GPT-6 Astra złamał 217-letni szyfr Napoleona

List sprzed 217 lat, adresowany do marszałka Auguste’a de Marmonta, doczekał się proponowanego odczytania dzięki pomocy modelu GPT-6 Astra. Autorem rozwiązania jest Carter Church, który 18 września opublikował pełny klucz, transkrypcję oraz skrypt pozwalający odtworzyć proces dekodowania. Jak sam relacjonował pod koniec miesiąca, cała operacja zajęła modelowi około sześciu godzin pracy.

To nie tylko ciekawostka kryptograficzna. Historia pokazuje, jak wieloetapowy workflow AI — łączący czytanie obrazu, analizę wariantów pisma, wcześniejsze częściowe klucze i solver symulowanego wyżarzania — może prowadzić do wyników weryfikowalnych przez innych badaczy.

Jak wyglądał proces odczytania listu

Materiał źródłowy nie był wygodnym plikiem tekstowym. 24 rzędy symboli trafiły do obiegu naukowego za sprawą artykułu z 1969 roku, opublikowanego w francuskim piśmie wojskowo-historycznym. Co istotne, sam szyfrogram nie został wówczas przepisany — w katalogu historycznych szyfrów widniał jako nierozwiązany. Church musiał więc pracować na zeskanowanej tablicy z publikacji J. Vilcoqa.

Rola modelu i dane wejściowe

GPT-6 Astra otrzymał pojedynczy obraz oraz cel zadania. Model odczytał treść, pogodził rękopiśmienne warianty znaków, włączył istniejący częściowy klucz i przypisał wartości pozostałym symbolom. Church szacuje, że w liście występuje około 1300 jednostek szyfru i 155 różnych znaków. Zestawienie przygotowane przez francuskiego historyka kryptologii Daniela Tanta dostarczyło 33 wartości literowych, obejmujących mniej więcej 435 jednostek.

Ograniczenia i zastrzeżenia

Sam Church zaznacza, że szyfr nie należał do szczególnie trudnych dla specjalisty z czasem na analizę. Pięć znaków pozostaje niepewnych — dotyczą m.in. odniesienia do „Jego Wysokości” oraz słowa tłumaczonego jako „motłoch”. Zdaniem autora te wątpliwości nie zmieniają ogólnego sensu listu.

Co zawiera odczytany list

Odzyskany tekst to wojskowy meldunek z kwatery Eugène’a de Beauharnais. Zawiera informacje o pozycjach wojsk i ruchach austriackich na krótko przed inwazją z kwietnia 1809 roku. Napoleon polecił 16 marca Eugène’owi przesłać Marmontowi, dowodzącemu wówczas siłami francuskimi w Dalmacji, zaszyfrowany raport o armiach.

Odszyfrowany list przekazuje Marmontowi ten meldunek i zawiera wskazówkę, by nie dał się zastraszyć „kilkoma oddziałami czy zbieraniną”. Co ciekawe, uzupełnia także zdanie, które urywa się w pamiętniku Napoleona z 1865 roku — jak wynika z porównania obu tekstów przeprowadzonego przez Churcha.

Weryfikacja i kontekst historyczny

Kluczowym elementem projektu jest możliwość sprawdzenia wyników. Opublikowany dekoder pozwala przetestować, czy proponowany klucz rzeczywiście mapuje odczytane znaki na twierdzony tekst francuski. Datowanie historyczne opiera się na informacjach o wojskach zawartych w liście oraz porównaniu z korespondencją Napoleona.

Potwierdzenie ze strony eksperta

Satoshi Tomokiyo, prowadzący witrynę Cryptiana poświęconą historycznym szyfrom, zapoznał się z propozycją i oznaczył wpis jako rozwiązany, korygując datę na 1809 rok. To istotne potwierdzenie ze strony osoby zarządzającej źródłem, choć — jak podkreśla Church — opublikowane pliki pozostają dostępne do dalszej analizy.

Doświadczenie autora i znaczenie projektu

Carter Church nie jest przypadkową osobą w kontekście pracy z agentami AI. Jego biografia zawodowa wskazuje na ponad dekadę doświadczenia w operacjach bezpieczeństwa, zanim przeszedł do inżynierii AI w SentinelOne, gdzie zbudował NEON — framework agentowy do prowadzenia śledztw i wsparcia analityków. To tłumaczy nacisk na kompleksowy workflow i powtarzalny rezultat.

Warto zachować ostrożność w interpretacji. Ogłoszenie GPT-6 Astra opisuje możliwości komputerowego użycia i multimodalności modelu, ale wynik dotyczący listu Marmonta pozostaje projektem i relacją Churcha. To, co wyróżnia ten przypadek, to fakt, że jeden workflow połączył trudny do odczytania obraz archiwalny z proponowanym, testowalnym odczytaniem dokumentu, który wcześniej przyciągał niewiele uwagi.

Nie mamy tu dowodu, że model samodzielnie uwierzytelnił dokument ani że każda interpretacja jest ostateczna. Mamy natomiast przykład zastosowania AI w badaniach archiwalnych — z pełnym zestawem materiałów do weryfikacji przez społeczność.