatada por un flujo de trabajo de IA ejecutado en local. De confirmarse científicamente, este impacto de meteorito cerca de la aldea de Cokurrgaum, en Maharashtra (India), adelantaría en 26 años el registro más antiguo de caída de un meteorito en ese estado.
El ingeniero de software Jesse Waites aplicó este proceso automatizado sobre 4,35 millones de páginas de los archivos de la Compañía Neerlandesa de las Indias Orientales (VOC) y dos siglos de periódicos estadounidenses y neerlandeses. Si una persona leyera a razón de dos minutos por página durante ocho horas diarias, tardaría cerca de 70 años en revisar semejante volumen documental. El sistema de Waites procesó todo el archivo en una única sesión nocturna de doce horas.
El pipeline no se detuvo ahí: también sacó a la luz el rastro de tres rinocerontes que murieron en plena travesía hacia Ceilán y tres erupciones volcánicas ausentes de los principales catálogos mundiales. Toda la investigación se apoyó en dos rigurosas restricciones de ingeniería: validar lo conocido antes de buscar lo desconocido, y anclar cada conclusión sin excepción al escaneo del documento original.
Antes de buscar lo desconocido, establecer un grupo de control
Lanzar modelos de lenguaje a ciegas sobre millones de documentos históricos para encontrar novedades es una invitación directa a caer en la trampa de las alucinaciones. Disponer de un banco de pruebas previo se convirtió en la línea de defensa esencial para descartar falsos positivos.
El historiador Benjamin Breen había empleado anteriormente Opus 5.5 en los fondos de la VOC para localizar el testimonio de unos marineros que en 1615 avistaron y capturaron dodos en Mauricio. Waites reprodujo en primer lugar ese mismo proceso para calibrar la capacidad de búsqueda basal de su pipeline.
A continuación, el sistema localizó con éxito la erupción de 1711 del volcán Awu, en las islas Sangihe, extrayendo la cifra exacta de 138 víctimas mortales, un dato que coincidía al día con el catálogo del Programa Global de Vulcanismo del Smithsonian.
El éxito de este grupo de control demostró un principio crucial: el pipeline era capaz de extraer hechos contrastables a partir de crónicas personales dispersas y cotejarlos con registros científicos modernos. Solo tras superar esta criba obtuvo vía libre para buscar eventos «candidatos» no compilados.
Contener la factura de cómputo con un pipeline de lectura en tres fases
En el neerlandés del siglo XVII, la palabra «rinoceronte» (rhinoceros) se escribía de unas quince formas distintas. Una búsqueda tradicional por palabras clave habría dejado fuera la inmensa mayoría de las pistas desde el primer momento.
Waites dividió los 4,35 millones de páginas en 5,7 millones de fragmentos semánticos. Mediante modelos de incrustación (embeddings), el sistema posicionó los textos según su distancia conceptual en un espacio vectorial de alta dimensión, logrando que las quince variantes ortográficas convergieran en una misma región semántica.
El auténtico cuello de botella radicaba en cribar hechos reales entre decenas de miles de coincidencias sin disparar los costes de computación. Waites implementó un pipeline de lectura en tres fases: la primera capa recurría a un modelo de decisión rápido y ligero de tipo «Sistema Uno», bautizado como Jev, dedicado exclusivamente a responder preguntas cerradas (como «¿Es un animal real? ¿Es salvaje? ¿Dónde se encuentra?»). Procesar 59.000 menciones de elefantes con Jev costó apenas 3 dólares.
Los pasajes validados por Jev pasaban a una segunda fase donde Claude Haiku analizaba el texto en profundidad, traducía el neerlandés de la época y extraía fechas y coordenadas geográficas. En la última fase, un agente de Claude Code abría los escaneos de las páginas manuscritas originales para verificar la transcripción sobre el documento y contrastar los datos con los catálogos de referencia.
Tres rinocerontes que murieron rumbo a Ceilán
El pipeline reconstruyó los pormenores de un fiasco de la diplomacia zoológica del siglo XVIII. En 1738, la VOC capturó un rinoceronte de Java en las selvas cercanas a Batavia para regalárselo al rey de Kandy, en Sri Lanka, cuya benevolencia era fundamental para mantener el monopolio comercial de la canela.
El animal cruzó el océano Índico y llegó a Colombo, pero nunca subió a las tierras altas de Kandy. En los libros de contabilidad de la VOC de 1740, bajo el epígrafe De Paardenstal («las caballerizas»), quedó asentada una partida de baja: «1 rinoceronte de menos, muerto en las caballerizas en el año 1738». El gobernador de Colombo informó con cierto apuro de la repentina muerte del animal a Batavia y añadió a los obsequios un caballo de silla persa para compensar la pérdida.
Figura: Escaneo de la página manuscrita original en los archivos de la VOC que menciona a los rinocerontes. Fuente: Archivo Nacional de los Países Bajos (Nationaal Archief).
