Claude Opus 5 یک پیام حل‌نشده انیگما را رمزگشایی کرد؛ هوش مصنوعی به سراغ معماهای ۸۰ ساله رفت

به نقل از دیجیتال مارکتینگ ایران، یک پیام رمزگذاری‌شده تاریخی که دهه‌ها در برابر تلاش پژوهشگران برای رمزگشایی مقاومت کرده بود، با کمک مدل هوش مصنوعی Claude Opus 5 متعلق به Anthropic رمزگشایی شد. در این پروژه، هوش مصنوعی در کنار یک پژوهشگر انسانی قرار گرفت تا تنظیمات ماشین انیگما (Enigma) و سازوکار رمزگذاری پیام بازسازی شود.

این اتفاق بار دیگر توجه‌ها را به توانایی مدل‌های زبانی پیشرفته در حل مسائل تاریخی و رمزنگاری جلب کرده است. بااین‌حال، این دستاورد به معنای آن نیست که Claude Opus 5 توانسته است به‌تنهایی و بدون اطلاعات یا راهنمایی متخصص، رمز انیگما را بشکند. بخش مهمی از موفقیت این پروژه به داده‌های تاریخی و سرنخ‌های تخصصی ارائه‌شده به مدل مربوط بوده است.

پیام انیگما چگونه پس از چند دهه رمزگشایی شد؟

ماشین انیگما یکی از مشهورترین سامانه‌های رمزنگاری قرن بیستم است که آلمان در دوران جنگ جهانی دوم برای رمزگذاری پیام‌های نظامی و محرمانه از آن استفاده می‌کرد. پیچیدگی تنظیمات این دستگاه باعث شده بود رمزگشایی پیام‌های آن به یکی از مهم‌ترین مسائل رمزنگاری دوران جنگ تبدیل شود.

در پروژه اخیر، تحلیل‌گری در حوزه رمزنگاری به نام «جک ویلیس» اطلاعات تاریخی گسترده‌ای را در اختیار Claude Opus 5 قرار داد. این داده‌ها شامل سرنخ‌هایی درباره یک افسر مشخص و حتی اطلاعات مرتبط با امضا و نشان شناسایی او بود.

چنین اطلاعاتی برای بازسازی شرایطی که پیام در آن تولید شده بود اهمیت داشت. Claude با استفاده از این سرنخ‌ها و در کنار راهنمایی انسانی، تلاش کرد تنظیمات مورد استفاده در ماشین انیگما را بازسازی کند و در نهایت به متنی دست یافت که با پیام اصلی ارتباط داشت.

نقش هوش مصنوعی در بازسازی تنظیمات انیگما

رمزگشایی یک پیام انیگما صرفاً به پیدا کردن یک الگوی ساده در رشته‌ای از حروف محدود نمی‌شود. ماشین انیگما از مجموعه‌ای از اجزای الکترومکانیکی مانند روتورها و تنظیمات مختلف استفاده می‌کرد که با تغییر آن‌ها، شیوه رمزگذاری نیز تغییر می‌کرد.

بنابراین، یکی از مراحل کلیدی در این پروژه، پیدا کردن ترکیبی از تنظیمات بود که بتواند متن رمزگذاری‌شده را به یک پیام معنادار تبدیل کند. Claude Opus 5 در این فرایند از توانایی خود در تحلیل داده، استدلال و بازسازی سناریوهای مختلف استفاده کرد.

نکته مهم این است که مدل از خلأ اطلاعاتی به نتیجه نرسید. راهنمایی تخصصی ویلیس و اطلاعات تاریخی موجود، فضای جست‌وجوی مسئله را محدود کردند و به مدل اجازه دادند گزینه‌های محتمل را با دقت بیشتری بررسی کند.

انیگما چه ارتباطی با آلن تورینگ دارد؟

نام ماشین انیگما معمولاً با آلن تورینگ، ریاضی‌دان و دانشمند بریتانیایی، گره خورده است. تورینگ و سایر رمزگشایان بریتانیایی در جریان جنگ جهانی دوم نقش مهمی در تلاش برای خواندن پیام‌های رمزگذاری‌شده آلمان داشتند.

