GPT-6 Astra: Έλυσε άγνωστο κώδικα Enigma των Ναζί ολοκληρώνοντας το έργο του Alan Turing!
Σύνοψη
- Ένα στρατιωτικό μήνυμα της μηχανής Enigma από τις 10 Ιουλίου 1941, το οποίο παρέμενε άλυτο στα ψηφιακά αρχεία του CryptoCellar από το 2005, αποκρυπτογραφήθηκε επιτυχώς μέσω του μεγάλου γλωσσικού μοντέλου GPT-6 Astra της OpenAI.
- Ο ερευνητής Carter Leffen καθοδήγησε τη διαδικασία παρέχοντας ένα αρχικό απόσπασμα κειμένου, ενώ η τεχνητή νοημοσύνη ανέλαβε αυτόνομα την έρευνα στα ιστορικά αρχεία, τη δημιουργία εξομοιωτή της μηχανής και την εκτέλεση του κώδικα κρυπτανάλυσης.
- Η διαδικασία απαίτησε περίπου 10 ώρες λειτουργίας του AI και 14,8 εκατομμύρια ελέγχους κλειδιών για να ανακτηθεί με ακρίβεια η διάταξη των ροτόρων (II-V-III) και τα 10 ζεύγη του πίνακα βυσμάτων (plugboard).
- Κορυφαία συστήματα τεχνητής νοημοσύνης όπως το Astra και το Opus 5 της Anthropic περνούν πλέον στο επίπεδο των αυτόνομων πρακτόρων, επιλύοντας εξαιρετικά σύνθετα προβλήματα λογικής, χωρίς ωστόσο να απειλούν την ακεραιότητα των σύγχρονων πρωτοκόλλων κρυπτογράφησης.
Η ιστορική κληρονομιά του σπουδαίου μαθηματικού Alan Turing δεν περιορίζεται αποκλειστικά στη θεμελίωση της επιστήμης των υπολογιστών μέσω του θεωρητικού ερωτήματος για το εάν οι μηχανές μπορούν να σκεφτούν, αλλά εδράζεται εξίσου στην καθοριστική συμβολή του κατά τη διάρκεια του Δευτέρου Παγκοσμίου Πολέμου στο Bletchley Park, όπου η ομάδα του κατόρθωσε να αποκρυπτογραφήσει την περίφημη γερμανική μηχανή Enigma.
Σύμφωνα με επιβεβαιωμένες αναφορές της προγραμματιστικής κοινότητας στο X, βρισκόμαστε μπροστά σε ένα εντυπωσιακό τεχνολογικό ορόσημο, καθώς τα κορυφαία γλωσσικά μοντέλα νέας γενιάς, όπως το GPT-6 Astra της OpenAI και το Opus 5 της Anthropic, αναλαμβάνουν να ολοκληρώσουν το έργο του Βρετανού πρωτοπόρου, περνώντας επιτυχώς αυτό που ονομάστηκε «το άλλο τεστ του Turing». Η αποκάλυψη που έκανε ο προγραμματιστής και ερευνητής Carter Leffen μέσα από τον προσωπικό του λογαριασμό, περιγράφει αναλυτικά τη διαδικασία με την οποία το GPT-6 Astra κατάφερε να σπάσει ένα γερμανικό στρατιωτικό ραδιογράφημα από τις 10 Ιουλίου 1941, το οποίο παρέμενε εντελώς άλυτο στα ψηφιακά αρχεία του CryptoCellar από το 2005.
Το εξεταζόμενο μήνυμα, το οποίο έχει καταγραφεί ιστορικά με το αναγνωριστικό MVUEH, αποτελούνταν από 82 κρυπτογραφημένους χαρακτήρες και είχε αποδειχθεί εξαιρετικά ανθεκτικό σε προηγούμενες προσπάθειες ψηφιακής ανάλυσης, δεδομένου ότι δύο γνωστά κλειδιά που είχαν χρησιμοποιηθεί την ίδια ημέρα δεν ταίριαζαν στη δομή του. Αναλύοντας τη μεθοδολογία που ακολουθήθηκε, καθίσταται σαφές ότι η σύγχρονη παραγωγική τεχνητή νοημοσύνη έχει ξεφύγει πλέον από τον ρόλο του απλού συνομιλητή και έχει μετατραπεί σε ένα δίκτυο αυτόνομων πρακτόρων που μπορούν να σχεδιάζουν και να εκτελούν περίπλοκα βήματα εις βάθος. Ο Leffen ανέθεσε τον βασικό στόχο στο μοντέλο και του παρείχε ένα "crib", δηλαδή ένα μικρό τμήμα γνωστού κειμένου που θεωρείται εξαιρετικά πιθανό να περιέχεται στο κρυπτογραφημένο μήνυμα, αφήνοντας στη συνέχεια το GPT-6 Astra να αναλάβει τον πλήρη έλεγχο της ερευνητικής διαδικασίας, η οποία διήρκεσε περίπου 10 ώρες εντατικής υπολογιστικής προσπάθειας.