El 5 de julio de 1740, el navío Loverendaal zarpó de Batavia hacia Ceilán con dos nuevos rinocerontes a bordo, un macho y una hembra. Tres días después de levar anclas, el macho murió; diez días más tarde, la hembra (‘t wijfje) corrió la misma suerte. Los oficiales y el contramaestre declararon bajo juramento ante el tribunal de Colombo, ratificando su testimonio palabra por palabra sin admitir alteración alguna.
Las instrucciones del gobernador a sus emisarios en Kandy dejaban entrever un tono de disculpa: envió varios cerdos neerlandeses (un verraco joven y dos cerdas) y notificó con «particular pesar» la muerte de los rinocerontes en alta mar. Tres años después, los emisarios en la corte de Ramnad, en el sur de la India, exigieron con cierta altanería «que se les enviase un rinoceronte joven, tal como se había hecho con el rey de Kandy». El regalo que nunca llegó a destino se había transformado en moneda de presión diplomática.
El catálogo del Smithsonian pasó por alto tres erupciones
Varios de los hallazgos candidatos apuntaron directamente a vacíos en las bases de datos de las ciencias de la Tierra. Aparte del meteorito recubierto de corteza negra —cuya ausencia se constató en el catálogo pionero de Chladni de 1819, los inventarios del Museo Británico y el Meteoritical Bulletin actual—, el sistema recuperó el testimonio documental de tres erupciones volcánicas.
La primera corresponde a la erupción del Gamkonora el 3 de febrero de 1722. En una misiva del 7 de julio de aquel año, el gobernador de Ternate adjuntó el informe pericial del sargento cartógrafo Jacob Engels, quien describía sobre el terreno cómo «la montaña se había abierto en dos por la explosión».
Figura: Carta manuscrita en neerlandés fechada el 7 de julio de 1722 desde Ternate, fuente documental del relato de la erupción del Gamkonora. Fuente: Archivo Nacional de los Países Bajos (Nationaal Archief).
La segunda documenta la erupción del Ciremai, en Java Occidental, a comienzos de 1712. Durante semanas, densas columnas de humo se elevaron sobre la comarca «sin llamas visibles», cubriendo los campos del sureste con un fino manto de ceniza azulada. Las crónicas relatan la ruina de las cosechas y ganado que se negaba a pastar la hierba polvorienta, mientras los mandatarios locales recordaban precedentes similares. La tercera atañe a la actividad anómala del Slamet, en Java Central, en febrero de 1780, señalado como «el antiguo monte ardiente de Tegal», que rugió con una violencia «que nadie en el lugar recordaba haber visto jamás».
Figura: Fragmento del periódico Java Government Gazette del 19 de diciembre de 1812 (pág. 3, col. 2), que reproduce la crónica sobre el meteorito del capitán M publicada en la Bombay Gazette del 26 de agosto de 1812. Fuente: Delpher / Biblioteca Nacional de los Países Bajos.
Tras cotejar los datos con el catálogo actual del Smithsonian, Waites descubrió que estas tres erupciones presenciadas y puestas por escrito por testigos coetáneos llevaban tres siglos ignoradas por la ciencia moderna. Por el momento siguen catalogadas como «candidatas». Waites ya ha contactado con conservadores de meteoritos, el historiador Kees Rookmaaker y vulcanólogos para iniciar una revisión académica formal.
La búsqueda de la erupción misteriosa de 1809 termina en blanco
Pese a estos éxitos, la herramienta no es infalible. Cuando Waites intentó desentrañar el enigma de la gran erupción «desconocida» de 1808/09, el pipeline se dio de bruces contra la nada.
Los testigos de hielo polar señalan que entre 1808 y 1809 tuvo lugar una de las erupciones volcánicas más potentes del último medio milenio, pero su ubicación geográfica sigue siendo una incógnita. Waites rastreó con su flujo de trabajo periódicos estadounidenses y neerlandeses, cuadernos de bitácora, gacetas coloniales sudamericanas y los 633 artículos del primer diario de Batavia. El resultado fue un silencio absoluto.
Sin embargo, este tropiezo aportó su propia certidumbre técnica. Puesto que el mismo pipeline había localizado sin problemas los episodios de Awu, Gamkonora y Ciremai, el vacío en este caso sugiere un hecho objetivo de alta probabilidad: nadie en aquellas regiones dejó constancia escrita de cielos anómalos en 1809. La mejor pista pendiente reside ahora en los 1.235 cuadernos de bitácora de la Compañía de las Indias Orientales que aún esperan ser transcritos.
Waites ha liberado este flujo de trabajo como un conjunto de herramientas de código abierto llamado Antiquity. El experimento ilustra una premisa tan simple como elocuente: él y Breen exploraron exactamente la misma base de datos. Breen entró buscando dodos y regresó con un avistamiento de 1615; Waites entró buscando meteoritos y erupciones olvidadas, y halló piedras negras y volcanes desgajados.
Los millones de páginas de un archivo permanecen inmóviles por sí mismos. Un archivo nunca habla por iniciativa propia: solo responde a las preguntas precisas que un ingeniero acierta a formular.
Enlaces de referencia:
- I pointed AI at 400 years of archives