یکی از ابزارهای مهم این تلاش، ماشین الکترومکانیکی Bombe بود که برای آزمایش سریع‌تر تنظیمات احتمالی انیگما مورد استفاده قرار گرفت. این سامانه امکان بررسی حجم بزرگی از حالت‌های ممکن را فراهم می‌کرد و در روند رمزگشایی پیام‌های آلمان نازی اهمیت زیادی داشت.

باوجود موفقیت گسترده رمزگشایان در دوران جنگ، همه پیام‌های انیگما به‌طور کامل حل نشدند. بخشی از پیام‌های باقی‌مانده به دلایلی مانند ناقص‌بودن اطلاعات، اشتباه در رونویسی یا خطاهای انسانی اپراتورها همچنان برای پژوهشگران چالش‌برانگیز بوده‌اند.

Claude Opus 5 تنها چند روز پس از GPT-6 Astra به موفقیت رسید

دستاورد Claude Opus 5 در شرایطی گزارش شده که مدت کوتاهی پیش از آن، یک پروژه دیگر نیز از توانایی مدل‌های هوش مصنوعی برای تحلیل پیام‌های تاریخی انیگما خبر داده بود.

در آن پروژه، توسعه‌دهنده‌ای به نام «کارتر لفن» از GPT-6 Astra برای بازسازی سازوکار یک پیام تاریخی استفاده کرده بود. نتایج این پروژه نیز توسط «فرود ویرود»، مهندس بازنشسته برق و مدیر وب‌سایت Crypto Cellar، مورد ارزیابی قرار گرفت.

هم‌زمانی این دو نمونه باعث شده است توجه بیشتری به استفاده از مدل‌های هوش مصنوعی برای حل مسائل رمزنگاری تاریخی جلب شود. مدل‌های جدید می‌توانند در مدت کوتاهی حجم زیادی از اطلاعات را بررسی کنند و میان سرنخ‌هایی ارتباط برقرار کنند که بررسی دستی آن‌ها ممکن است زمان بسیار بیشتری نیاز داشته باشد.

آیا هوش مصنوعی حالا می‌تواند انیگما را به‌تنهایی بشکند؟

پاسخ کوتاه این است که چنین نتیجه‌ای از این آزمایش‌ها به دست نمی‌آید. موفقیت Claude Opus 5 و GPT-6 Astra نشان‌دهنده توانایی این مدل‌ها در کمک به حل مسائل پیچیده است، اما هر دو پروژه به درجات مختلف به دانش، داده یا ارزیابی انسانی متکی بوده‌اند.

در مورد Claude Opus 5، اطلاعات تاریخی و راهنمایی مستقیم یک متخصص رمزنگاری در اختیار مدل قرار گرفته است. در پروژه GPT-6 Astra نیز پژوهش، کدنویسی و استدلال در کنار یکدیگر مورد استفاده قرار گرفته‌اند.

این تفاوت اهمیت زیادی دارد؛ زیرا رمزگشایی یک پیام تاریخی معمولاً فقط یک مسئله محاسباتی نیست. پژوهشگر باید بتواند اطلاعات تاریخی ناقص را تفسیر کند، خطاهای احتمالی در داده‌های آرشیوی را در نظر بگیرد و تشخیص دهد که خروجی مدل واقعاً یک متن معتبر است یا صرفاً رشته‌ای از حروف که به‌طور تصادفی معنادار به نظر می‌رسد.

چرا این موفقیت برای پژوهش تاریخی اهمیت دارد؟

یکی از کاربردهای جالب مدل‌های هوش مصنوعی در چنین پروژه‌هایی، توانایی آن‌ها در ترکیب چند نوع اطلاعات است. یک پیام رمزگذاری‌شده ممکن است به‌تنهایی اطلاعات کافی برای رمزگشایی نداشته باشد، اما اسناد تاریخی، تاریخ ارسال، هویت فرستنده، ساختار پیام و سایر جزئیات می‌توانند سرنخ‌های ارزشمندی ایجاد کنند.

