Durante centenas de anos, milhares de documentos criptografados permaneceram praticamente inacessíveis a historiadores. Muitos foram escritos com alfabetos próprios, símbolos desconhecidos e sistemas de substituição criados justamente para impedir que outras pessoas descobrissem seu conteúdo.
Agora, a inteligência artificial começa a mudar esse cenário.
Pesquisadores das áreas de linguística computacional, criptologia, história e visão computacional estão utilizando aprendizado de máquina para transcrever, analisar e decifrar textos históricos cifrados, reduzindo drasticamente o trabalho manual necessário para transformar páginas antigas em conteúdo pesquisável.
Um dos exemplos mais conhecidos é o chamado Cifrado Borg, manuscrito preservado na Biblioteca Apostólica Vaticana sob a identificação Borg.lat.898. O documento possui 408 páginas manuscritas e é provavelmente do século XVII. Durante muito tempo, seu conteúdo permaneceu praticamente ilegível por utilizar um sistema formado por dezenas de símbolos incomuns.
A investigação revelou que por trás daqueles sinais havia textos principalmente em latim, com trechos em italiano, descrevendo medicamentos, tratamentos e conhecimentos farmacêuticos da época.
Manuscrito utiliza 34 caracteres diferentes
O Cifrado Borg utiliza aproximadamente 34 caracteres, combinando símbolos gráficos, letras romanas e sinais adicionais.
Quase todo o documento está codificado.
Apenas algumas páginas no início e no final e determinados títulos em latim aparecem fora do sistema criptográfico.
Essa característica transformava a análise em um trabalho extremamente trabalhoso.
Antes que um criptólogo pudesse sequer tentar entender o código, alguém precisava reconhecer manualmente milhares de símbolos escritos à mão e convertê-los em uma representação digital.
É justamente nessa etapa que a inteligência artificial começou a oferecer uma vantagem enorme.
IA ajuda primeiro a “ler” os símbolos
Quando falamos que inteligência artificial está decifrando manuscritos antigos, existe uma distinção importante.
A IA não simplesmente observa uma página e instantaneamente descobre seu significado.
O processo possui diferentes etapas.
Primeiro, sistemas de visão computacional e reconhecimento de escrita identificam os sinais presentes no manuscrito.
Depois, esses símbolos são convertidos para uma forma que computadores possam analisar.
Somente então entram ferramentas de criptanálise, modelos linguísticos e conhecimento histórico para tentar descobrir como aquela cifra funciona.
O projeto internacional DECRYPT desenvolveu justamente uma infraestrutura para automatizar parte desse processo.
Projeto reúne especialistas de várias áreas
O DECRYPT reúne pesquisadores de computação, linguística, criptologia, história e outras disciplinas.
O objetivo é desenvolver ferramentas capazes de analisar grandes quantidades de documentos secretos que continuam armazenados em bibliotecas e arquivos europeus.
Segundo os responsáveis pelo projeto, existem milhares de manuscritos históricos cifrados que dificilmente seriam analisados apenas com trabalho humano.
O desafio não está apenas na criptografia.
Papéis envelhecem.
Tintas desaparecem.
Caligrafias variam.
Símbolos semelhantes podem ter significados diferentes.
E línguas utilizadas centenas de anos atrás possuem ortografia e vocabulário diferentes dos atuais.
Por isso, o problema exige muito mais do que simplesmente aplicar um algoritmo moderno de quebra de senha.
Banco de dados já reúne milhares de cifras e chaves
Uma das principais ferramentas criadas pelo projeto é o DECODE Database.
O banco reúne imagens digitalizadas de textos cifrados, chaves de criptografia e informações sobre origem, localização e possíveis decifrações.
O portal do DECRYPT registra atualmente mais de 10 mil registros, milhares de chaves e milhares de documentos cifrados.
Esse volume possui enorme importância para sistemas de aprendizado de máquina.
Quanto mais exemplos os pesquisadores conseguem reunir, maior é a capacidade de desenvolver algoritmos capazes de reconhecer padrões entre diferentes documentos.
É uma lógica semelhante à utilizada em outras aplicações de IA: dados permitem que sistemas aprendam características recorrentes e produzam novas hipóteses.
Ferramenta aprende a reconhecer alfabetos estranhos
O TranscriptTool, desenvolvido dentro do projeto, utiliza técnicas de aprendizado de máquina para acelerar justamente a transcrição dos manuscritos.
O sistema foi testado com diferentes conjuntos de caracteres históricos, incluindo o próprio Borg Cipher, o Copiale Cipher e outros sistemas secretos.
