noticias

GPT-6 Astra ajuda a decifrar código militar de 1809 e mostra uma capacidade da IA bem além dos chatbots

**Categoria editorial:** Inteligência Artificial / Ciência / História da Tecnologia

**Linha fina:** Modelo da OpenAI participou da reconstrução de uma mensagem enviada ao general Auguste de Marmont há 217 anos. O feito impressiona menos pela cifra em si e mais por unir visão, programação, pesquisa histórica e criptoanálise em um único fluxo.

**Meta description:** GPT-6 Astra ajudou a decifrar uma mensagem militar napoleônica de 1809 em seis horas, combinando visão, programação e criptoanálise.

**Slug:** `gpt-6-astra-cifra-napoleonica-1809`

**Palavra-chave principal:** GPT-6 Astra cifra napoleônica

Matéria completa

Uma mensagem militar atravessou 217 anos sem ser lida

Uma carta militar produzida em 1809, durante os preparativos para uma nova guerra entre a França de Napoleão Bonaparte e o Império Austríaco, voltou a ser compreendida depois de permanecer praticamente inacessível por mais de dois séculos.

O trabalho foi realizado pelo engenheiro de inteligência artificial Carter Church com auxílio do **GPT-6 Astra**, modelo da OpenAI. Segundo o relato técnico publicado pelo pesquisador, cerca de seis horas de execução do modelo foram suficientes para transformar uma reprodução de baixa qualidade do documento em uma proposta de leitura verificável.

A carta era destinada ao general francês Auguste de Marmont e partiu do quartel-general de Eugène de Beauharnais, enteado de Napoleão e então vice-rei da Itália. O conteúdo retransmitia informações militares e ordens relacionadas à disposição de tropas francesas e aliadas antes da campanha austríaca.

O documento possuía apenas uma linha inicial escrita normalmente em francês.

Depois dela começavam 24 linhas de números, letras e símbolos desenhados à mão.

Foi aí que a história ficou interessante.

Não era simplesmente uma foto entregue a um chatbot

A versão mais espetacular da história seria dizer que alguém mostrou a carta ao GPT-6 Astra, perguntou “o que está escrito?” e recebeu seis horas depois uma tradução completa.

Não foi exatamente assim.

A imagem continha aproximadamente **1.300 unidades cifradas**, formadas por **155 sinais diferentes**.

Antes de tentar descobrir o conteúdo, era necessário executar uma tarefa muito mais básica: saber o que estava efetivamente escrito.

Símbolos manuscritos precisam ser separados, classificados e comparados. O mesmo caractere pode aparecer ligeiramente diferente dependendo da maneira como foi desenhado.

O modelo teve de dividir a imagem em linhas, identificar os sinais e determinar quando duas formas visualmente diferentes representavam, na realidade, o mesmo símbolo.

Só depois disso a criptoanálise poderia começar.

Essa etapa é particularmente relevante porque mostra uma diferença importante entre simplesmente resolver uma cifra já transcrita e trabalhar sobre um documento histórico original.

Uma parte da chave já era conhecida

Também seria exagerado afirmar que o sistema começou completamente do zero.

Uma tabela parcial produzida anteriormente pelo historiador francês de criptologia Daniel Tant já atribuía valores a **33 símbolos**.

Esses sinais permitiam interpretar aproximadamente 435 das 1.300 unidades presentes no documento — cerca de um terço do criptograma.

O restante permanecia desconhecido.

Essa informação parcial funcionou como uma espécie de ponto de apoio.

A partir dela, o modelo conseguiu procurar padrões e testar possíveis correspondências para os outros símbolos.

Portanto, o feito não representa uma IA descobrindo sozinha uma linguagem totalmente desconhecida.

Representa algo talvez tecnicamente mais interessante: utilizar evidência incompleta, pesquisa histórica, processamento visual e programação para reconstruir o restante de um sistema.

A cifra tentava esconder justamente os padrões das letras

O código utilizado pertence à família das chamadas **cifras de substituição homofônica**.

Em uma substituição simples, cada letra é trocada sempre pelo mesmo símbolo.

Esse tipo de sistema possui uma fraqueza conhecida.

Em qualquer língua, determinadas letras aparecem com muito mais frequência do que outras.

No português, por exemplo, letras como A, E e O são extremamente comuns. No francês existem padrões semelhantes.

Se determinado símbolo aparece centenas de vezes em um texto cifrado, um criptoanalista pode suspeitar que ele corresponda a uma letra frequente.

A substituição homofônica tenta dificultar esse tipo de ataque atribuindo vários símbolos diferentes à mesma letra.

Assim, um “E” pode aparecer de várias maneiras distintas ao longo da mensagem.

