FX.co ★ Bitcoin w obliczu nowego zagrożenia i 200-letni szyfr Napoleona

AI złamała 200-letni szyfr Napoleona w 6 godzin

W marcu 1809 roku, podczas wojny na Półwyspie Iberyjskim, jedno z posłań Napoleona do generała Auguste’a Marmonta zaszyfrowano przy użyciu specjalnego kodu. Przez ponad dwa stulecia kryptografowie i historycy nie potrafili odczytać dokumentu. W 2026 roku model AI GPT-6 Astra miał rozwiązać zagadkę w zaledwie sześć godzin. Odtworzył kontekst historyczny, rozpoznał terminologię dyplomatyczną i złożony system rzadkich podstawień znaków. Historia ta ilustruje potencjał AI w badaniach historycznych, choć szczegóły tego osiągnięcia wymagają niezależnego potwierdzenia.

Rękopisy nie płoną

Sukces GPT-6 Astra wpisuje się w serię przełomów AI w badaniach nad starożytnością. W ramach Vesuvius Challenge modele sztucznej inteligencji uczą się odczytywać zwęglone papirusy, pogrzebane podczas erupcji Wezuwiusza w 79 roku n.e. Tomografia komputerowa w połączeniu z algorytmami AI pozwala wykrywać ślady atramentu i odtwarzać fragmenty tekstów antycznych filozofów bez fizycznego rozwijania kruchych zwojów. To przykład, jak nowe technologie pomagają odzyskiwać wiedzę uznaną za bezpowrotnie utraconą.

Zaginione języki pod lupą AI

Sztuczna inteligencja pomaga badać nie tylko historyczne szyfry, lecz także nierozszyfrowane systemy pisma starożytności. Algorytmy uczenia maszynowego analizują znaki cywilizacji Doliny Indusu, pisma linearnego A oraz tabliczek protoelamickich. Porównując wzorce i zależności kontekstowe, próbują odtworzyć struktury nieznanych języków, mimo braku dwujęzycznych zabytków, takich jak kamień z Rosetty. Choć pełne odczytanie tych pism pozostaje wyzwaniem, AI może pomóc naukowcom odkrywać nowe ślady historii cywilizacji sprzed ponad trzech tysięcy lat.

Czy istnieją matematyczne zagadki, których AI nie potrafi rozwiązać?

Jednocześnie z postępami w kryptoanalizie sztuczna inteligencja otwiera nowe możliwości w matematyce. Modele takie jak AlphaProof potrafią dowodzić złożonych twierdzeń i mierzyć się z problemami wymagającymi zaawansowanego rozumowania. AI wspiera naukowców w odkrywaniu nowych zależności, analizie tożsamości Ramanujana oraz badaniu hipotez kombinatorycznych Erdősa. Pomagają także w poszukiwaniach rozwiązań najtrudniejszych problemów matematycznych. Nie oznacza to jednak, że potrafi rozwiązać każdy z nich. Jej potencjał polega na łączeniu obliczeń, dowodzenia formalnego i poszukiwania nieoczywistych zależności.

Czy AI wyeliminuje błędy ludzkie?

Współczesne systemy AI współpracują z interaktywnymi narzędziami do formalnego dowodzenia twierdzeń, takimi jak Lean 4. Potrafią przekształcać abstrakcyjne rozumowania matematyczne w formalne zapisy, które można automatycznie weryfikować. Takie podejście pomaga ograniczyć ryzyko błędów przy sprawdzaniu obszernych, wielostronicowych dowodów. W efekcie AI staje się nie tylko wsparciem obliczeniowym, lecz także coraz ważniejszym narzędziem w weryfikacji i rozwijaniu nowych odkryć matematycznych.

Czy Satoshi przewidział takie zagrożenie?

Zdolność sieci neuronowych do wykrywania ukrytych wzorców w złożonych problemach matematycznych budzi coraz większe zainteresowanie ekspertów ds. cyberbezpieczeństwa. Jednym z potencjalnych obszarów ryzyka jest kryptografia asymetryczna, stanowiąca fundament bezpieczeństwa Bitcoina. Algorytm podpisu cyfrowego ECDSA, wykorzystywany do zabezpieczania transakcji, opiera się na trudności obliczeniowej problemu logarytmu dyskretnego na krzywych eliptycznych. Gdyby połączenie zaawansowanych modeli AI z nowymi metodami obliczeniowymi pozwoliło skutecznie przełamać te zabezpieczenia, mogłoby to zagrozić prywatnym kluczom i bezpieczeństwu portfeli kryptowalutowych. Na razie nie ma jednak dowodów, że AI potrafi rozwiązać ten problem na skalę zagrażającą sieci Bitcoina.

Postkwantowe zabezpieczenia Bitcoina

Aby ograniczyć ryzyko przyszłego złamania zabezpieczeń kryptograficznych, społeczność blockchain rozwija rozwiązania oparte na kryptografii postkwantowej. Obejmują one m.in. algorytmy oparte na kratowych problemach matematycznych oraz podpisy cyfrowe wykorzystujące funkcje skrótu. Ich celem jest zapewnienie odporności na ataki z użyciem komputerów kwantowych. Jednocześnie sztuczna inteligencja może wspierać kryptografów w analizie zagrożeń i projektowaniu nowych mechanizmów ochrony. W efekcie trwa wyścig między rozwojem metod ataku a doskonaleniem zabezpieczeń cyfrowych. Wdrożenie takich rozwiązań w Bitcoinie wymaga jednak zmian protokołu i szerokiego konsensusu społeczności.

Kod życia

Metody analizy wzorców wykorzystywane w kryptografii znajdują zastosowanie również w bioinformatyce. DNA i struktury białek tworzą złożone systemy biologiczne, których poznanie wymaga zaawansowanych narzędzi obliczeniowych. Modele takie jak AlphaFold 3 pomagają przewidywać strukturę przestrzenną białek i analizować ich interakcje z innymi cząsteczkami. Odkrycia te wspierają projektowanie nowych leków, opracowywanie enzymów rozkładających tworzywa sztuczne oraz badania nad molekularnymi mechanizmami chorób dziedzicznych. Sztuczna inteligencja otwiera tym samym nowe możliwości w naukach o życiu.

Cyberbezpieczeństwo w obliczu rewolucji AI

Próby rozszyfrowania 217-letniej zagadki Napoleona i rosnące możliwości AI w analizie zabezpieczeń pokazują, jak szybko zmienia się krajobraz cyberbezpieczeństwa. W świecie, w którym algorytmy potrafią analizować historyczne szyfry i wykrywać słabości systemów, ochrona prywatności wymaga nowych rozwiązań. O bezpieczeństwie coraz częściej decyduje nie tylko siła zastosowanego szyfrowania, lecz także zdolność do aktualizowania zabezpieczeń w odpowiedzi na nowe zagrożenia. Rozwój AI przyspiesza zarówno poszukiwanie luk, jak i tworzenie skuteczniejszych metod ochrony danych.