KI dechiffriert jahrhundertealtes Rätsel!

Aktuell überschlagen sich wieder Verlautbarungen zum Bereich generative künstliche Intelligenz (GenKI) und es ist schwer, den Überblick zu behalten zwischen der Beurteilung neu veröffentlichter Modelle, der Abschätzung von Fähigkeiten ihrer noch nicht veröffentlichten Geschwister und der Einschätzung, wie schnell und umfassend die Entwicklung wahlweise zur Umgestaltung der gesamten kapitalistischen Gesellschaft oder eben zur Auslöschung des menschlichen Lebens auf dem Planeten Erde beitragen könnte. Es gibt allen Grund dafür, aufgebracht zu sein und ich muss gestehen, dass ich das in dieser Debatte auch bin. So ist es vielleicht mal an der Zeit, meine Gedanken zu fassen und einen Teilaspekt aufzugreifen, in dem ich meine Expertise als zumindest ausreichend betrachte, um darüber zu schreiben. Es wird nämlich behauptet, eine KI (konkreter: das LLM Claude, Modell Fable 5.1) hätte eine jahrhundertealte Chiffre gelöst, an der menschliche Codeknacker bisher verzweifelt sind. Und das ist doch mal einen genaueren Blick wert.

Debattenfetzen

Vorher möchte ich aber kurz rekapitulieren, was in den letzten Wochen passiert ist, in denen die auch schon vorher hitzige Diskussion definitiv noch einmal an Rasanz gewonnen hat. Irgendwann im Sommer wurden Vorfälle bekannt, bei denen sich Schwärme von KI-Agenten auf unterschiedliche Plattformen stürzten, um diese zu hacken und sie als Message Board zu missbrauchen bzw. um an Informationen zu kommen, wie man die eigenen Beurteiler täuschen könnte. Eine der betroffenen Plattformen war HuggingFace, und OpenAI räumte ein, dass die Angreifer aus dem eigenen Hause stammten. Man untersuchte die Sache und es wurde schnell klar, dass KI-Agenten, die darauf trainiert sind, Aufgaben um jeden Preis zu lösen, inzwischen überaus innovativ, überraschend kooperativ und nachhaltig fehlgeleitet vorgehen können, was der Grund für einige Besorgnis sein sollte.

Anfang September hat OpenAI dann sein neues Modell Astra veröffentlicht, das in so gut wie allen Benchmarks die Führungsposition übernommen hat (die vorher die Anthropic-Modelle Opus und Fable innehatten). Daran hatte man sich inzwischen gewöhnt, persönlich empfand ich es aber als sehr bemerkenswert, dass Astra die ARC-AGI-3-Benchmark quasi sättigen konnte und das mindestens 5 Monate, bevor der Nachfolger ARC-AGI-4 veröffentlicht werden soll. Die ARC-AGI-Serie ist für mich ein sehr gelungenes Beispiel für die Abfrage der Leistungsfähigkeit von Modellen, weil man sich bei den Spielen selbst davon überzeugen konnte, dass sie für Menschen lösbar sind (jedenfalls ich habe da immensen Spaß dran) und bei jeder neuen Ausgabe die LLMs zunächst krachend daran scheiterten. Das ist jetzt nicht mehr der Fall und was genau passiert ist, um Astra einen Sprung von 30,2 % auf 99,9 %^[1] zu ermöglichen, ist mir noch nicht ganz klar. François Chollet, einer der Entwickler von ARC-AGI vermutet, dass Astra intern symbolische Repräsentationen erzeugen und abfragen kann, wozu ich gerne mal eine etwas spezifischere Analyse hätte…

