La combinación de estilometría, aprendizaje automático y análisis métrico permite atribuir con una precisión sin precedentes la autoría de una de las obras más debatidas de William Shakespeare y abre una nueva etapa para la investigación en humanidades digitales.
Las obras de William Shakespeare son de las más importantes y admiradas de la historia de la literatura, pero también de las que más debates y controversias generan. Desde mediados del siglo XIX, los académicos han sospechado que algunas de sus obras no fueron fruto de un genio solitario, sino de colaboraciones estrechas con otros dramaturgos de la época jacobea. El caso más célebre es Enrique VIII (1613), una pieza donde los cambios de ritmo y estilo sugerían, desde el análisis de James Spedding en 1850, la mano de un «socio»: el dramaturgo John Fletcher. Sin embargo, determinar qué escenas escribió cada autor era un laberinto de teorías complejas y subjetivas, limitadas por la interpretación humana y el paso del tiempo.
Para superar este obstáculo histórico, la ciencia de datos ha propuesto una solución novedosa que combina dos tecnologías clave:
- Análisis Estilométrico de Frecuencia Léxica, un sistema que estudia la «huella dactilar» verbal de un escritor midiendo el uso subconsciente de las palabras más comunes de un idioma.
- Modelado de Aprendizaje Automático de Estructuras Métricas, un algoritmo diseñado para analizar la música interna del verso, sus acentos y sus transiciones rítmicas.
William Shakespeare. Martin Droeshout – Beinecke Rare Book & Manuscript Library, Yale University [2], Dominio público, https://commons.wikimedia.org/w/index.php?curid=10730498.
Por separado, cada enfoque ofrece solo una perspectiva parcial del problema. Sin embargo, su sinergia permite estimar con alta probabilidad el reparto de la autoría, fragmento a fragmento y sin depender de los límites de escena. El análisis de Enrique VIII realizado en 2019 por el investigador Petr Plecháč ha demostrado el poder de esta combinación: sus resultados respaldan con fuerza la división entre Shakespeare y Fletcher propuesta por Spedding, descartan a un tercer candidato (Philip Massinger) y refuerzan el consenso sobre un debate abierto desde hacía más de siglo y medio.
Estilometría de Frecuencia Léxica
El Análisis Estilométrico de Frecuencia Léxica parte de una premisa fascinante: todos tenemos un estilo de escritura único e involuntario, similar a una firma biométrica. Cuando un autor escribe, no solo destaca por sus metáforas brillantes o su vocabulario elaborado, sino por la frecuencia exacta con la que utiliza palabras extremadamente comunes y funcionales, como preposiciones, conjunciones y pronombres («y», «en», «que», «él»).
Este método funciona procesando digitalmente grandes corpus de texto. El algoritmo cuenta la distribución de estas palabras más recurrentes (conocidas en informática como Most Frequent Words o MFW). Al hacerlo, genera un perfil estadístico de alta precisión que actúa como un mapa de identidad estilística del autor en cuestión.
No obstante, la estilometría de palabras frecuentes tiene limitaciones inherentes cuando se aplica de forma aislada a la poesía o al teatro en verso del siglo XVII. Un dramaturgo isabelino podía imitar conscientemente el vocabulario de un colega o verse obligado a utilizar palabras específicas debido al tema histórico de la obra, lo que puede confundir a un algoritmo de conteo simple. Además, este enfoque no es capaz de captar la cadencia, la rima o la sutil «melodía» estructural que distingue a un poeta en la construcción física del verso.
Modelado de Estructuras Métricas
Para solucionar las carencias del análisis léxico básico, los investigadores desarrollaron el Modelado de Aprendizaje Automático de Estructuras Métricas y Ritmo. Este enfoque no se centra en qué palabras se eligen, sino en cómo se organizan rítmicamente dentro de la estructura del verso.
El método utiliza un clasificador de aprendizaje automático (una máquina de vectores de soporte) entrenado con los patrones métricos de la época, como el famoso pentámetro yámbico característico del teatro inglés. El sistema analiza la alternancia de sílabas tónicas (acentuadas) y átonas (no acentuadas), codificando la distribución de acentos de cada línea como un patrón rítmico propio. Cuando el Modelado de Estructuras Métricas se combina con la Estilometría de Frecuencia Léxica en un único perfil estadístico, la computadora no solo sabe qué vocabulario se empleó, sino que registra además la «música» y la arquitectura física con la que ese vocabulario fue ensamblado.
Una sinergia reveladora: mientras que el vocabulario y el ritmo, por separado, pueden fallar en algunos casos, cada uno aporta una señal en gran medida involuntaria del autor. Al unificar la frecuencia léxica con los patrones métricos, la inteligencia artificial adquiere la capacidad de detectar transiciones de autoría casi imperceptibles —incluso dentro de una misma escena—, analizando el texto en ventanas deslizantes como una partitura literaria completa.
