פענוח היסטורי: איך GPT-6 Astra פיצח הודעת רדיו בת 108 שנים
היכולת של מודלי שפה גדולים (LLMs) לנתח נתונים מורכבים כבר מזמן חרגה מגבולות כתיבת המיילים או סיכום פגישות. לאחרונה נחשף מקרה מרתק שבו מודל הבינה המלאכותית GPT-6 Astra הצליח לפענח הודעת רדיו גרמנית מוצפנת ממלחמת העולם הראשונה — הודעה שנותרה בגדר תעלומה היסטורית במשך למעלה ממאה שנה [2, 4].
למה זה משנה?
החשיבות של המקרה הזה אינה טמונה רק ב"טריוויה" היסטורית, אלא ביכולת של המודל לבצע הצלבת מידע רב-תחומית. במקום להסתמך על ניחושים, המודל השתמש במפתח הצפנה שהיה מוכר אך לא יושם נכון בעבר, וביצע אימות מול תיעוד היסטורי אמיתי. זהו שיעור מאלף על הפוטנציאל של AI ככלי מחקרי שמשלב לוגיקה, פענוח קוד והצלבת עובדות בזמן אמת [5].
פרטי המקרה: מה באמת קרה?
מפתח שפעל תחת הכינוי "Prinz" השתמש ב-GPT-6 Astra כדי לנתח שידור רדיו גרמני משנת 1918 [2, 4]. ההודעה, שמעולם לא פוענחה בהצלחה בעבר, הכילה מידע צבאי רגיש על תנועות כוחות ימיים בים השחור.
התוצאה שסיפק המודל הייתה ברורה ומדויקת:
- •התוכן המפוענח: "סיירת אנגלית הגיעה לסבסטופול ב-24 בחודש, שייטת של בעלות הברית תגיע ב-26 בחודש" [2, 4].
- •האימות ההיסטורי: המודל לא עצר בפענוח הטקסט. הוא הצליב את המידע עם רישומים היסטוריים של הצי הבריטי, ומצא התאמה מושלמת להגעתה של הספינה HMS Canterbury ב-24 בנובמבר 1918, ולאחריה הגעת השייטת ב-26 בנובמבר [2, 5].
התובנה המקצועית
מה שהופך את האירוע הזה למעניין במיוחד עבורנו, אנשי הטכנולוגיה, הוא לא רק ה"קסם" של ה-AI, אלא הדרך שבה המודל ניגש לבעיה. בניגוד לניסיונות אנושיים קודמים שכשלו בגלל שימוש במפתח הצפנה לא נכון או בטווח תאריכים שגוי, המודל הצליח לבחון אפשרויות מחוץ לקופסה ההיסטורית המקובלת [4].
השילוב בין פענוח קריפטוגרפי לבין בדיקת עובדות היסטוריות הוא הוכחה לכך ש-AI הוא לא רק "מנוע טקסט", אלא כלי אנליטי רב-עוצמה. כשאנחנו בונים פתרונות מבוססי AI, אנחנו צריכים לחשוב על המודל לא כעל ישות ש"יודעת הכל", אלא כעל עוזר מחקר שיכול לחבר נקודות שבן אנוש עשוי לפספס בגלל הטיות קוגניטיביות או מגבלות זמן [3].
סיכום ומסקנות
הפענוח של הודעת ה-1918 הוא תזכורת לכך שאנחנו נמצאים בתקופה שבה כלים טכנולוגיים מאפשרים לנו לפתור בעיות שנחשבו לבלתי פתירות. עבור מפתחים ואנשי מקצוע בתחום ה-AI, המסקנה ברורה: ככל שנלמד להזין את המודלים בהקשרים נכונים ולשלב אותם בתהליכי עבודה של הצלבת נתונים, כך נראה יותר פריצות דרך – לא רק בהיסטוריה, אלא גם בעסקים, בפיתוח תוכנה ובאופטימיזציה של תהליכים מורכבים.
מקורות נוספים לעיון: