AI Membongkar Rahasia Abad Pertengahan: Dari Surat Cinta hingga Resep Obat

Sejarah manusia menyimpan ribuan rahasia yang terkunci di dalam naskah kuno, surat cinta, dan catatan medis yang dienkripsi dengan cipher rumit. Kini, kecerdasan buatan (AI) mulai membantu para ahli sejarah memecahkan teka-teki yang telah bertahan selama berabad-abad. Menurut laporan dari BBC Future, machine learning sedang merevolusi bidang kriptologi historis dengan cara yang belum pernah terjadi sebelumnya.

Salah satu contoh paling mencengangkan adalah Borg cipher, sebuah manuskrip berusia lebih dari 400 tahun yang tersimpan di perpustakaan Vatikan. Naskah sepanjang 408 halaman ini penuh dengan 34 simbol aneh, beberapa huruf Latin, dan halaman depan yang ditulis dalam bahasa Arab. Tanpa kunci untuk memecahkan kode tersebut, manuskrip ini tetap menjadi misteri selama berabad-abad. Berkat bantuan AI, para peneliti akhirnya berhasil mengungkap isinya: ribuan resep pengobatan aneh, mulai dari meminum beberapa gelas anggur merah berkualitas tinggi hingga fermentasi pala dalam adonan untuk mengatasi disentri.

Beata Megyesi, profesor linguistik komputasi di Universitas Stockholm yang terlibat dalam tim dekripsi, menjelaskan bahwa pekerjaan ini ibarat menjadi detektif. Setiap simbol, pola, dan solusi parsial membawa kita lebih dekat ke rahasia seseorang dan dunia historis yang telah hilang. Meskipun AI mempercepat proses, memecahkan cipher historis tetap memerlukan kerja sama tim yang cermat dan penuh ketekunan.

Diperkirakan sekitar 1% dari seluruh materi di arsip dan perpustakaan di seluruh dunia sepenuhnya atau sebagian dienkripsi. Dokumen-dokumen tersebut menyembunyikan intelijen diplomatik, ritual organisasi rahasia, pengetahuan medis, perselingkuhan, atau detail sehari-hari yang ingin dirahasiakan pemiliknya. Dalam beberapa kasus, memecahkan dokumen ini berpotensi menulis ulang sejarah.

Contoh lain yang menarik adalah surat-surat kode yang ditulis oleh Mary Queen of Scots selama masa pemenjarannya di Inggris. Surat-surat tersebut, setelah berhasil didekripsi, mengungkapkan keterlibatannya dalam plot untuk merebut kembali takhtanya serta hubungan tegangnya dengan putranya, James VI dari Skotlandia yang kelak menjadi King James I dari Inggris.

Cipher historis bisa relatif sederhana seperti substitution cipher, di mana setiap simbol diganti dengan satu huruf Latin. Namun, yang lain jauh lebih sulit dipecahkan. Dalam beberapa kasus, bahasa asli teks yang belum dikodekan sama sekali tidak diketahui. Simbol ekstra yang tidak berarti juga bisa disisipkan sebagai pengalih perhatian. Beberapa tanda bahkan bisa digunakan untuk mewakili huruf yang sama.

Cecile Pierrot, kriptolog di Institut Nasional Prancis untuk Riset Ilmu Komputer (INRIA), dan rekan-rekannya membutuhkan waktu enam bulan untuk secara bertahap memecahkan kunci sebuah surat berusia 500 tahun dari Kaisar Charles V. Surat yang ditulis dengan 120 simbol cipher berbeda di tiga halaman itu mengungkapkan raja yang sangat berkuasa tetapi dilanda ketakutan akan plot pembunuhan. Tanpa bantuan komputasi modern, pekerjaan semacam itu bisa memakan waktu bertahun-tahun atau bahkan selamanya tak terpecahkan.

Kini, para peneliti di seluruh dunia sedang membangun dataset cipher historis yang komprehensif untuk melatih model machine learning. Tujuannya adalah menciptakan sistem yang dapat mengidentifikasi pola, bahasa, dan struktur cipher secara otomatis. Hal ini membuka kemungkinan untuk memecahkan koleksi besar dokumen yang sebelumnya tidak mungkin dikerjakan secara manual.