O pesquisador pode indicar alguns exemplos de determinados símbolos.
A partir daí, o sistema tenta localizar sinais semelhantes nas outras páginas.
O trabalho ainda exige revisão humana, mas reduz significativamente o esforço necessário para percorrer centenas de páginas manualmente.
Esse tipo de abordagem é conhecido como few-shot learning, porque o modelo tenta aprender a reconhecer determinada categoria a partir de poucos exemplos.
IA não substitui criptólogos e historiadores
Apesar do avanço, os próprios projetos deixam claro que a inteligência artificial funciona como ferramenta de apoio.
Um símbolo reconhecido incorretamente pode comprometer uma etapa posterior da análise.
Da mesma maneira, um algoritmo pode sugerir uma determinada língua ou padrão estatístico sem necessariamente compreender o contexto histórico.
É por isso que especialistas continuam essenciais.
Historiadores avaliam datas, autores e contexto político.
Linguistas analisam idiomas antigos.
Criptólogos estudam os mecanismos utilizados para esconder o texto.
A IA acelera principalmente tarefas repetitivas e ajuda a encontrar padrões que demorariam muito mais tempo para serem identificados manualmente.
O Cifrado Borg revelou tratamentos médicos incomuns
Depois de decifrado, o Cifrado Borg mostrou que não escondia planos militares nem algum grande segredo político.
Seu conteúdo estava relacionado principalmente à medicina.
O manuscrito descreve maneiras de tratar diferentes sintomas e doenças, além de conhecimentos farmacêuticos da época.
Algumas das recomendações parecem bastante estranhas segundo os padrões médicos atuais.
Entre os tratamentos encontrados aparecem preparações envolvendo vinho e outros ingredientes utilizados na medicina europeia do século XVII.
Isso transforma o manuscrito em uma fonte importante para estudar não apenas criptografia, mas também história da medicina e circulação de conhecimentos considerados secretos.
Por que alguém esconderia receitas médicas?
Hoje parece estranho imaginar uma receita medicinal protegida por criptografia.
Mas conhecimento médico e farmacêutico já teve enorme valor econômico e social.
Receitas podiam representar vantagem profissional para médicos, boticários e famílias.
Certas práticas também poderiam ser consideradas suspeitas dependendo do contexto religioso e cultural da época.
Escrever em código permitia preservar informações dentro de grupos restritos.
A criptografia histórica, portanto, não era utilizada apenas por reis e espiões.
Ela aparecia em cartas particulares, diários, sociedades secretas, textos religiosos e documentos científicos.
Criptografia era ferramenta diplomática
Governos europeus utilizavam cifras extensivamente entre os séculos XV e XVIII.
Diplomatas e embaixadores precisavam trocar mensagens sem permitir que governos rivais conhecessem o conteúdo.
Muitas cifras substituíam letras por números ou símbolos.
Outras utilizavam diferentes símbolos para representar a mesma letra, dificultando análises estatísticas.
Também existiam os chamados nomenclatores, sistemas nos quais palavras inteiras — como nomes de pessoas, cidades ou instituições — recebiam códigos específicos.
O DECRYPT trabalha justamente com diferentes categorias de cifras históricas, incluindo substituições monoalfabéticas, homofônicas, polialfabéticas e combinações de vários métodos.
IA consegue comparar texto com idiomas históricos
Outra ferramenta importante é a utilização de modelos linguísticos.
Depois que uma possível decifração é gerada, o sistema pode comparar o resultado com grandes coleções de textos históricos.
O projeto criou o HistCorp, conjunto de corpora e modelos linguísticos para diferentes idiomas europeus.
Isso ajuda a responder perguntas como:
“O resultado parece latim?”
“Parece italiano do século XVII?”
“Existem combinações de letras compatíveis com alemão antigo?”
Esse tipo de avaliação estatística permite eliminar rapidamente hipóteses ruins.
Modelos atuais aceleram etapa que antes levava dias
A grande revolução está principalmente no tempo.
Transcrever manualmente algumas páginas de um documento com dezenas de símbolos diferentes pode consumir muitas horas.
Em manuscritos com centenas de páginas, o trabalho pode levar meses.
Com visão computacional, uma parte significativa dessa tarefa pode ser automatizada.
Os pesquisadores ainda precisam corrigir erros e validar o resultado, mas conseguem direcionar mais tempo para a análise histórica e criptográfica propriamente dita.
Essa produtividade é o que torna possível começar a olhar para uma quantidade muito maior de documentos.
Arquivos europeus guardam milhares de textos secretos
O problema é muito maior do que um único manuscrito.