A frequência fica espalhada.

Para os padrões da época, era uma proteção razoavelmente sofisticada.

O Astra escreveu sua própria ferramenta para procurar a solução

Uma das partes mais interessantes do experimento ocorreu quando o modelo deixou de tentar resolver o problema apenas por interpretação linguística.

Ele produziu código para explorar possíveis soluções.

O método utilizado envolveu uma técnica conhecida como **simulated annealing**, ou recozimento simulado.

O nome vem da metalurgia.

Quando um material é aquecido e resfriado de maneira controlada, sua estrutura interna pode encontrar configurações mais estáveis.

Em computação, o princípio inspira algoritmos que exploram muitas soluções possíveis para um problema e ocasionalmente aceitam resultados temporariamente piores para evitar ficar presos em uma solução local.

No caso da cifra, diferentes correspondências entre símbolos e letras podiam ser experimentadas.

O programa avaliava quais combinações geravam francês linguisticamente mais plausível.

Gradualmente, a solução melhorava.

Não é uma técnica criada pelo GPT-6 Astra e tampouco representa uma nova descoberta criptográfica.

O que chama atenção é o modelo ter identificado uma estratégia adequada, criado a ferramenta e utilizado os resultados durante o mesmo processo.

A imagem continuou servindo como evidência

Resolver o algoritmo não encerrava o trabalho.

Uma transcrição errada poderia contaminar toda a análise.

Por isso, as hipóteses produzidas durante o processo eram novamente comparadas à reprodução original.

O modelo conseguia verificar se determinado símbolo interpretado de uma maneira aparecia consistentemente da mesma forma em outras partes do documento.

Esse ciclo entre imagem, hipótese, programação e verificação é justamente a parte que Carter Church considera mais relevante no experimento.

Historicamente, essas etapas poderiam exigir especialidades diferentes.

Uma pessoa transcreveria o documento.

Outra pesquisaria o contexto histórico.

Um criptógrafo desenvolveria a solução.

Um linguista poderia analisar o francês.

Aqui, várias dessas tarefas foram encadeadas pelo mesmo sistema.

E o que dizia a mensagem?

O conteúdo recuperado é essencialmente um informe militar.

A carta descrevia posições e forças francesas e aliadas, além de transmitir orientações destinadas a Marmont durante a crescente tensão com a Áustria.

A mensagem estava relacionada ao cenário que antecedeu a Guerra da Quinta Coalizão, iniciada poucas semanas depois.

O texto buscava tranquilizar Marmont quanto à capacidade militar francesa e descrevia tropas posicionadas em diferentes regiões da Europa.

Uma parte da solução também ajudou a reconstruir o sentido de uma passagem incompleta preservada posteriormente nas memórias de Napoleão.

Isso dá ao trabalho uma utilidade histórica além do exercício criptográfico.

Não houve, porém, alguma revelação capaz de reescrever a história das guerras napoleônicas.

Grande parte do contexto militar já era conhecida por outras fontes.

O documento também estava catalogado com a data errada

A análise trouxe outra correção interessante.

A carta aparecia em registros modernos associada a 1807.

O cruzamento de seu conteúdo com correspondências conhecidas de Napoleão permitiu relacioná-la à situação militar de **março de 1809**, pouco antes da ofensiva austríaca.

Esse detalhe mostra por que ferramentas desse tipo podem ser úteis para historiadores mesmo quando o texto recuperado não contém grandes segredos.

Documentos podem ajudar a confirmar cronologias, identificar pessoas, preencher lacunas de outros registros e estabelecer conexões entre fontes dispersas.

IA, nesse contexto, não precisa descobrir uma história completamente desconhecida para ser útil.

Pode simplesmente tornar pesquisável aquilo que antes permanecia praticamente inacessível.

Mas a solução não deve ser tratada como infalível

Existe um detalhe importante que algumas versões da história deixam em segundo plano.

A leitura ainda contém **alguns símbolos cuja interpretação permanece incerta**.

Isso não invalida o resultado geral, mas impede tratá-lo como uma transcrição absolutamente definitiva em cada caractere.

Também não se trata de um experimento oficialmente conduzido ou validado pela OpenAI.

O trabalho é de Carter Church utilizando a ferramenta.

A proposta de solução possui um diferencial importante: Church publicou arquivos técnicos que permitem reconstruir e testar partes do processo.

Satoshi Tomokiyo, responsável pelo Cryptiana, banco dedicado a cifras históricas, analisou o resultado e passou a marcar o documento como resolvido.

Ainda assim, uma leitura histórica deve permanecer aberta à revisão conforme novos documentos ou especialistas examinem o material.