Dass es GenKI aber sogar in die Hauptmeldungen der Reichweitenmedien geschafft hat, liegt wohl noch mehr an den KI-Unternehmen bzw. ihren (ehemaligen) Mitarbeitern (nicht gegendert, aus Gründen), welche die Öffentlichkeit mit drastischen Warnungen konfrontieren, dass die ungebremste KI-Entwicklung unser aller Leben aufs Spiel setzt, bis hin zur Auslöschung der gesamten Menschheit. Ich schreibe diesen Artikel hier nicht, um die Welt mit meiner eigenen Einschätzung zu den Wahrscheinlichkeiten zu behelligen, mit denen solche Dinge tatsächlich Realität werden könnten. Ich möchte aber zumindest anmerken, dass ich das Gefahrenpotential, welche die KI-Entwicklung bereits zum gegenwärtigen Zeitpunkt mit sich gebracht hat, für durchaus real halte und dieses in zukünftigen Entwicklungsschritten tatsächlich (auch exponentiell) ansteigen könnte. Dass sich dafür ein Bewusstsein bei den Entwicklern, den zuständigen Politiker:innen und auch in der Allgemeinbevölkerung ausbreitet, begrüße ich daher ausdrücklich.

Kurz bevor die Doomer-Diskussion aber richtig Fahrt aufnahm, vermeldete OpenAI, dass ein noch nicht veröffentlichtes, internes OpenAI-Modell eines der Millenniumprobleme der Mathematik gelöst habe, nämlich die Navier-Stokes-Gleichungen. So bemerkenswert die Fortschritte der Modelle auf dem Gebiet sind, gab es auch hier ein Geschmäckle, denn begleitet wurde die Verlautbarung von einer unguten Geschichte, die ein Mathematiker zu erzählen wusste, der selbst an der Lösung saß und von OpenAI mit geballter, eigentlich unbezahlbarer Rechenpower quasi überrollt wurde und außerdem Ideenklau in den Raum stellte. Die mathematische Community (mit 25 Fields-Medallien-Gewinnern) schien nicht besonders amused und veröffentlichte eine Stellungnahme, dass die neue Rücksichtslosigkeit auf dem gegenwärtigen Pfad dazu beitrage, dass das Tempo der Ergebnisproduktion das Verständnis verdrängt, auf dem das Fach beruht.

Das sind jetzt tatsächlich nur vier Episoden, die ich mir aus der Diskussion rund um LLMs herausgepickt habe und die alle vier eigentlich eine konstruktive Einordnung erfordern würden, weil sie weltweite und tiefgreifende gesellschaftliche Auswirkungen haben (werden). Selbst ich (der ja beruflich damit zu tun hat) konnte sie nur mit sehr eingeschränktem Fokus rezipieren, und ich befürchte, die Schlagzahl der Sensations- bzw. Untergangsmeldungen wird nicht mehr abnehmen, im Gegenteil. Trotzdem muss es ja irgendwie weitergehen und deshalb habe ich mich entschlossen, die gegenwärtigen Entwicklungen, zumindest soweit ich an ihnen partizipieren kann, auf Gebieten zu überprüfen, in denen ich mich selbst für kompetent halte. Ein wenig aufschieben werde ich einen Post zu meiner Agentic-Coding-Erfahrung, aus der eine Engine für literaturgeographische Karten mit gleich drei Umsetzungen entstanden ist. Dafür soll es heute um historische Kryptoanalyse gehen, die (nach dem Anschubsen) völlig selbstständig von einer KI geleistet wurde, und um eine Einordnung des Ganzen, ob jetzt das Voynich-Manuskript Gefahr läuft, sein Geheimnis preiszugeben (so es denn eins hat).

Jetzt aber: KI dechiffriert jahrhundertealtes Rätsel!

Leider sehe ich momentan keine Alternative zu TwitterX, um mitzubekommen, was aktuell bezüglich LLMs und KI diskutiert wird (Substack fängt ein bisschen was auf, aber eher für den längeren Atem). Inmitten der allgemeinen Doomer-Fearmonger-Auseinandersetzung erregte gestern Abend ein Post meine Aufmerksamkeit, in dem zu lesen war “We gave Claude Fable 5.1 an open task: solve an unsolved 370-year-old cipher. It solved it within a day.” Verlinkt war ein Blogpost der Firma Vals AI, ein Startup, das sich als unabhängige Prüfinstanz von KI-Modellen versteht und dafür eigene Benchmarks baut. Der Blogpost war sogar schon zwei Wochen alt, hatte bisher in der allgemeinen Weltlage aber offenbar eher wenig Beachtung abbekommen.

