Basta digitare una frase in inglese e TabletCraft la trasforma in accadico, ne genera la traslitterazione in caratteri cuneiformi e riesce persino a comporli su una tavoletta digitale dal colore dell’argilla. Il processo funziona anche nel senso opposto, verso l’inglese. Si tratta dell’ultimo traguardo di una ricerca che punta a rendere fruibile un patrimonio sterminato: circa cinquecentomila tavolette cuneiformi sono custodite in collezioni sparse per il mondo, e gran parte di esse attende ancora di essere studiata e tradotta.
Una precisazione è d’obbligo, perché cinquemila anni di storia impongono almeno di usare i termini corretti. Il cuneiforme è un sistema di scrittura, non una lingua vera e propria: veniva impiegato per registrare diversi idiomi del Vicino Oriente antico. TabletCraft si concentra sull’accadico, una lingua semitica testimoniata per millenni in territorio mesopotamico. Lo strumento è stato ideato da Zhaohui Wang della University of Southern California e la ricerca è stata ammessa al workshop C3NLP di ACL 2026.
La vera novità è il percorso dall’inglese verso l’accadico
La traduzione automatica dall’accadico verso l’inglese non era una novità assoluta. Ciò che TabletCraft introduce è soprattutto il tragitto inverso: partendo da un testo in inglese, il sistema genera una traslitterazione accadica, la abbina ai segni cuneiformi codificati in Unicode e infine può visualizzarli graficamente come su una vera tavoletta. L’architettura si fonda su ByT5 ed è stata istruita in entrambe le direzioni utilizzando 58.126 frasi allineate, da cui sono state ricavate circa 116mila coppie per l’addestramento. Il modulo di conversione include 14.240 corrispondenze tra traslitterazioni e simboli e, secondo i test degli sviluppatori, riesce a coprire il 95,3% dei token analizzati.
Testato sul dataset di validazione Akkademia, formato da 2.812 esempi in prevalenza neo-assiri, TabletCraft ha registrato un punteggio BLEU pari a 49,1 nel passaggio accadico-inglese e 48,5 in quello inglese-accadico. Questi valori non indicano una percentuale di traduzioni esatte. Il BLEU misura la somiglianza tra il testo generato dall’algoritmo e una traduzione presa come modello, e gli stessi ricercatori sottolineano che, specialmente nella direzione verso l’accadico, si tratta soltanto di un indicatore approssimativo della qualità. Una verifica filologica approfondita condotta da specialisti su ampia scala non è ancora stata realizzata.
Esiste inoltre una difficoltà precedente all’intelligenza artificiale stessa: una medesima frase accadica può essere resa correttamente attraverso diverse grafie, impiegando segni sillabici oppure logogrammi. Un algoritmo può quindi discostarsi dalla trascrizione presa come riferimento e ottenere una valutazione inferiore pur avendo fornito una soluzione perfettamente valida. Al contrario, può produrre una frase dall’aspetto convincente che un esperto assiriologo riterrebbe però errata. Il calcolo automatico, da solo, non basta a interpretare correttamente la tavoletta.
Gli sviluppatori sono piuttosto chiari anche su un altro limite: l’accadico ottenuto partendo dall’inglese resta una ricostruzione approssimativa generata artificialmente. Non può quindi essere considerato un testo antico autentico né utilizzato come documento storico. La base di addestramento è per giunta molto ricca di iscrizioni reali neo-assire risalenti al primo millennio a.C.; il sistema si destreggia meglio con formule, titoli e strutture già incontrate, mentre altri registri linguistici, come le lettere commerciali paleo-assire, risultano ancora più ostici.
Il primo tentativo di IA per il cuneiforme risale al 2023
L’aspetto forse più affascinante di questa vicenda, ovvero la traduzione automatica dei segni cuneiformi in inglese, ha già qualche anno di storia alle spalle. Nel 2023 Gai Gutherz, Shai Gordin e colleghi pubblicarono su PNAS Nexus una ricerca dedicata alla traduzione automatica dell’accadico. Il loro strumento operava sia sulle traslitterazioni in caratteri latini sia direttamente sui segni cuneiformi in formato Unicode, ottenendo rispettivamente 37,47 e 36,52 punti BLEU4.
