VER RESUMEN
Una inteligencia artificial reveló cómo sería el rostro de Jesús basándose en los rasgos marcados en la Sábana Santa, cuya autenticidad sigue en debate científico. A pesar de que un estudio de 1988 la data entre 1260 y 1390, contradiciendo la época de Jesús, otro análisis reciente sugiere que la tela se confeccionó hace 2.000 años. En un experimento, la IA Midjourney simuló la imagen de Jesús a partir de los supuestos rasgos encontrados en la sábana .
Una inteligencia artificial (IA) reveló cómo sería el rostro de Jesús a partir de los rasgos que estarían marcados en la Sábana Santa, la tela con la que supuestamente fue cubierto después de su crucifixión.
También llamada Santo Sudario de Turín, esta tela de lino sigue estando en el debate científico por su autenticidad. Si bien muchos descartan su veracidad, algunos estudios aseguran que sí data de la época de Jesús.
Un estudio de 1988 en el cual tres grandes laboratorios especializados, de Tucson, Oxford y Zurich, dataron independientemente el carbono en las moléculas de lino, arrojó que la tela databa de entre 1260 y 1390, lo que no coincide con la historia de Jesús.
Sin embargo, otro estudio de 2022 que utilizó rayos X determinó que la sábana habría sido confeccionada hace unos 2.000 años, en la época de Cristo. Los resultados aún se debaten.
El rostro de Jesús
Recordemos que, cuando la supuesta Sábana Santa comenzó a estudiarse, también le tomaron fotos.
Según los registros, en 1898, un fotógrafo notó que en los negativos de sus imágenes se notaba una especie de rostro, que pudo haberse marcado cuando envolvieron el cuerpo con la sábana.
Real o no, el medio Daily Express publicó recientemente un experimento en el que le pidieron a la inteligencia artificial Midjourney que simulara el rostro de Jesús a partir de los negativos de 1898.
La imagen muestra una representación de Jesús bastante familiar. Se puede ver a un hombre de mediana edad con barba y cabello largo, aunque con algunas heridas en el rostro y cuerpo.
Cabe recordar que algunas IA pueden tener ciertos sesgos por la forma en que fueron entrenadas, sus algoritmos o la información a la que tienen acceso.
