ИИ помогает историкам читать шифры, которые веками лежали в архивах

Историки и специалисты по вычислительной лингвистике всё активнее используют ИИ для работы с зашифрованными рукописями: не вместо эксперта, а как ускоритель для задач, которые раньше занимали месяцы ручного труда. BBC Future описала несколько таких кейсов — от 400-летнего Borg cipher из Ватиканской библиотеки до дипломатических писем времён Тридцатилетней войны и сотен личных открыток конца XIX — начала XX века.

Ставка здесь не в эффектной фразе «ИИ раскрыл тайну прошлого». В архивах и библиотеках по миру лежат документы, которые историки видят, но не могут быстро включить в работу: они написаны редкими знаками, повреждены временем, частично зашифрованы или требуют знания старых языков и почерков. Если такие тексты удастся массово переводить в проверяемый цифровой вид, в исторический оборот попадёт слой данных, который до сих пор был слишком дорогим для чтения.

Где ИИ уже помогает

Один из центральных примеров BBC — Borg cipher, 408-страничная рукопись с 34 необычными символами, несколькими латинскими буквами и арабским текстом на первой странице. По данным исследователей, машинное обучение помогло распутать код и показать, что внутри были тысячи медицинских рецептов и странных лечебных практик: от красного вина до мускатного ореха в тесте.

Другой пример — письмо дворянина Сигизмунда Хойснера фон Вандерслебена шведскому канцлеру Акселю Оксеншерне в 1637 году. Команда Мишель Вальдиспюль из Университета Осло использовала платформу Transkribus для транскрипции текста: система распознавала блоки, строки и символы, а исследователи вручную исправляли ошибки и проверяли результат. Письмо оказалось частично зашифрованным и рассказывало о политических рисках среди союзников Швеции в войне.

Это хорошо показывает реальный формат работы. ИИ не «понимает историю» сам по себе. Он сокращает механическую часть: распознаёт почерк, предлагает варианты чтения, ищет повторяющиеся знаки и помогает быстрее проверять криптографические гипотезы. Финальное решение всё равно требует человека, который знает язык, контекст, эпоху и может отличить правдоподобную расшифровку от красивой ошибки.

Почему это трудно масштабировать

С современными языковыми моделями есть проблема: они обучаются на огромных корпусах текста, а для старых шифров данных часто почти нет. Иногда исследователь работает не с миллионами строк, а с одной страницей или несколькими письмами. Плюс шифры редко бывают аккуратными: один знак может означать разные буквы, одна буква может кодироваться несколькими символами, а лишние знаки специально добавлялись как приманки.

До дешифровки нужно ещё сделать транскрипцию. Для обычного текста это уже умеют платформы распознавания рукописей, но старые шифры используют придуманные символы, астрологические знаки, числа и нестандартные алфавиты. Из-за этого исследователи проекта Descrypt разрабатывают более адаптивные модели, которые смогут работать с широким набором письменностей и символических систем.

Цель проекта — объединить распознавание изображения, дешифровку и языковые подсказки в один инструмент. Команда Беаты Медьеши уже тестировала такую чатбот-подобную систему на Borg cipher: по данным BBC, она расшифровала и перевела фрагмент в 500 символов чуть более чем за 29 минут, одновременно объяснив, почему решение выглядит правдоподобным. Это важная деталь: для историков недостаточно получить ответ, нужно видеть ход рассуждения и места неопределённости.

Что это меняет для архивов

Самый практичный эффект — масштаб. Ручная дешифровка письма на несколько страниц может занимать месяцы; транскрипция пары страниц с незнакомыми символами — день. Если ИИ снимет хотя бы часть этой нагрузки, исследователи смогут не только разбирать отдельные знаменитые загадки, но и системно просматривать коллекции, где спрятаны дипломатические донесения, медицинские знания, личные связи и бытовые детали.

Это также меняет роль архивного ИИ. В таких проектах модель ценна не как оракул, а как рабочий инструмент с проверкой: она ускоряет поиск паттернов, а эксперт решает, что можно считать историческим фактом. Для гуманитарных наук это более зрелый сценарий применения ИИ, чем простая генерация текста: меньше обещаний, больше измеримой помощи в конкретном процессе.