El misterio de Enrique VIII de Shakespeare
El caso más célebre que puso a prueba la efectividad de esta sinergia metodológica fue el análisis de la obra histórica Enrique VIII. Desde mediados del siglo XIX, la crítica sospechó que Shakespeare no había trabajado solo en esta pieza de 1613, pero definir las fronteras exactas de su autoría era un desafío filológico que parecía imposible de resolver de manera objetiva.
William Shakespeare, Thomas Cotes (impresor) y John Smethwick (editor) – Folger Library Digital Image Collection, Dominio público, https://commons.wikimedia.org/w/index.php?curid=40861940.
Un avance notable llegó de la mano de Petr Plecháč, investigador de la Academia Checa de Ciencias, en Praga. Plecháč aplicó de forma conjunta el análisis estilométrico y el reconocimiento de patrones métricos mediante un algoritmo de aprendizaje automático. Para entrenar al sistema, utilizó un corpus compuesto por obras de autoría indudable escritas de forma independiente por William Shakespeare, por su célebre contemporáneo John Fletcher y por un tercer candidato, Philip Massinger.
Al analizar Enrique VIII en ventanas deslizantes de versos, el algoritmo arrojó resultados muy sólidos:
- División aproximadamente equitativa: estimó con alta probabilidad que Shakespeare escribió aproximadamente la mitad de la obra, mientras que John Fletcher se encargó de la otra mitad.
- Atribución de escenas clave: el sistema atribuyó a Fletcher, con unanimidad de los modelos, algunos de los momentos más recordados de la obra, como la escena de la mascarada con cañones (Acto I, Escena 4), la misma que incendió el teatro Globe durante su estreno.
- Descarte de sospechosos: el análisis permitió considerar muy improbable la participación de otros dramaturgos de la época sobre los que existían sospechas, en particular la de Philip Massinger.
Implicaciones Amplias y Contexto
El éxito obtenido en el enigma de Shakespeare y Fletcher ilustra un cambio de paradigma que está ganando fuerza en los departamentos de humanidades de todo el mundo. La combinación de análisis léxico y métrico computacional ya no es una curiosidad científica, sino una herramienta cada vez más consolidada en el ámbito de la filología forense y el estudio del patrimonio cultural.
Esta metodología abre un abanico de posibilidades fascinantes en otros sectores y regiones. En el contexto europeo, proyectos similares están arrojando luz sobre el Siglo de Oro español, donde iniciativas como ETSO aplican algoritmos parecidos, basados en frecuencias léxicas, para depurar la enorme cantidad de comedias de atribución dudosa de autores como Lope de Vega o Calderón de la Barca. Asimismo, la inteligencia artificial aplicada a los textos tiene un enorme potencial para:
- Detección de plagios complejos: más allá de buscar coincidencias exactas de texto, el análisis estilométrico permite identificar copias no literales —reescritas o traducidas— en el ámbito editorial y académico actual.
- Restauración y completado de textos dañados: redes neuronales profundas como Ithaca, de DeepMind, ayudan a predecir qué palabras debían ocupar los fragmentos perdidos de inscripciones históricas deterioradas, elevando la precisión de los expertos del 25 % al 72 % cuando trabajan con la herramienta.
Actores clave como la Academia Checa de Ciencias en Praga, proyectos españoles como ETSO —en cuyo ecosistema colaboran grupos filológicos como PROLOPE— o laboratorios británicos como DeepMind y la Universidad de Oxford están demostrando que la inversión en infraestructuras digitales para la cultura es vital para redescubrir y proteger nuestra historia común, operando a una escala de análisis que la observación humana no puede abarcar por sí sola.
Tradición e innovación de la mano
El esclarecimiento del misterio que rodeaba a Enrique VIII es un testimonio elocuente del poder que surge cuando la tecnología de vanguardia se pone al servicio de la cultura clásica. La sinergia entre el análisis de frecuencia léxica y el reconocimiento métrico por inteligencia artificial nos demuestra que la precisión estadística puede convertirse en la mejor aliada de la sensibilidad artística.
Este enfoque no busca devaluar el misterio de la creación literaria ni reemplazar la mirada experta de los críticos tradicionales. Al contrario, funciona como un potente microscopio digital que libera a los investigadores de las tareas más tediosas de conteo y comparación masiva, permitiéndoles concentrarse en la interpretación estética, histórica y filosófica de las obras. El impacto de estas herramientas es profundamente integrador, pues aporta evidencia independiente a la verdad histórica y refuerza el reconocimiento de creadores que el gran público había dejado en la sombra, como John Fletcher, cuyo nombre ni siquiera figuraba en el Primer Folio de 1623.
El mensaje final para las instituciones educativas, culturales y científicas es claro: es necesario abrazar y financiar con valentía estas innovaciones interdisciplinares. Al tender puentes sólidos entre las ciencias de la computación y las humanidades, no solo arrojamos nueva luz sobre los misterios literarios del pasado, sino que también sentamos las bases para una comprensión mucho más profunda, transparente y compartida de nuestra propia evolución cultural.