Κατά τη διάρκεια αυτής της δεκάωρης λειτουργίας, το μοντέλο της OpenAI επέδειξε πρωτοφανή επίπεδα αυτονομίας, καθώς ξεκίνησε να αναζητά πληροφορίες μέσα σε τεράστιες βάσεις ιστορικών αρχείων, συγκρίνοντας παράλληλα ασαφείς ή δυσανάγνωστους χαρακτήρες που προέρχονταν από τις πρωτότυπες σημειώσεις των ασυρματιστών της εποχής. Αντί να περιοριστεί σε αυστηρά θεωρητικές προσεγγίσεις, η AI προχώρησε στη δημιουργία ενός πλήρως λειτουργικού ψηφιακού εξομοιωτή της μηχανής Enigma γράφοντας τον αντίστοιχο κώδικα κρυπτανάλυσης από το μηδέν, τον οποίο στη συνέχεια εκτέλεσε σε παράλληλες διεργασίες για να επιταχύνει τη διαδικασία δοκιμής και σφάλματος. Η υπολογιστική προσπάθεια απαίτησε περίπου 14,8 εκατομμύρια ελέγχους κλειδιών, προκειμένου να καταλήξει στην ορθή διάταξη των τριών ροτόρων, η οποία ταυτοποιήθηκε ως II-V-III, και να εντοπίσει με χειρουργική ακρίβεια τα 10 ζεύγη συνδέσεων στον πίνακα βυσμάτων (plugboard) που είχαν χρησιμοποιήσει οι Γερμανοί στρατιώτες για την κρυπτογράφηση του κειμένου.
Διαβάστε επίσης
Η πολυπλοκότητα της μηχανής Enigma βασιζόταν στην περιστροφή μιας σειράς μηχανικών ροτόρων, οι οποίοι άλλαζαν την ηλεκτρική διαδρομή κάθε φορά που ο χειριστής πατούσε ένα γράμμα στο πληκτρολόγιο, καθιστώντας πρακτικά αδύνατη την αντιστοίχιση των χαρακτήρων με βάση τη στατιστική συχνότητα εμφάνισης των γραμμάτων στη γερμανική γλώσσα. Η προσθήκη του πίνακα βυσμάτων στο μπροστινό μέρος της συσκευής αύξανε εκθετικά τους πιθανούς συνδυασμούς, φτάνοντας τον αστρονομικό αριθμό των 159 πεντάκις εκατομμυρίων πιθανών ρυθμίσεων, γεγονός που έδινε στις γερμανικές δυνάμεις την ψευδαίσθηση της απόλυτης επικοινωνιακής ασφάλειας. Η ομάδα του Alan Turing κατόρθωσε να σπάσει αυτόν τον κώδικα κατασκευάζοντας την "Bombe", μια πρώιμη ηλεκτρομηχανική υπολογιστική μηχανή που χρησιμοποιούσε τα cribs για να απορρίψει γρήγορα τις λανθασμένες ρυθμίσεις των ροτόρων. Διαβάζοντας τη σημερινή είδηση, γίνεται αντιληπτό ότι το GPT-6 Astra λειτούργησε πρακτικά ως μια σύγχρονη, ψηφιακή και απείρως ταχύτερη εκδοχή της μηχανής του Turing, επιβεβαιώνοντας τη μακροπρόθεσμη οραματική σκέψη του Βρετανού επιστήμονα για τις δυνατότητες της υπολογιστικής μηχανικής απέναντι στην κρυπτογραφία.
