フロンティアLLMを用いた歴史的暗号の解読と錬金術知識の追跡

フロンティア大規模言語モデル（LLM）は、単なる研究支援を越えて、複雑で解ける歴史的問題を解決できる能力を備えるようになった。GPT-6（Sol/Astra）やOpus 5.5といったモデルと分野専門家を組み合わせることで、研究者は高度な暗号解読、翻訳間でのテキストの追跡、かつて人間の学者には見えなかった異なる専門分野間のつながりを統合的に分析できるようになった。

解ける歴史的問題の基準

AIモデルは、特定の「解ける性（tractability）」基準を満たす歴史的問題に適用されたときに最も効果的である。これらの問題は、解が明確に証明または反証できるタスクを含み、数学における推論モデルの進展と類似している。

AIによる歴史的発見のための主な要件は以下の通りである：

デジタル化されたデータ： 必要な一次資料が完全にデジタル化され、アクセス可能でなければならない。
専門家の特定： 専門家が解決すべき具体的な問題を既に定義している必要がある。
多言語推論： 問題は、モデルが異なる言語や学問分野間で推論できる能力を活かすものでなければならない。
コード実行： 解決策に特化したコードを用いることが可能な問題でなければならない。

AI駆動の歴史的発見の事例

GPT-6 AstraとOpus 5.5の最近の応用は、これらのモデルが新たな歴史的事実を発見し、既存の事実を検証する可能性を示している。

錬金術的関連：アイザック・ニュートンとサミュエル・ハートリブ

Opus 5.5を用いて、アイザック・ニュートンとサミュエル・ハートリブの間に強い関連性が発見された。モデルはハートリブアーカイブから得られた5,000以上の一次資料ファイルを分析し、ニュートンとハートリブの両方が「ハンガリー・ビトリオール」という重要な錬金術的原料を異なる置換文字（アナグラム）で表していたことを特定した。

Opus 5.5は、ニュートンが真のアナグラム（"Vltimorui"）を使用していたのに対し、ハートリブは不完全な逆向きの書き方（"Miloirtiua riciragnun"）を使用していたと指摘した。この類似性に加え、テキストに記載された量の一致は、ニュートンがハートリブの原稿を参照していた強力な証拠を提供している。

歴史的暗号と暗号解読

フロンティアモデルは、歴史的通信の暗号解読において顕著な成果を上げている：

第二次世界大戦のエニグマメッセージ： GPT-6 Astraは、数十年にわたり人間の解読に失敗していた1941年7月10日のエニグマメッセージを成功裏に解読した。この突破は、ドイツ連邦記録館の無線メッセージ収集に関する特定のメモにモデルが注目したことに起因し、人間の専門家が見逃していた点であった。
カール5世の秘密コード： Opus 5.5は、16世紀のスペイン語で書かれたカール5世の秘密コードで書かれた手紙の一部を解読した。これらの手紙は1916年に学者たちによって既に解読されていたが、モデルが独立して同じ結論に至ったことは、その能力の「ゴールドスタンダード」的な検証となった。
ジョン・ディーの『Liber Loagaeth』： 魔術師ジョン・ディーの暗号化された原稿を分析したところ、GPT-6 Astraはそのテキストがほとんど意味のない音節の羅列であると結論づけたが、天使的存在「Bornogo」への特定の言及を識別した。

バトルネック：アーカイブへのアクセスと計算リソース

これらの能力にもかかわらず、歴史的AI研究の主な制約はモデルの推論能力ではなく、データの可用性にある。多くの歴史的原稿はデジタル化されているが、限定的なアクセス制限の壁の向こうにあり、かつての原稿の大部分はまだデジタル化されていない。

ブレークスルーを加速するため、著者は以下の3つの介入を提案する：

オープンデジタル化： 利用できない歴史的原稿をオンラインで自由にアクセス可能にする協働的努力。
計算リソース助成： 歴史家に無料のAPIアクセスと高計算能力環境を提供し、数百のエージェントを活用して現在進行中の歴史的問題に取り組ませる。
「ミレニアム問題」の定義： Voynich原稿やLinear Aなど、解ける歴史的謎の公開リストを設け、AIの取り組みを集中させる。

コミュニティの知見と反論

研究者や実務家間の議論は、このアプローチの可能性とリスクの両方を浮き彫りにしている：

"文章は通常、記録の中で最も信頼性の低い部分である…その主張を、それが指すもの自体と照らし合わせるのではなく、それについての別の要約と照らし合わせるべきだ。"

一部のユーザーは、AIが広く共有される家系図に誤りを発見するのに有用であると指摘した。二次資料が誤りを盲目的に繰り返す場合、AIはその誤りを検出できる。他方で、深く比喩的な錬金術的テキストの解釈については懐疑的な意見もあり、ヘルメス的な意味は言語では完全に表現できず、LLMの推論に還元できない可能性があると指摘している。

今後の研究方向

AIの歴史学への可能性は、暗号解読にとどまらず、出自の特定、歴史的類似性の検出、古代アルゴリズムの再構築にも広がる。例えば、GPT-6 Proは現在、17世紀のサンスクリット天文学者バーハカーラが『Karaṇakesarī』で使用した日食アルゴリズムの再構築に使われている。