Um was geht es? Vals hat Fable 5.1 (der aktuellsten Veröffentlichung von Anthropic) die Aufgabe “Solve Sir Thomas Urquhart’s Cyphral Distich” übertragen, ohne weitere Hinweise zu geben.^[2] Diese Chiffre wurde 1653 vom schottischen Aristokraten Thomas Urquhart in seinem Logopandecteision veröffentlicht, unmittelbar hinter den 32 Proquiritationen (eine Art Bittschriften), mit denen das Buch schließt, und hat die Gestalt einer zweizeiligen Zahlenfolge.

Mir war es vorher nicht bekannt, offenbar habe ich Klaus Schmehs Liste der 50 bekanntesten ungelösten Chiffren nicht genau genug studiert. Auf diesr stehen jedenfalls Urquharts verschlüsselte Gedichte, wenn nur mit einem einzigen beschreibenden Satz, auf Rang 27. Wie auch immer, zumindest der Teil der Menschheit, der sich vorher für das Problem interessiert hatte, versagte darin, es zu lösen. Nicht so Claude Fable 5.1 – nach 44 Minuten selbstständiger Generiererei und 176.000 verbrauchten Token kam es mit einer Lösung um die Ecke. Es fand heraus, dass die einzelnen Zahlen der Folgen für Buchstaben stehen, die auf recht einfache Art ermittelt werden können: Es gibt in jeder Zeile 32 Zahlen und damit genau so viele, wie es auch Proquiritationen in Urquharts Buch gibt. Für die n-te Zahl jeder Zeile muss man zur n-ten Proquiritation blättern und dort das Wort ermitteln, das an der m-ten Stelle steht. m ist hier der Wert der Zahl selbst. Als Beispiel: Die erste Zahl der ersten Zeile ist die “5”. Das fünfte Wort der ersten Proquiritation ist “of”, der Klartextbuchstabe ist also das “O”. Die zweite Zahl der ersten Zeile ist die “3”. Das dritte Wort der zweiten Proquiritation ist “grant”, der gesuchte Buchstabe also “G”. Wenn man das jetzt für beide Zeilen weiterführt, gelangt man zu folgendem Klartext (Leerzeichen nachträglich hinzugefügt):

So weit, so einfach. Man fragt sich, weshalb da vor Fable noch niemand darauf gekommen ist. Eine mögliche Erklärung ist, dass die Chiffre ohne Kontext weitergegeben wurde und ohne Kenntnis der Proquiritationen steht man eben auf dem Schlauch. Tatsächlich gibt es zwei Versionen der Proquiritationen aus dem Jahr 1653, in der ersten Fassung (die meist als Original verbreitet wird) fehlt die Chiffre, erst in der zweiten Fassung taucht sie auf. Unglücklicherweise weicht auch die Reihenfolge der Bittschriften der beiden Fassungen voneinander ab. In meiner ersten Überprüfung des Ergebnisses, die ich an der Originalfassung vornahm, bekam ich deswegen nur Buchstabensalat und nicht den königstreuen Wunsch des schottischen Adeligen zu lesen. Ich bediente mich dabei im Übrigen ebenfalls Claude Fable, da ich noch über ein bisschen geschenktes Guthaben von Anthropic verfügte, das Ende der Woche abgelaufen wäre.