Bibliotecas e arquivos ao redor da Europa possuem enormes coleções de correspondências diplomáticas, mensagens militares, cartas privadas e documentos de sociedades secretas.
Muitos nunca foram analisados completamente.
Alguns sequer foram catalogados como textos cifrados.
Segundo o DECRYPT, a ausência de métodos automáticos significa que uma grande parte desse material continuaria sem ser decifrada caso dependesse exclusivamente de pesquisadores trabalhando documento por documento.
É nesse ponto que IA e digitalização podem produzir uma transformação semelhante àquela que mecanismos de busca produziram para textos modernos.
Documentos históricos podem virar bases pesquisáveis
Quando milhares de manuscritos são digitalizados e transcritos, pesquisadores conseguem fazer algo que anteriormente era praticamente impossível: pesquisar padrões em enormes coleções.
Um historiador pode procurar nomes, lugares, datas ou palavras específicas.
Também pode comparar cifras utilizadas por diferentes governos.
Isso permite reconstruir redes de comunicação e descobrir relações entre pessoas que talvez não fossem conhecidas.
A inteligência artificial, portanto, não ajuda apenas a quebrar códigos.
Ela ajuda a transformar arquivos físicos em bases de conhecimento pesquisáveis.
Projeto Copiale mostrou potencial da computação
Outro exemplo famoso dessa área é o Copiale Cipher.
O documento, criado no século XVIII, utilizava dezenas de símbolos e permaneceu sem leitura durante muitos anos.
Pesquisadores conseguiram decifrá-lo com auxílio de métodos computacionais e descobriram um texto relacionado a uma sociedade secreta alemã.
O conteúdo descrevia rituais e práticas envolvendo simbolismo maçônico e cerimônias de iniciação.
A Universidade de Estocolmo inclui o Copiale entre os exemplos de cifras históricas decifradas utilizados em sua pesquisa.
Nem todo manuscrito misterioso foi decifrado
É importante fazer uma ressalva porque notícias sobre IA e documentos históricos frequentemente acabam misturando diferentes manuscritos.
O avanço observado no Cifrado Borg não significa que a inteligência artificial tenha solucionado todos os grandes enigmas criptográficos da história.
O caso mais famoso é o Manuscrito Voynich.
Datado do início do século XV, ele possui uma escrita ainda não compreendida e ilustrações de plantas, diagramas astronômicos e figuras humanas.
Apesar de diversas manchetes afirmando que IA teria solucionado o mistério, não existe atualmente uma decifração do Voynich aceita pela comunidade acadêmica.
Essa distinção é fundamental.
Borg Cipher e Voynich são documentos diferentes
Os dois manuscritos são frequentemente confundidos porque ambos possuem alfabetos incomuns.
Mas as situações são bastante diferentes.
O Cifrado Borg foi decifrado e seu conteúdo em latim e italiano é conhecido.
Já o Voynich continua sem uma leitura verificável e reproduzível.
A diferença mostra também uma limitação fundamental da inteligência artificial.
Quando existe estrutura suficiente, padrões linguísticos e técnicas criptográficas conhecidas, algoritmos podem ajudar enormemente.
Quando ninguém conhece sequer a língua, o sistema de escrita ou o método utilizado, o problema se torna muito mais difícil.
IA precisa de pistas
Modelos de inteligência artificial são extremamente eficientes em reconhecer padrões.
Mas precisam de alguma referência.
Uma cifra histórica pode permitir comparar frequência de símbolos, comprimento de palavras e padrões de repetição com idiomas conhecidos.
Se o método utilizado também estiver dentro de categorias conhecidas de criptografia, algoritmos conseguem testar milhares de hipóteses rapidamente.
Mas se um documento utiliza uma língua desconhecida, uma escrita inventada e um método de codificação desconhecido, o espaço de possibilidades torna-se gigantesco.
Por isso, a inteligência artificial não funciona como uma “máquina universal de decifração”.
IA pode encontrar conexões invisíveis aos humanos
Mesmo assim, sua contribuição pode ser enorme.
Imagine dois documentos guardados em bibliotecas diferentes de países distintos.
Um pesquisador humano talvez nunca tivesse motivo para compará-los.
Um algoritmo pode identificar que ambos usam os mesmos símbolos ou padrões estatísticos.
Isso pode sugerir que foram criados pelo mesmo grupo ou utilizaram a mesma chave.
A capacidade de analisar milhares de documentos simultaneamente é uma das principais vantagens dos sistemas computacionais.
Grande desafio continua sendo a qualidade dos documentos
Manuscritos históricos possuem problemas que textos digitais modernos não apresentam.
