OpenAI GPT–6 Astra 2005 से समाधान न होने वाले Enigma संदेश को तोड़ देता है

ब्रेक का आकलित महत्व

• कुछ लोग इसे मुख्यतः PR मानते हैं: एक अस्पष्ट, मनोरंजक समस्या, जिसे पर्याप्त compute और मौजूदा तकनीकों से शायद हल किया जा सकता था, कोई गहरी वैज्ञानिक सफलता नहीं।
• दूसरे इसे सचमुच प्रभावशाली मानते हैं: यह विशेष संदेश लगभग 20 साल तक विशेषज्ञों का सामना करता रहा; किसी LLM का इसे स्वायत्त रूप से चुनना, टूल बनाना और तोड़ देना एक मजबूत क्षमता-संकेत है।
• कई लोग “goalpost moving” की शिकायत करते हैं: जैसे ही मॉडल कुछ नया करते हैं, आलोचक उस चीज़ को महत्वहीन या “सच्ची intelligence” नहीं कह देते।

संदेश कैसे तोड़ा गया (चर्चा के अनुसार)

• Enigma संदेश असामान्य था: अन्य ट्रैफिक से अलग key, transcription errors, और character 72 के आसपास एक दुर्लभ left-rotor turnover, जिसने standard crib-based shortcuts को तोड़ दिया और अधिक brute-force search की ज़रूरत पड़ी।
• Astra ने कथित तौर पर:
  • इस विशिष्ट अनसुलझे संदेश को “promising” चुना।
  • एक संबंधित संदेश देखा और दोहराए गए place name “ROSENOW ROSENOW” को crib के रूप में इस्तेमाल किया।
  • Enigma और bombe simulators (Python/C++) लिखे, फिर keyspace खोजा जब तक re-encryption से जाँचा गया German-जैसा plaintext नहीं मिल गया।

मानव बनाम AI योगदान

• लेख का दावा है कि Astra ने cryptanalysis “पूरी तरह अपने दम पर” की, जब उससे केवल एक विशेष site पर अनसुलझे संदेश आज़माने को कहा गया था।
• कुछ पाठक फिर भी इसे human–AI “collaboration” या “tool use” कहते हैं; अन्य लोग मानते हैं कि यह यहाँ मानव भूमिका को बढ़ा-चढ़ाकर बताता है।
• श्रेय पर बहस: क्या यह उपलब्धि मुख्यतः model की है, prompter की, या training data में encoded पूर्व human cryptanalysis की?

Replication और अन्य models

• एक commenter ने गलती से पहले से decrypted German plaintext को ही “decode” कर दिया; दूसरों ने त्रुटि की ओर ध्यान दिलाया।
• बाद के एक experiment में Gemini 3.8 (tools/agents के साथ) ने open-source Enigma code ढूँढ़कर, उसे compile करके, और बड़े key searches चलाकर कथित तौर पर लगभग 45 मिनट में पूरा break दोहरा दिया।
• इसे यह तर्क देने के लिए इस्तेमाल किया जाता है कि Astra uniquely capable नहीं है; tool use वाले समान frontier models भी शायद यही कर सकते हैं।

AI क्षमताएँ, रचनात्मकता, और सीमाएँ

• एक लंबी subthread इस पर है कि क्या यह वास्तविक problem-solving दिखाता है या केवल मानव कार्य पर pattern-matching:
  • AI समर्थक पक्ष: pattern-matching intelligence का ही हिस्सा है; text से tools बनाना और strategies चुनना trivial नहीं है।
  • संदेहवादी पक्ष: मॉडल training data से ज्ञात तरीकों को recombine कर रहे हैं; उनमें “imagination” या world models की कमी है, और वे सचमुच नई समस्याओं पर संघर्ष करते हैं।
• संबंधित दार्शनिक बहस: intelligence बनाम consciousness, क्या मानव intelligence अभी भी “special” है, और intellectually displaced महसूस करने पर भावनात्मक प्रतिक्रियाएँ।

Cryptography के निहितार्थ

• कई लोग नोट करते हैं कि कमजोर ऐतिहासिक ciphers तोड़ना, आधुनिक symmetric या public-key crypto तोड़ने से बहुत अलग है; कोई सबूत नहीं कि वर्तमान LLMs मजबूत cryptography के लिए ख़तरा हैं।
• कुछ अनुमान लगाते हैं कि LLMs अंततः नई crypto डिज़ाइन कर सकते हैं, लेकिन ज़ोर देते हैं कि सुरक्षित schemes डिज़ाइन करना, टूटी हुई schemes पर हमला करने से कहीं कठिन है, और पूर्ण automation के लिए विश्वसनीय iterative validation loops चाहिए होंगे।

Hype, business models, और सामाजिक प्रभाव

• कई लोगों को यह AI labs द्वारा media-friendly stunts (अनसुलझे ciphers, math problems) के पीछे भागने, hype बनाने, valuations बढ़ाने, और benchmarks को फ्रेम करने के पैटर्न का हिस्सा लगता है।
• दूसरे ऐसी demos का बचाव करते हैं और उन्हें standard benchmarks के saturated होने पर model progress का उपयोगी मूल्यांकन मानते हैं।
• व्यापक चिंताओं में शामिल हैं: expertise का commodification, job displacement, power/wealth का concentration, compute की environmental cost, और यह संभावना कि intelligence “ऐसी चीज़ बन गई है जिसे आप बिजली से खरीद सकते हैं।”