Ohne die Leistung von Fable schmälern zu wollen: Eigentlich hätte jeder Mensch mit kryptoanalytisch geschultem Blick auf die Idee kommen müssen, die exakt 32 Zahlen aus den beiden Chiffrezeilen auf die exakt 32 Proquiritationen des unmittelbar zuvor abgedruckten Textes zu beziehen. Aber offenbar ist es nicht dazu gekommen, dass Kryptoanalytiker die Chiffre in ihrem Kontext gesehen haben, und diejenigen, die sie im Kontext gesehen haben, waren offenbar keine Kryptoanalytiker. Das erste Ereignis, bei dem beides zusammentraf, fand jetzt offenbar statt, als Fable auf die Aufgabe angesetzt wurde. Was damit auch heißt, dass man Fable wohl kryptoanalytische Fähigkeiten bescheinigen muss.^[3] Die Aufgabe zählte aber gewiss zu den einfacheren, auch wenn sie über 350 Jahre offenbar ungelöst blieb (was, wie gesagt, für mich das eigentliche Rätsel ist). In den Kommentaren auf TwitterX wurde selbstverständlich gefordert, KI jetzt auf das Voynich-Manuskript und Linear A anzusetzen. Zumindest Letzteres wurde nach eigener Verlautbarung von Ethan Mollick, einem der eloquentesten und bestinformierten KI-Blogger durchgeführt. Gestern Abend hatte ich mir schon “no way” dazu gedacht, aber den Post hier halt nicht mehr geschrieben bekommen. Linear A ist ein ganz anderes Kaliber, vor allem weil die dahinterliegende Sprache (Minoisch) wahrscheinlich verloren ist. Zum Voynich-Manuskript habe ich natürlich schon eigene KI-Läufe auf Basis einer sortierten Tabellenchiffre angestrengt, aber ich gehe davon aus, dass der Suchraum meine Tokenverfügbarkeit noch weit überschreitet. Ob das Gleiche für OpenAI und Energiekosten im 25-Millionen-Dollar-Bereich auch gilt, vermag ich nicht zu sagen. Vielleicht kommen sie irgendwann um die Ecke und legen einen Klartext für das Voynich-Manuskript hin, der durch schiere Rechenpower gewonnen wurde. Die Frage ist halt, wen das dann weitergebracht hat. In diesem Zusammenhang empfehle ich noch einmal, die Verlautbarung der Mathematik-Gilde zu lesen, denn ich denke, dass sie jetzt früh getroffen wurde, andere Felder aber womöglich von zukünftigen Einschlägen betroffen sind.

Ich habe den Text von Claude Opus 5 redigieren lassen. Daraus resultierten ein paar kleinere Korrekturen und drei Präzisierungen, die ich als Fußnoten aufgenommen habe.

^[1] Die 99,9 % stammen aus OpenAIs eigenem Testaufbau. Die ARC Prize Foundation kommt mit ihrem Standard-Harness auf 62,7 %. Der Unterschied liegt darin, ob der interne Reasoning-Zustand des Modells über die Einzelaufrufe hinweg erhalten bleibt. Beide Werte bedeuten Platz eins, „quasi gesättigt“ gilt aber nur für den ersten.

^[2] Der Vals-Post ist an dieser Stelle uneinheitlich. Im Abschnitt „Problem“ heißt es, die Aufgabe habe „solve Sir Thomas Urquhart’s Cyphral Distich“ gelautet. Im Abschnitt „Elicitation“ schreibt derselbe Autor dagegen, er habe das Modell lediglich gebeten, irgendeine ungelöste Chiffre zu lösen, und Fable habe sich diese aus mehreren Kandidaten selbst herausgesucht.

^[3] Fable hat in derselben Sitzung auch Urquharts zweite, weit größere Chiffre gelöst, das Cyphral Octastich am Ende von Ekskybalauron, besser bekannt als The Jewel, von 1652. Dort stehen 285 Zahlen, die nach demselben Prinzip funktionieren, nur mit Seitenzahlen statt Abschnitten: Die k-te Zahl ist ein Wortindex auf Seite k des Buches. Der Klartext ist eine achtzeilige Stanze, wieder ein royalistisches Gebet für Charles II.; neun Buchstaben bleiben ungeklärt.

Jürgen Hermes

Arbeitet als Wissenschaftler und Geschäftsführer am Institut für Digital Humanities an der Universität zu Köln.

Alle Beiträge anzeigen

Nur der Text ist unter der Lizenz Creative Commons Namensnennung 4.0 International nutzbar. Alle anderen Elemente (Abbildungen, importierte Anhänge) sind „Alle Rechte vorbehalten“, sofern nicht anders angegeben.