Páginas podem estar rasgadas.
A tinta pode ter desaparecido.
Palavras podem estar cobertas por manchas.
Escribas diferentes podem desenhar o mesmo símbolo de maneiras completamente distintas.
Além disso, uma marca provocada pelo envelhecimento do papel pode parecer um símbolo verdadeiro.
Esses detalhes explicam por que reconhecimento de manuscritos antigos é uma área especializada dentro da visão computacional.
O DECRYPT desenvolveu ferramentas específicas justamente porque modelos tradicionais de reconhecimento de texto não são suficientes para muitos desses documentos.
Cada documento decifrado ajuda a compreender uma época
O valor dessas tecnologias vai além da curiosidade.
Cartas cifradas podem revelar negociações políticas.
Diários podem mostrar relações pessoais.
Documentos diplomáticos podem explicar decisões tomadas durante guerras.
Textos científicos podem revelar como determinadas descobertas foram desenvolvidas.
E manuscritos médicos, como o Cifrado Borg, ajudam a compreender a maneira como doenças eram tratadas há séculos.
Cada documento pode representar uma pequena parte de uma história que permaneceu invisível justamente porque ninguém conseguia lê-lo.
Inteligência artificial vira ferramenta para arqueologia documental
Em certo sentido, o trabalho se aproxima da arqueologia.
Arqueólogos recuperam objetos físicos.
Pesquisadores de criptologia histórica recuperam informações que estavam enterradas dentro dos próprios documentos.
A inteligência artificial funciona como uma nova ferramenta para essa escavação.
Em vez de remover camadas de terra, algoritmos removem camadas de criptografia, caligrafia e deterioração.
O objetivo final continua sendo humano: compreender melhor o passado.
Tecnologia também ajuda a preservar o material
A digitalização possui outra vantagem.
Muitos desses manuscritos são extremamente frágeis.
Quanto mais pesquisadores precisam manusear fisicamente um documento, maior pode ser o risco de desgaste.
Digitalizar páginas em alta resolução permite que grande parte da investigação aconteça sem tocar novamente no original.
Também permite que pesquisadores em diferentes países trabalhem sobre a mesma fonte simultaneamente.
Projetos como DECODE foram construídos justamente sobre essa lógica de compartilhamento aberto de documentos e ferramentas.
IA pode acelerar descobertas nas próximas décadas
O avanço atual provavelmente representa apenas o começo.
Modelos de visão computacional estão se tornando melhores no reconhecimento de escrita.
Grandes modelos de linguagem conseguem trabalhar com mais idiomas e contextos históricos.
Sistemas multimodais podem analisar simultaneamente imagem e texto.
E computadores conseguem testar milhões de hipóteses de criptografia em velocidades impossíveis para humanos.
Quando essas tecnologias são combinadas com o trabalho de historiadores e criptólogos, documentos que permaneceram fechados por séculos podem finalmente começar a revelar seu conteúdo.
O passado ainda possui enormes quantidades de dados “offline”
Existe uma ironia interessante.
Falamos frequentemente que vivemos em uma era de excesso de dados.
Mas bilhões de páginas da história humana continuam efetivamente inacessíveis porque nunca foram transcritas, digitalizadas ou compreendidas.
Bibliotecas são enormes bancos de dados analógicos.
A inteligência artificial pode ajudar a conectar esses arquivos ao mundo digital.
E quando isso acontece, não estamos simplesmente criando versões eletrônicas de livros antigos.
Estamos tornando pesquisável uma parte do conhecimento humano que estava tecnicamente disponível, mas praticamente invisível.
O mistério deixa de ser apenas para especialistas em códigos
O Cifrado Borg é um exemplo de como essa transformação funciona.
Durante séculos, suas 408 páginas pareciam um conjunto incompreensível de símbolos.
Hoje sabemos que o manuscrito contém textos médicos em latim e italiano, incluindo tratamentos e receitas que ajudam pesquisadores a compreender práticas da época.
E, com as ferramentas desenvolvidas a partir desses estudos, outros documentos podem ser processados muito mais rapidamente.
A inteligência artificial não está apagando o trabalho dos historiadores.
Está ampliando enormemente a quantidade de material que eles conseguem investigar.
No futuro, isso pode produzir descobertas que hoje permanecem literalmente escondidas diante dos nossos olhos.
Depois de séculos nos quais determinados documentos permaneceram silenciosos simplesmente porque ninguém conseguia ler seus códigos, a IA começa a dar aos pesquisadores uma nova maneira de perguntar ao passado o que ele ainda tem para contar.
