Apollo, el primer modelo de lenguaje para griego antiguo, llega con Mistral

La Academia Austriaca de Ciencias pone este miércoles a disposición de los investigadores Apollo, un modelo de lenguaje entrenado con unos 600 millones de palabras de griego antiguo y accesible gratis a través de un chatbot. Lo firma junto al laboratorio francés Mistral y la consultora Sail Reply, y sus responsables lo presentan como el primer gran modelo dedicado a esta lengua. El corpus sale de manuscritos, papiros e inscripciones.

El problema que ataca es concreto. El griego antiguo se escribía sin separar palabras, así que reconstruir un fragmento roto obliga a un especialista a decidir dónde empieza cada término, datar el documento, situarlo en su contexto sociopolítico y tirar de repertorios para elegir qué palabra encaja en el hueco. Quedan muy pocos filólogos capaces de hacerlo bien. Apollo se traga ese conocimiento: «Cuando ve Homero, añade griego homérico; cuando ve una inscripción en dórico, usa dórico», dice Anna Dolganov, historiadora y papirologista de la academia austriaca.

No va a aparecer una obra nueva de Sófocles

El propio equipo rebaja las expectativas. Muchos papiros siguen sin restaurar precisamente porque son documentos rutinarios: cartas personales, contratos matrimoniales, papeles de la administración. «Si uno es lego podría pensar que de repente van a salir obras de Sófocles, pero eso no va a pasar», señala Stephen Colvin, catedrático de clásicas en el University College de Londres. Lo que sí puede hacer el modelo es completar detalles sobre la vida cotidiana en la Antigüedad y respaldar hipótesis que ya existían. Cada documento restaurado suma un fragmento pequeño de conocimiento, según Armand D'Angour, de Oxford.

El humano sigue en el bucle

Queda el riesgo evidente: un sistema probabilístico que rellena huecos puede meter errores en el registro histórico y contaminarlo. Apollo está diseñado para proponer varias opciones de palabra y dejar que el scholar elija, no para cerrar el texto por su cuenta. «El punto crucial es que la competencia humana siga ahí. Si dependemos por completo de transcripciones e interpretaciones de la IA, es cuando empiezan los problemas», dice Dolganov.

El anuncio no aclara si los pesos se publicarán ni bajo qué licencia: solo habla de acceso gratuito por chatbot para personal académico. Tampoco hay demos públicas de reconstrucciones concretas ni métricas de acierto. Si el enfoque funciona, la receta es replicable a otras lenguas muertas como el latín o el egipcio, o a cualquier disciplina con un corpus grande que indexar. Para quien construye con modelos, el patrón no es nuevo: un corpus vertical difícil de conseguir como ventaja competitiva, y una interfaz que devuelve opciones en lugar de decisiones. Lo interesante aquí es dónde pone el listón el socio: Mistral ya venía vendiendo modelos adaptados a dominios concretos, y este es un nicho con pocos usuarios y mucha especialización.