مدل‌های زبانی می‌توانند این داده‌ها را در کنار یکدیگر بررسی کنند و به پژوهشگر در پیدا کردن ارتباط میان آن‌ها کمک کنند. به همین دلیل، ارزش چنین ابزارهایی لزوماً در جایگزین‌کردن متخصص انسانی نیست؛ بلکه می‌تواند در کاهش زمان موردنیاز برای بررسی فرضیه‌های متعدد و پردازش اطلاعات پیچیده باشد.

این رویکرد می‌تواند در حوزه‌هایی فراتر از رمزنگاری نیز کاربرد داشته باشد؛ از تحلیل اسناد تاریخی و بازسازی متون قدیمی گرفته تا بررسی آرشیوهای بزرگ و کشف ارتباط میان داده‌هایی که سال‌ها در منابع مختلف پراکنده بوده‌اند.

هنوز چند پیام انیگما حل‌نشده باقی مانده است

طبق ارزیابی مطرح‌شده در این پروژه، همچنان چند پیام حل‌نشده از انیگما وجود دارد. بر اساس اظهارات فرود ویرود، در حال حاضر هفت پیام حل‌نشده باقی مانده و علاوه بر آن، یک پیام نیز وجود دارد که متن آن مشخص است اما سازوکار رمزگذاری آن هنوز به‌طور کامل حل نشده است.

این پیام‌های باقی‌مانده می‌توانند به میدان آزمایش جذابی برای ابزارهای هوش مصنوعی تبدیل شوند. هر موفقیت جدید در این حوزه می‌تواند نشان دهد که مدل‌های زبانی و سیستم‌های محاسباتی جدید تا چه اندازه می‌توانند در حل مسائل رمزنگاری تاریخی که دهه‌ها بدون پاسخ باقی مانده‌اند، نقش داشته باشند.

Claude Opus 5 چه چیزی را تغییر می‌دهد؟

مهم‌ترین نکته در ماجرای رمزگشایی پیام انیگما، صرفاً شکستن یک رمز تاریخی نیست. این پروژه نمونه‌ای از تغییری است که مدل‌های هوش مصنوعی می‌توانند در روش حل مسائل پیچیده ایجاد کنند.

در گذشته، چنین مسئله‌ای ممکن بود نیازمند هفته‌ها یا ماه‌ها بررسی دستی، آزمایش تنظیمات مختلف و تحلیل اسناد تاریخی باشد. اکنون پژوهشگر می‌تواند بخشی از این فرایند را به مدل هوش مصنوعی بسپارد و از آن برای تولید فرضیه، تحلیل داده و بررسی گزینه‌های مختلف استفاده کند.

البته نتیجه نهایی همچنان به اعتبارسنجی انسانی نیاز دارد. مدل هوش مصنوعی ممکن است در تفسیر اسناد دچار خطا شود یا راه‌حلی ظاهراً منطقی اما نادرست ارائه دهد. بنابراین، نمونه انیگما بیشتر نشان‌دهنده یک همکاری میان انسان و هوش مصنوعی است تا جایگزینی کامل پژوهشگر با مدل.

اگر این روند ادامه پیدا کند، آرشیوهای تاریخی که تاکنون به دلیل پیچیدگی تحلیل یا کمبود منابع انسانی کمتر بررسی شده‌اند، می‌توانند به کمک مدل‌های جدید دوباره مورد توجه قرار بگیرند. در این میان، پیام‌های باقی‌مانده انیگما نیز می‌توانند یکی از جذاب‌ترین آزمون‌های بعدی برای ترکیب هوش مصنوعی، رمزنگاری و پژوهش تاریخی باشند.

برای مطالعه جدیدترین اخبار و تحلیل‌های هوش مصنوعی، مدل‌های زبانی و فناوری‌های رمزنگاری به دیجیتال مارکتینگ ایران مراجعه کنید.

“`