Mistérios e segredos de textos medievais revelados graças à IA

Nas profundezas dos arquivos da Biblioteca Vaticana, um misterioso livro manuscrito, rabiscado com símbolos estranhos, permaneceu inédito por mais de 400 anos.

Suas páginas enigmáticas aparentemente ocultavam remédios secretos "para males do corpo humano", segundo um texto gravado na contracapa.

Tais práticas de cura eram mantidas em segredo na época, pois poderiam despertar suspeitas ou até mesmo acusações de bruxaria.

Conhecido como Cifra Borg, o manuscrito de 408 páginas é praticamente incompreensível: está codificado com 34 símbolos, algumas letras romanas e uma capa escrita em árabe.

Não existia nenhuma chave conhecida para decifrar seu conteúdo. Algumas páginas também estão danificadas pela ação do tempo, o que complica ainda mais o código.

Mas com a ajuda do aprendizado de máquina — uma forma de inteligência artificial — pesquisadores conseguiram decifrar o código.

Descobriram que o texto continha milhares de tratamentos incomuns, como beber vários copos de vinho tinto de alta qualidade ou fermentar noz-moscada em massa para combater a disenteria. (O documento criptografado completo pode ser visualizado online na Biblioteca Vaticana, código Borg.lat.898).

"É como um trabalho de detetive, onde cada símbolo, padrão e solução parcial pode nos aproximar dos segredos de alguém e de um mundo histórico perdido", explica Beáta Megyesi, professora de linguística computacional da Universidade de Estocolmo, na Suécia, que fez parte da equipe que decifrou o texto.

Mesmo com a ajuda da IA, o processo de decifração foi trabalhoso.

Agora, Megyesi e seus colegas lideram os esforços para aproveitar o poder da IA ​​para decodificar documentos históricos com mais eficiência, o que poderia revelar uma riqueza de informações codificadas do passado que permaneceram indecifráveis ​​até agora.

Segundo algumas estimativas, cerca de 1% do material em arquivos e bibliotecas do mundo todo está total ou parcialmente criptografado.

Alguns dos mais antigos conhecidos datam da Grécia e Roma antigas.

Línguas mortas e caligrafia ruim

Em conjunto, documentos históricos criptografados ocultam informações diplomáticas, rituais de sociedades secretas, conhecimento médico, romances ou detalhes do cotidiano que as pessoas desejavam manter em segredo.

Essas são informações atualmente ausentes das narrativas históricas.

Em alguns casos, decifrar esses documentos tem o potencial de reescrever o que sabemos sobre uma pessoa famosa ou um período histórico inteiro.

Um exemplo recente que alcançou esse objetivo foi uma coleção de cartas codificadas que se descobriu terem sido escritas por Maria Stuart durante seu longo período presa na Inglaterra. Elas revelaram seu envolvimento em conspirações para retomar o trono e seu relacionamento tenso com seu filho, Jaime 6º da Escócia e futuro rei Jaime 1º da Inglaterra.

As cifragens antigas podem ser relativamente simples: a de Borg, por exemplo, usa uma cifragem de substituição direta, o que significa que cada símbolo foi trocado por uma única letra romana para ocultar a escrita.

Outras, no entanto, podem ser difíceis de decifrar.

Em alguns casos, o idioma original em que o texto foi escrito é desconhecido.

Símbolos adicionais sem significado também podem ser inseridos como iscas para enganar quem tentar decifrar o documento.

Em outros casos, vários símbolos podem ser usados ​​para representar a mesma letra.

Isso pode envolver uma quantidade enorme de trabalho — frequentemente por meio de tentativas e erros — para decifrar até mesmo uma pequena porção de texto.

Cécile Pierrot, criptóloga do Instituto Nacional Francês de Pesquisa em Ciência da Computação (Inria) em Nancy, na França, e seus colegas levaram seis meses para decifrar gradualmente a chave de uma carta de 500 anos de Carlos 5º, imperador Romano e rei da Espanha, escrita com 120 símbolos cifrados diferentes em três páginas.

