¿Quién escribió realmente la Biblia? La inteligencia artificial responde con datos

¿Y si la inteligencia artificial pudiera resolver uno de los mayores misterios de la historia: quién escribió la Biblia? Un equipo internacional ha dado un paso de gigante para descubrirlo cruzando algoritmos, estadística y lenguaje sagrado.

Por Enrique Coperías

Una Biblia hebrea iluminada por circuitos dorados: la imagen simboliza cómo la inteligencia artificial revela patrones ocultos en el texto sagrado para identificar sus autores originales. Imagen generada con DALL-E

La Biblia es uno de los textos más influyentes de la historia de la humanidad. Pero, pese a siglos de estudio, una pregunta clave sigue en el aire: ¿quiénes fueron sus verdaderos autores? Ahora, un equipo internacional de científicos ha desarrollado una herramienta basada en inteligencia artificial (IA) y análisis estadístico que aporta una nueva forma de abordar esta cuestión milenaria.

El estudio, publicado recientemente en la revista científica PLOS One, propone un enfoque que combina matemáticas, lingüística computacional e interpretación bíblica. ¿El objetivo? Determinar la autoría de diversos textos del Antiguo Testamento a partir de patrones sutiles en el uso de palabras.

El equipo, liderado por la matemática Shira Faigenbaum-Golovin, de la Universidad Duke, en Estados, ha logrado identificar tres estilos de redacción distintos dentro de los primeros nueve libros de la Biblia hebrea —el llamado Enneateuco— y aplicar el mismo método a otros capítulos cuya autoría sigue siendo discutida.

Un estudio interdisciplinario para analizar textos bíblicos antiguos

Todo comenzó hace más de una década, cuando Faigenbaum-Golovin colaboraba con el arqueólogo Israel Finkelstein, de la Universidad de Haifa (Israel), en un análisis estadístico de inscripciones sobre fragmentos de cerámica del siglo VI a. C. Aquellos resultados, publicados en The New York Times, revelaron que era posible extraer información cronológica y autorial a partir del estudio de trazos y caracteres.

Aquella experiencia fue la semilla del nuevo proyecto: si la estadística podía ayudar a fechar inscripciones, ¿por qué no intentar lo mismo con los textos bíblicos?

El equipo se fue gestando con especialistas de distintas disciplinas: además de Faigenbaum-Golovin y Finkelstein, participaron Alon Kipnis (Reichman University), Axel Bühler (Facultad Protestante de Teología de París), Eli Piasetzky (Universidad de Tel Aviv) y Thomas Römer (Collège de France). Juntos conformaron una rara pero poderosa alianza entre biblistas, físicos, arqueólogos, matemáticos e informáticos.

Un algoritmo que detecta estilos de autor

El estudio se divide en dos partes. En la primera, los investigadores seleccionaron cincuenta capítulos del Enneateuco, organizados en tres grandes corpus ya reconocidos por la crítica bíblica:

✅ Deuteronomio más antiguo o Ur-Deuteronomio (D).

✅ La llamada Historia Deuteronomista (DtrH), que abarca de Josué a Reyes.

✅ Los textos sacerdotales (P), como partes del Génesis, Éxodo y Levítico.

Estos conjuntos de textos sirvieron como referencias para entrenar el modelo. La metodología utilizada se basa en el análisis de frecuencias de uso de lemmas, es decir, las formas bases o canónicas de una palabra, tal como aparecerían en un diccionario.. A diferencia de otros métodos que requieren grandes cantidades de datos y algoritmos opacos, este enfoque es transparente, interpretable y sensible a desviaciones léxicas sutiles.

«Es notable cómo incluso palabras comunes como no, rey o cuál muestran patrones de uso diferentes según el autor», explica Römer.

Así funciona el modelo

El sistema calcula lo que los expertos conocen como un índice de HC-discrepancia, del término inglés usado en estadística higher criticism, que permite comparar textos antiguos entre sí y evaluar la probabilidad de que provenga del mismo estilo o autor. ¿El resultado? Una precisión del 84% al clasificar correctamente los capítulos en sus respectivos grupos de origen.

«Pasamos mucho tiempo asegurándonos de que los resultados que obteníamos no fueran solo ruido estadístic —aclara Faigenbaum-Golovin—. Teníamos que estar absolutamente seguros de la significancia de nuestros datos».

Más allá de su eficacia clasificatoria, una de las grandes ventajas del modelo es su capacidad para justificar sus decisiones. Al identificar qué palabras o combinaciones de palabras fueron determinantes en cada caso, el sistema permite entender por qué un texto fue asignado a un grupo determinado.

«Esto resulta fundamental —afirma Alon Kipnis—. No solo nos dice que un capítulo probablemente fue escrito por un autor del corpus P, por ejemplo, sino también nos muestra qué palabras hacen pensar eso».

Representación gráfica de los resultados del equipo. Comparando el uso de las palabras y los patrones oracionales, su modelo estadístico basado en IA identificó tres estilos de escritura distintos o tradiciones de escritura, que aquí se muestran en amarillo, azul y verde. Cortesía: Faigenbaum-Golovin et al.