Teknologi AI yang digunakan bukan hanya simple pattern matching. Model deep learning dilatih untuk mengenali distribusi frekuensi karakter, morfologi kata, dan konteks linguistik. Dengan pendekatan ini, mesin dapat membuat hipotesis tentang bahasa sumber dan struktur cipher, lalu mengujinya secara iteratif hingga menemukan solusi yang masuk akal secara linguistik.

Bagi para developer dan peneliti AI, bidang ini menunjukkan potensi luar biasa dari transfer learning. Model yang dilatih pada teks-teks modern dapat disesuaikan untuk bekerja pada bahasa dan tulisan yang jarang ditemui, bahkan yang berusia ratusan tahun. Ini membuka peluang baru untuk kolaborasi antara ilmu komputer, linguistik, dan sejarah.

Meskipun tantangannya masih besar, kemajuan ini membuktikan bahwa AI tidak hanya tentang masa depan, tetapi juga bisa menjadi kunci untuk membuka masa lalu. Kombinasi kekuatan komputasi modern dengan rasa ingin tahu manusia membawa kita lebih dekat pada pemahaman yang lebih kaya tentang peradaban manusia.

Baca berita asli di BBC Future.

Dalam penelitian terbaru yang dipublikasikan di forum akademis, tim Megyesi mengungkapkan bahwa pendekatan mereka menggabungkan neural network architecture dengan teknik kriptanalisis klasik. Model dilatih untuk mengenali karakteristik unik dari berbagai jenis cipher, mulai dari simple substitution hingga polyalphabetic cipher yang jauh lebih kompleks. Hasilnya menunjukkan bahwa model dapat mengidentifikasi tipe cipher dengan akurasi lebih dari 80% pada dataset uji.

Salah satu terobosan penting adalah kemampuan AI untuk bekerja dengan damaged manuscripts. Naskah kuno seringkali mengalami kerusakan akibat usia, kelembaban, atau serangan serangga. Hal ini membuat simbol sulit dibaca bahkan oleh mata manusia. Dengan menggunakan teknik computer vision, sistem dapat merekonstruksi simbol yang hilang atau rusak, lalu memasukkannya ke dalam pipeline dekripsi. Integrasi antara computer vision dan natural language processing ini merupakan contoh klasik dari multimodal AI yang mulai banyak diterapkan di berbagai bidang.

Tim riset juga menekankan pentingnya human-in-the-loop dalam proses ini. AI tidak bekerja sendiri. Setiap hipotesis yang dihasilkan model masih harus diverifikasi oleh ahli sejarah dan linguistik. Konteks budaya, politik, dan sosial sangat penting untuk memvalidasi apakah sebuah terjemahan memang masuk akal. Sebagai contoh, sebuah kata yang diterjemahkan secara literal mungkin memiliki makna khusus dalam konteks medis abad ke-16.

Dari perspektif teknis, tantangan utama adalah scarcity of labeled data. Tidak seperti tugas NLP modern yang memiliki dataset besar, cipher historis jumlahnya sangat terbatas. Untuk mengatasi ini, para peneliti menggunakan teknik data augmentation dan synthetic data generation. Mereka membuat cipher sintetis dengan aturan yang mirip cipher historis untuk melatih model lebih banyak. Pendekatan ini terbukti efektif untuk meningkatkan generalisasi model.

Bagi komunitas developer, proyek ini menginspirasi untuk memikirkan aplikasi AI di luar domain bisnis yang umum. Kita sering membicarakan AI untuk otomasi, analisis data, atau chatbot. Namun, potensinya jauh lebih luas: melestarikan warisan budaya, memfasilitasi penelitian akademis, dan bahkan membantu pemerintah dan institusi untuk mengelola arsip nasional mereka dengan lebih baik.

Di masa depan, para peneliti berencana untuk membangun platform terbuka di mana sejarawan dari seluruh dunia dapat berkolaborasi. Platform tersebut akan memungkinkan upload cipher, berbagi hasil dekripsi, dan melatih model secara kolektif. Visi ini sejalan dengan prinsip open science dan open source yang familiar bagi banyak developer di komunitas kita.

Pekerjaan ini juga mengingatkan kita bahwa teknologi, sekalipun canggih, tetap hanyalah alat. Nilai sesungguhnya datang dari bagaimana kita menggunakannya untuk memahami diri sendiri dan warisan peradaban yang kita tinggali. AI mungkin bisa memecahkan cipher dalam hitungan jam, tetapi makna dari pesan yang tersembunyi baru bisa dipahami sepenuhnya melalui lensa manusia.