A carta decifrada revelou que Carlos 5º — um dos homens mais poderosos de sua época — estava tomado pelo medo de um complô para assassiná-lo. O rei temia que um mercenário italiano a serviço do rei francês Francisco 1º estivesse prestes a matá-lo.

Antes de começarem a decifrar os códigos, os pesquisadores precisam primeiro transformar meticulosamente uma cifra manuscrita em um documento digital que possa ser inserido em um software de quebra de códigos.

A caligrafia ilegível e a tinta desbotada podem complicar ainda mais essa tarefa.

Pierrot diz que normalmente leva-se um dia para transcrever uma carta de duas páginas contendo símbolos desconhecidos.

Como a IA está ajudando a decifrar segredos rapidamente

Mas a IA está começando a acelerar o processo.

Michelle Waldispühl, professora de linguística alemã na Universidade de Oslo, na Noruega, e seus colegas usaram recentemente uma plataforma online de inteligência artificial chamada Transkribus para transcrever uma carta secreta escrita pelo nobre Sigismund Heusner von Wandersleben ao Grão-Chanceler sueco Axel Oxenstierna em 1637, no auge da Guerra dos Trinta Anos, um conflito que acabaria por ceifar milhões de vidas e devastar grandes áreas da Europa.

A ferramenta foi treinada em diversos idiomas, alfabetos e estilos de escrita que abrangem séculos.

Após o upload de uma imagem do documento para o sistema, a IA detecta blocos de texto e linhas individuais antes de escanear todo o texto caractere por caractere para convertê-lo em um formato digital.

Embora algumas correções manuais tenham sido necessárias, a ferramenta teve um desempenho bastante bom na carta de Von Wandersleben, já que ela estava apenas parcialmente criptografada usando números separados por pontos que foram claramente escritos com espaços entre eles.

Outras seções não foram codificadas e foram simplesmente escritas em alfabeto alemão do século 17.

As plataformas de transcrição de IA existentes geralmente têm dificuldades quando os manuscritos são criptografados com caracteres incomuns, como sinais inventados, símbolos astrológicos ou números escritos de forma peculiar.

Mas Megyesi, Waldispühl e seus colegas estão desenvolvendo sua própria ferramenta de inteligência artificial para converter textos manuscritos históricos com símbolos ou escritas obscuras em documentos legíveis por máquina como parte do projeto multinacional Descrypt.

"Estamos desenvolvendo modelos mais adaptáveis, treinados e testados em uma ampla gama de escritas, alfabetos e repertórios simbólicos", observa Megyesi.

Uma vez transcrito um documento secreto, inicia-se a pesquisa.

Atualmente, os criptologistas geralmente utilizam softwares especializados, sem inteligência artificial, que empregam algoritmos para tentar determinar a cifragem utilizada e decifrar o código.

Cifragens simples podem ser quebradas analisando-se a frequência dos símbolos utilizados e comparando-os com as letras do alfabeto que aparecem com a mesma frequência em um idioma.

Em inglês, por exemplo, a letra E é a mais comum, enquanto Z, Q e X são as menos frequentes.

Mas na carta de Von Wandersleben, enviada da frente de batalha durante a Guerra dos Trinta Anos, por exemplo, ele utilizou até oito símbolos diferentes para representar a letra E.

Isso significava que um método de tentativa e erro, além do conhecimento de alemão antigo de Waldispühl, era necessário para decifrar gradualmente o código.

"Foi um processo de troca constante entre a máquina e o validador humano", lembra Waldispühl.

"Talvez em algum momento a IA seja capaz de fazer isso de forma completamente independente."

Ocultas no código estavam as advertências de Von Wandersleben sobre a ameaça representada pelos aliados protestantes da Suécia na guerra.

Ele contou a Oxenstierna que fora forçado a fazer retiradas estratégicas do conflito após tomar conhecimento de uma conspiração entre seus aliados, incluindo o Lorde Franz Heinrich da Saxônia.