Aplicación del modelo a textos bíblicos de autoría discutida

Este trabajo abre la puerta a una aplicación crítica en textos cuya autoría es ambigua o debatida. En la segunda parte del estudio, los investigadores aplicaron el modelo a capítulos como Deuteronomio 4, Levítico 26 o la historia del Arca en los libros de Samuel. Y los resultados fueron reveladores.

✅ Deuteronomio 4: a pesar de que tiene influencias sacerdotales, el modelo lo asocia con la tradición deuteronomista.

✅ Narrativa del traslado del arca deArca: aunque 1 Samuel 4–6 y 2 Samuel 6 tratan este mismo episodio, el análisis mostró que provienen de contextos autoriales diferentes. El primero no se alinea con ninguno de los tres estilos conocidos, mientras que 2 Samuel sí se alinea con la Historia Deuteronomista (DtrH).

✅ Libro de Ester, Proverbios, Crónicas: el sistema reveló que estos textos no encajan en ninguno de los tres estilos, lo que sugiere una composición posterior.

✅ La historia de Jacob en el Génesis: compatible con el estiloseuteronomista.

✅ Levítico 26: probablemente fue posterior tanto a DtrH como a P, como sostiene la crítica académica.

El desafío de trabajar con textos breves y multicapas

Uno de los obstáculos más importantes fue la naturaleza misma de los textos bíblicos. No solo son antiguos, sino que han sido editados y reelaborados durante siglos. Encontrar pasajes suficientemente homogéneos y representativos fue una tarea delicada. Además, los textos disponibles eran, en muchos casos, muy cortos —a veces de apenas diez versículos— lo cual dificultaba el uso de técnicas convencionales de aprendizaje automático.

«La mayoría de los métodos de machine learning o prendizaje automático necesitan grandes volúmenes de datos. Nosotros tuvimos que desarrollar una alternativa más simple, directa y robusta frente a las limitaciones del corpus», explica Faigenbaum-Golovin.

Aun con textos breves, el sistema mostró una tasa de precisión de hasta el 80%, algo notable en el campo de la estilometría, técnica de análisis del estilo de un texto para establecer la autoría o la datación de este, generalmente por comparación con otros ya atribuidos o datados con seguridad. Esto fue posible gracias a un enfoque que combina la estadística clásica con un profundo conocimiento filológico y contextual.

Los autores del estudio trabajan ya en aplicar su metodología a otros textos antiguos, como los Manuscritos del Mar Muerto. Sobre esta líneas, el Gran rollo de los salmos, uno de los manuscritos más importantes hallados y que aborda la justificación por la Fe y la salvación por la Gracia. Cortesía: Israel Antiquities Authority

Del Antiguo Testamento a los manuscritos del Mar Muerto

Los resultados no solo validan muchas de las hipótesis existentes en los estudios bíblicos, sino que también abren nuevas líneas de investigación. «Este estudio introduce un nuevo paradigma para el análisis de textos antiguos», resume Finkelstein. La idea de que es posible identificar estilos de autoría basados en patrones léxicos sutiles podría aplicarse también a otros documentos históricos, e incluso a la detección de falsificaciones.

«Si tienes un manuscrito y quieres saber si realmente lo escribió Abraham Lincoln, este método puede ayudarte a verificar su autenticidad», apunta Faigenbaum-Golovin.

El equipo ya está trabajando para aplicar la misma metodología a otros textos antiguos, como los Manuscritos del Mar Muerto o Rollos de Qumrán. Además, están explorando cómo adaptar su técnica para comparar textos de diferentes épocas, géneros y contextos culturales. La clave está en la flexibilidad del modelo, que puede ajustarse a distintas lenguas y estilos sin perder su capacidad explicativa.

Una colaboración sorprendente entre ciencia y humanidades

Más allá de los logros técnicos, los miembros del equipo coinciden en destacar el carácter interdisciplinario del proyecto. «Se trata de una colaboración única entre ciencia y humanidades —dice Faigenbaum-Golovin—. Una simbiosis sorprendente. Me siento afortunada de trabajar con colegas que cruzan fronteras académicas y se atreven a innovar”.

Este estudio es un ejemplo paradigmático de cómo la inteligencia artificial en humanidades puede aportar no solo eficacia, sino también profundidad y comprensión a los grandes debates culturales e históricos.

Porque al fin y al cabo, entender quién escribió la Biblia no es solo una cuestión técnica. Es una puerta para conocer mejor los contextos, creencias y tensiones que dieron forma a uno de los pilares de la civilización occidental. Y ahora, gracias a la IA, esa puerta se abre un poco más. ▪️

• Información facilitada por la Universidad Duke

• Fuente: Faigenbaum-Golovin S., Kipnis A., Bühler A., Piasetzky E., Römer T., Finkelstein I. Critical biblical studies via word frequency analysis: Unveiling text authorship. PLoS One (2025). DOI: https://doi.org/10.1371/journal.pone.0322905