L’insieme di dati comprendeva 8.056 tavolette e 56.160 segmenti impiegati per addestrare la traduzione dalla traslitterazione verso l’inglese. Anche in questo caso il materiale risultava fortemente concentrato sul periodo neo-assiro: 7.327 tavolette appartenevano proprio a quella fase storica. I risultati variavano notevolmente in base al genere testuale e alla lunghezza del brano; formule ripetitive e passaggi brevi si rivelavano generalmente più semplici da gestire per il sistema.
E la macchina poteva commettere errori con notevole disinvoltura. In uno degli esempi esaminati dai ricercatori, il testo originale specificava che il re non si recava alla Casa di Dio nel ventunesimo giorno. Il modello ha eliminato la negazione, facendo scendere serenamente il sovrano. Basta una parola mancante per ribaltare completamente il senso. I ricercatori hanno utilizzato proprio episodi simili per dimostrare perché anche una traduzione apparentemente corretta necessiti sempre della supervisione di un esperto.
Dalla foto della tavoletta al testo tradotto manca ancora qualche tassello
L’obiettivo più ambizioso sarebbe scattare una fotografia della tavoletta, attendere pochi istanti e ottenere direttamente il testo tradotto. Gli elementi necessari cominciano ad apparire, ma per ora restano frammentati tra sistemi differenti.
Nel giugno 2026 un team della Ludwig-Maximilians-Universität di Monaco ha presentato un sistema per il riconoscimento automatico dei segni cuneiformi, applicandolo alle immagini della Electronic Babylonian Library. Il modello ha elaborato 87.668 frammenti, generando quasi 2,9 milioni di identificazioni di simboli. Il database annotato utilizzato per il suo sviluppo contava 124.504 segni, oltre il doppio rispetto alla versione precedente. Va precisato che si tratta di un preprint, e gli stessi autori evidenziano criticità legate a erosioni, fratture, disposizione irregolare del testo e mancanza di riferimenti linguistici durante il processo di riconoscimento.
Anche il sumero sta facendo il suo ingresso in questo laboratorio digitale. Nel 2024 il progetto SumTablets ha catalogato le rappresentazioni Unicode e le traslitterazioni relative a 91.606 tavolette sumeriche, per un totale di quasi sette milioni di glifi. Il modello testato dai ricercatori ha raggiunto un punteggio chrF medio di 97,55 nella fase di traslitterazione, un risultato concepito principalmente per permettere agli esperti di verificare rapidamente le proposte automatiche invece di trascrivere manualmente ogni singolo segno.
La tendenza appare comunque abbastanza chiara: sistemi di visione artificiale per individuare i cunei nella fotografia, modelli linguistici per ricostruire e traslitterare i segni, traduzione automatica per produrre una prima versione in lingua moderna. Un sistema unico capace di elaborare autonomamente qualsiasi tavoletta danneggiata e fornire una traduzione pienamente affidabile non esiste ancora. Lo stesso TabletCraft indica il riconoscimento ottico dei caratteri cuneiformi e il supporto alla lingua sumera tra gli sviluppi futuri, e viene presentato come strumento di supporto da verificare, non come sostituto dell’assiriologo.
Difficilmente cinquecentomila tavolette inizieranno a raccontare la loro storia tutte insieme. Tuttavia, alcune delle mansioni più ripetitive potrebbero velocizzarsi notevolmente: identificare migliaia di segni, elaborare una traslitterazione preliminare, predisporre una prima bozza di traduzione da rivedere. Dopo quattromila anni di silenzio, ridurre l’attesa davanti alla scrivania degli assiriologi rappresenta comunque un progresso tecnologico significativo.