Reabertura de casos não resolvidos

Megyesi e sua equipe estão explorando como a IA poderia contornar completamente a etapa de transcrição, simplesmente analisando fotografias de páginas para decifrar mensagens secretas.

Recentemente, eles demonstraram como esse método poderia funcionar com códigos simples, onde cada letra é substituída por um único símbolo.

Eles testaram o sistema com um manuscrito de 105 páginas que já haviam decifrado, conhecido como a cifra Copiale, que detalha os rituais, regras e ideais de uma sociedade secreta alemã do século 18.

Ao treinar a IA com caligrafia genérica, seguida por imagens de linhas específicas da crifragem e o texto alemão decodificado correspondente, o sistema foi capaz de decifrar com precisão partes do texto que nunca havia visto antes.

Esse sistema poderia ser especialmente útil quando o idioma subjacente à cifragem é desconhecido.

"Isso abre possibilidades fascinantes para sistemas de escrita incomuns e não padronizados", diz Megyesi.

"O objetivo final é combinar transcrição e decifração em uma única etapa."

Waldispühl e seus colegas do projeto Descrypt têm vasculhado arquivos antigos em busca de textos criptografados para compilá-los em um banco de dados.

Isso pode ser vital para reunir dados suficientes para treinar uma IA capaz de decifrar códigos.

Os grandes modelos linguísticos que sustentam chatbots de IA, como o ChatGPT, são treinados com bilhões de palavras de livros, artigos e sites. Encontrar quantidades equivalentes de dados para decifrar códigos é um desafio significativo.

Entre o material que coletaram estão 400 cartões-postais misteriosos escritos em código do final do século 19 e início do século 20. Os poucos fragmentos decifrados até agora revelam que alguns deles são cartas de amor escritas em alemão.

A equipe de Megyesi usou seu trabalho para criar uma ferramenta de IA semelhante a um chatbot que combina transcrição e decriptografia em uma única etapa.

O chatbot combina algoritmos de decriptografia treinados em pares de caracteres criptografados e o texto que eles representam com grandes modelos linguísticos treinados em textos históricos de diferentes épocas para ajudar a fornecer pistas sobre um código. Algoritmos de reconhecimento de imagem, treinados com anotações de escrita à mão, também estão sendo incorporados.

A ferramenta de IA também pode ser aprimorada com a incorporação de correções de especialistas que a utilizam.

A ideia é que pesquisadores, ou mesmo o público, possam fornecer ao chatbot um texto histórico codificado, e ele revelará seu significado.

Quando os pesquisadores testaram seu chatbot de IA com a Cifra Borg, Megyesi e seus colegas descobriram que ele conseguia traduzir e decodificar um trecho de 500 símbolos em pouco mais de 29 minutos.

Ele até forneceu uma tradução para o inglês. Também documentou o processo e explicou por que a solução era plausível.

Isso é importante para garantir que a IA não esteja alucinando ou inventando interpretações. A equipe também testou recentemente o sistema com outras duas cifras que haviam decodificado anteriormente, representando diferentes períodos, idiomas, tipos de códigos secretos e níveis de complexidade.

Ele as decifrou rapidamente também, demonstrando sua capacidade de lidar com uma ampla gama de cifras.

"A IA é especialmente útil para escalabilidade, velocidade, descoberta de padrões e integração de tarefas", afirma Megyesi.

Essas ferramentas de IA podem ser essenciais para decifrar códigos históricos que permaneceram indecifráveis ​​até agora.

Elas também serão inestimáveis ​​para decifrar textos antigos escritos em alfabetos que ninguém consegue ler hoje.

O Disco de Festo, de 4.000 anos, encontrado em Creta, por exemplo, permanece indecifrado, assim como o alfabeto grego antigo Linear A.

"O que me entusiasma não é apenas a possibilidade de resolver um enigma histórico específico, mas a perspectiva de criar métodos que possam ajudar pesquisadores em muitos casos diferentes", conclui Megyesi.

Este artigo foi publicado originalmente na BBC Future. Você pode ler a versão original em inglês aqui.