GPT-6 Astra descifra un mensaje de radio alemán de 1918 que resistía 108 años
Hecho Qué ha ocurrido
Un modelo de OpenAI llamado GPT-6 Astra descifró un criptograma alemán ADFGVX de 170 caracteres enviado el 27 de noviembre de 1918, que ningún criptógrafo había resuelto en 108 años. El modelo usó la palabra clave 'Truppenverschiebung' y el resultado, sobre movimientos navales en Sebastopol, coincide con registros históricos verificados (llegada del HMS Canterbury el 24 de noviembre y un escuadrón aliado el 26).
Resumen generado mediante IA a partir de El Confidencial Tecnología. Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Ilustra la capacidad de los grandes modelos de lenguaje para combinar razonamiento criptográfico, búsqueda combinatoria y conocimiento histórico contextual en tareas que antes requerían expertos humanos especializados.
- Quién se ve afectado
- Historiadores, criptógrafos, archivos militares y departamentos de investigación que trabajan con documentos cifrados antiguos.
- Qué puede cambiar
- Se abre la posibilidad de aplicar IA a la resolución masiva de cifrados históricos pendientes y a la revisión de archivos documentales no digitalizados o no interpretados.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Si se confirman más resoluciones de los 50 cifrados pendientes catalogados por ScienceBlogs y si surgen explicaciones a la discrepancia cronológica de la clave usada antes de su fecha oficial de implementación.
Enviar esta noticia por correo
Fuente original: El Confidencial Tecnología. La referencia es siempre el artículo original.
Ver fuente original ↗LLM OpenAI criptografíaGPT-6 Astrahistoria militarOpenAIPrimera Guerra Mundial
Tu opinión
0 comentarios
Relacionadas
Anthropic revela que Claude lidera ya el 26% del trabajo de I+D de IA de la compañía
Anthropic creó un Índice de Automatización de I+D que mide qué parte del trabajo de desarrollo de modelos realiza Claude de forma autónoma bajo supervisión. En…
Por qué importaIndica que la automatización del propio ciclo de desarrollo de IA avanza muy rápido, lo que podría acelerar la mejora de modelos pero también plantea…
Microsoft presenta ThinkingBox, benchmark que mide si los agentes de IA realmente completan tareas en bases de datos reales
Microsoft publicó ThinkingBox, un benchmark de 507 flujos de trabajo empresariales ejecutados 20 veces cada uno contra 12 modelos LLM, que evalúa el estado…
Por qué importaRevela que medir agentes por respuestas finales o llamadas a herramientas válidas oculta errores reales en los sistemas backend que tocan datos de…
Anthropic consulta a filósofos y expertos religiosos para definir principios morales de Claude
Según una investigación de The New York Times, Chris Olah, cofundador de Anthropic, mantiene reuniones con filósofos y pensadores religiosos para explorar cómo…
Por qué importaRevela que una de las principales empresas de IA considera insuficientes las reglas actuales de alineación y busca marcos morales más profundos para…
Investigadoras españolas buscan algoritmos más eficientes para reducir el coste energético de la IA
Expertas de las universidades de Castilla-La Mancha y A Coruña explican cómo optimizar el software (reducción de bits, entrenamiento no supervisado…
Por qué importaEl coste energético y económico de operar IA, especialmente con agentes que consumen muchos más tokens, se está convirtiendo en una barrera real para…