Η μετάβαση από τις εξειδικευμένες ηλεκτρομηχανικές διατάξεις του παρελθόντος στα γενικού σκοπού γλωσσικά μοντέλα σηματοδοτεί μια θεμελιώδη διαφοροποίηση στον τρόπο με τον οποίο προσεγγίζουμε την επίλυση προβλημάτων στην επιστήμη των υπολογιστών. Ενώ στο παρελθόν οι ερευνητές έπρεπε να γράψουν αυστηρά δομημένους αλγορίθμους γραμμή προς γραμμή για να ελέγξουν μια υπόθεση, ο Leffen κατάφερε να συντονίσει την ανάλυση χρησιμοποιώντας φυσική γλώσσα και αφήνοντας το μοντέλο να μεταφράσει τις οδηγίες του σε εκτελέσιμο κώδικα. Η ικανότητα των μοντέλων όπως το Astra και το Opus να κατανοούν το ευρύτερο εννοιολογικό πλαίσιο ενός ιστορικού εγγράφου, να αναγνωρίζουν τις πιθανές παραφθορές που εισήχθησαν κατά τη ραδιοφωνική μετάδοση και να προσαρμόζουν δυναμικά τον αλγόριθμο αναζήτησης χωρίς άμεση ανθρώπινη παρέμβαση, αποτελεί το πραγματικό τεχνολογικό άλμα που καταγράφεται μέσα από αυτή την έρευνα.
Φυσικά, η είδηση της αποκρυπτογράφησης ενός μηνύματος δημιουργεί συζητήσεις γύρω από την ασφάλεια των σύγχρονων ψηφιακών συστημάτων, προκαλώντας εύλογα ερωτήματα σχετικά με το εάν τα σημερινά μοντέλα τεχνητής νοημοσύνης θα μπορούσαν να απειλήσουν τις υποδομές που χρησιμοποιούμε καθημερινά. Οι ειδικοί στον τομέα της κυβερνοασφάλειας σπεύδουν να καθησυχάσουν το κοινό, υπογραμμίζοντας ότι η μηχανή Enigma, παρά την πολυπλοκότητα που διέθετε για τα δεδομένα της εποχής της, βασιζόταν σε ηλεκτρομηχανικούς μηχανισμούς με περιορισμένο χώρο κλειδιών, ο οποίος δεν συγκρίνεται στο ελάχιστο με τα σύγχρονα πρότυπα κρυπτογράφησης. Τα ασύμμετρα πρωτόκολλα και οι αλγόριθμοι όπως το AES-256 που προστατεύουν τις τραπεζικές συναλλαγές, τις κυβερνητικές επικοινωνίες ή τα ψηφιακά πορτοφόλια κρυπτονομισμάτων, απαιτούν υπολογιστική ισχύ που υπερβαίνει κατά πολύ τις τρέχουσες δυνατότητες των συμβατικών υπολογιστών, ακόμα και αν αυτοί ενισχύονται από τους πιο προηγμένους αλγορίθμους τεχνητής νοημοσύνης.
Παράλληλα, η επιτυχής ανάλυση του ιστορικού ραδιοφωνικού μηνύματος αποδεικνύει ότι η τεχνητή νοημοσύνη μπορεί να λειτουργήσει ως ένας ανεκτίμητος ψηφιακός βοηθός για την ακαδημαϊκή και ερευνητική κοινότητα, προσφέροντας νέα εργαλεία για την αποκάλυψη μυστικών που παραμένουν κρυμμένα στα βάθη της ιστορίας. Για την ελληνική ακαδημαϊκή κοινότητα και τα πανεπιστημιακά τμήματα πληροφορικής που ασχολούνται εντατικά με την κυβερνοασφάλεια και την ανάλυση δεδομένων, αυτή η εξέλιξη υποδεικνύει την ανάγκη άμεσης ενσωμάτωσης των μεγάλων γλωσσικών μοντέλων στις ερευνητικές μεθοδολογίες, ώστε να επιταχυνθεί η παραγωγή νέας γνώσης και να αυτοματοποιηθούν οι χρονοβόρες διαδικασίες συλλογής και διασταύρωσης στοιχείων. Το παράδειγμα του Carter Leffen μας δείχνει ότι τα εργαλεία υπάρχουν και είναι διαθέσιμα για όσους διαθέτουν την κριτική σκέψη να τα αξιοποιήσουν σωστά, ανοίγοντας τον δρόμο για νέες ανακαλύψεις σε τομείς που μέχρι πρότινος θεωρούνταν απροσπέλαστοι λόγω του τεράστιου όγκου δεδομένων που έπρεπε να αναλυθούν χειροκίνητα από πολυπληθείς ομάδες.
Διαβάστε επίσης
