Un grupo de investigadores liderado por la Universidad de Duke encontró una nueva forma de acercarse a uno de los grandes enigmas de la historia bíblica, ¿quién escribió realmente el Antiguo Testamento? Para ello, recurrieron a una combinación poco habitual en este campo; matemáticas, análisis de lenguaje y algoritmos. El resultado es un estudio que logra detectar patrones ocultos en los textos sagrados y ofrecer pistas concretas sobre sus posibles autores.
El estudio utilizó un enfoque estadístico automatizado para clasificar 50 capítulos del Antiguo Testamento. La idea era determinar si ciertos textos podían atribuirse con fundamento a uno de tres grandes bloques tradicionales: Deuteronomio (D), Historia Deuteronomista (DtrH) y Escritos Sacerdotales (P).
Este método computacional no solo confirma hipótesis de larga data, sino que también ofrece nuevas herramientas para investigar textos bíblicos con autoría ambigua. El modelo alcanzó un 84 % de precisión en sus predicciones, una cifra sorprendente en el ámbito de los estudios religiosos.
Los investigadores explican que la Biblia no fue escrita de una sola vez ni por un solo autor. Es una obra colectiva, transmitida oralmente, editada y reelaborada durante siglos. Este carácter fragmentario ha dificultado la identificación de sus autores. Pero ahora, la IA ofrece una forma de rastrear las huellas lingüísticas invisibles dejadas por las distintas escuelas redactoras.
El algoritmo utilizado no depende de decisiones humanas. En lugar de analizar el estilo literario o el contexto histórico, examina patrones estadísticos como la frecuencia de ciertas palabras o combinaciones de palabras. Esto permite trazar un perfil lingüístico objetivo de cada corpus.
Te puede interesar: ¿Son confiables las mediciones del Apple Watch? Estudio revela si son reales
Los tres bloques principales del análisis tienen orígenes distintos. El corpus D se asocia con escritos del siglo VII a. C.; DtrH incluye libros históricos como Josué o Reyes; y P abarca textos rituales y legales redactados posiblemente durante el exilio en Babilonia. Este último resultó ser el más fácil de identificar, con una tasa de éxito del 95 %.
Uno de los hallazgos más interesantes es la relación entre D y DtrH. Aunque se creían distintos, sus patrones de lenguaje son más similares entre sí que con P. Esto respalda la teoría de que ambos compartieron influencias o contextos comunes de escritura.
Más allá de la clasificación básica, el estudio también evaluó textos complejos o discutidos, como el Relato del Arca en los libros de Samuel. La IA reveló que esta narrativa parece compuesta por dos partes con estilos diferentes, lo que sugiere múltiples autores. Del mismo modo, capítulos como Levítico 26 o Deuteronomio 28 mostraron afinidades con más de un corpus, lo que confirma la naturaleza híbrida de algunos textos.
El impacto de este enfoque va más allá del análisis lingüístico. Abre nuevas puertas para la investigación bíblica, proporcionando una base cuantitativa que puede complementar las interpretaciones teológicas e históricas. Los biblistas, por ejemplo, pueden usar estos resultados para reevaluar la cronología y autoría de ciertos pasajes.
Sin embargo, los propios autores del estudio reconocen limitaciones. Los capítulos muy cortos presentan más margen de error, y la cercanía entre algunos corpus dificulta la clasificación exacta. Aun así, los resultados son consistentes y reproducibles, lo que representa un salto metodológico significativo.
Este tipo de análisis no busca reemplazar la exégesis tradicional, sino enriquecerla. Al ofrecer una perspectiva objetiva, permite reexaminar antiguos debates con herramientas del siglo XXI. Y si bien la pregunta de “¿quién escribió la Biblia?” seguirá abierta, ahora contamos con una forma más robusta y transparente de abordarla.
El estudio demuestra cómo la ciencia de datos puede dialogar con los textos sagrados, respetando su complejidad pero también aportando claridad. En un mundo donde fe y tecnología a menudo parecen opuestos, esta investigación prueba que pueden colaborar para iluminar el pasado.
Imagen: Generada con Ia