Seis horas também precisam ser interpretadas corretamente

O número chama atenção, mas exige contexto.

As seis horas citadas correspondem aproximadamente ao **tempo de execução do modelo**, não necessariamente a todo o trabalho humano realizado em torno da investigação.

Também não existe um experimento controlado comparando quanto tempo um criptógrafo profissional levaria para resolver exatamente o mesmo problema tendo acesso à mesma chave parcial e aos mesmos documentos históricos.

Church reconhece inclusive que a cifra em si não representa necessariamente um desafio extraordinário para um especialista disposto a dedicar tempo ao problema.

O aspecto extraordinário está em outro lugar.

O sistema recebeu uma imagem, precisou compreender qual era o problema e percorreu várias disciplinas até chegar a uma solução testável.

Não significa que a criptografia moderna está ameaçada

Outra interpretação precisa ser descartada.

O fato de uma IA resolver uma cifra militar de 1809 não significa que o GPT-6 Astra consiga quebrar criptografia moderna.

São mundos completamente diferentes.

Sistemas atuais como AES e algoritmos criptográficos amplamente usados na internet foram projetados utilizando matemática e espaços de chave absurdamente maiores.

Uma cifra manual baseada em símbolos e linguagem natural pode revelar padrões estatísticos.

Uma chave criptográfica moderna de 256 bits não funciona dessa maneira.

Mesmo com inteligência artificial, tentar todas as combinações possíveis continua sendo computacionalmente inviável.

O caso de Marmont é relevante para **criptoanálise histórica**, não uma demonstração de que conexões bancárias ou mensagens modernas criptografadas podem ser quebradas em algumas horas.

O ponto mais importante talvez nem seja a criptografia

Há alguns anos, modelos de linguagem eram avaliados principalmente pela qualidade das respostas que produziam.

Agora começam a surgir exemplos em que o resultado depende de uma cadeia muito maior.

Interpretar uma imagem.

Pesquisar referências.

Criar código.

Executar algoritmos.

Examinar resultados.

Voltar à imagem original.

Corrigir hipóteses.

E repetir o processo durante horas.

Essa capacidade é conhecida como trabalho de **horizonte longo**.

Quanto maior esse horizonte, mais um sistema deixa de funcionar como simples gerador de respostas e começa a se aproximar de uma ferramenta de investigação.

É provavelmente aí que o caso da cifra napoleônica fica realmente interessante.

História possui milhões de documentos esperando por esse tipo de ferramenta

Arquivos históricos ao redor do mundo guardam quantidades enormes de material parcialmente estudado.

Cartas manuscritas.

Diários.

Registros administrativos.

Telegramas.

Documentos cifrados.

Anotações em línguas antigas.

Textos deteriorados.

Durante décadas, analisar esse material dependeu de trabalho humano altamente especializado e demorado.

Isso continuará sendo necessário.

Mas inteligência artificial pode alterar a escala da pesquisa.

Um sistema capaz de transcrever milhares de páginas, identificar nomes, encontrar padrões linguísticos e sugerir relações entre documentos pode permitir que historiadores pesquisem coleções antes praticamente impossíveis de examinar integralmente.

O resultado não substitui o historiador.

Muda a quantidade de material sobre a qual ele consegue trabalhar.

Análise da equipe

A história da cifra de Marmont é interessante justamente quando retiramos o exagero.

“IA quebra código de Napoleão depois de 217 anos” produz uma excelente manchete.

Mas a realidade técnica é melhor.

O GPT-6 Astra recebeu um problema imperfeito, com uma imagem de baixa qualidade, uma chave incompleta e pistas espalhadas por documentos históricos.

Precisou decidir o que fazer com isso.

A cifra individual provavelmente não entrará para a história como alguma façanha matemática comparável à quebra da Enigma durante a Segunda Guerra Mundial.

O fluxo de trabalho pode entrar.

Porque uma das limitações fundamentais dos modelos anteriores era a incapacidade de permanecer trabalhando de maneira produtiva em um problema durante muito tempo.

Eles respondiam.

Agora começam a investigar.

Existe uma enorme diferença entre as duas coisas.

Se essa capacidade continuar evoluindo, arqueologia, história, biologia, engenharia e diversas outras áreas podem receber ferramentas capazes de atravessar quantidades de informação que nenhum pesquisador conseguiria examinar sozinho.

O documento de 1809 pode acabar sendo apenas uma curiosidade histórica.

Mas a maneira como ele voltou a ser lido em 2026 talvez seja um sinal muito mais importante sobre o tipo de trabalho que essas máquinas estão começando a conseguir realizar.

👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis