Ha a foldonkivuliek ellopnanak a foldrol egy merevlemezt. Kitudnak kodolni es megerteni az adatokat rajta?

> Az MI segítségével bármit megfejtenek…

…

> Fejlettebb lehet a technikájuk…

Ez nem ennek a kérdése. Maradjunk egy szövegfájlnál…

„Az alma piros.”

„A víz hideg.”

”A tó befagyott.”

Mindegyik három szó. Hogy mi most egy fogalomhoz milyen karaktersorozatot rendeltünk az eléggé esetleges. Az is, hogy melyik karaktereket rendeltük a fogalomhoz az is. Lehetne olyan is a magyar nyelv, hogy a közkedvelt gyümölcshöz a „v”, „í” és „z” karaktereket rendeljük hozzá és a folyékony halmazállapotú H₂O-hoz rendeljük hozzá az „alma” hang-, illetve betűsort. Hogy nem így van, hanem fordítva, az teljesen esetleges.

No de egy földönkívülinek erről nincs információja. Ha nincs a merevlemezen egy dekódolható kép, egy „alma” képaláírással, akkor nem is lesz. Vagy ha nincs más forrásból ilyen információja, akkor sem lesz. A szöveg karaktereit tudná dekódolni, de azt, hogy egy-egy karakterlánc milyen jelentéshez van hozzárendelve azt nem tudja dekódolni. Azért mert ez az információ jó eséllyel nincs rajta a merevlemezen. Ami meg nincs, abból sem az MI, sem akármilyen fejlett technológia nem fog információt gyártani.

Most játsszuk azt, hogy mi vagyunk az idegnek. Dekódolunk egy olyan írásrendszert, amiben minden szónak egy szimbólum felel meg. Mondjuk valami ilyesmit fogunk kapni:

Ƨ Ψ ǂ

Hát ez bármit jelenthet. Ha Ψ az alma és a ǂ a piros, akkor azt, hogy az alma piros. De ha a Ψ vizet jelent és a ǂ hideget, akkor azt, hogy a víz hideg. Hogy melyik a helyes azt ellenőrizni sem lehet, mindegyik ugyanúgy potenciálisan helyes megfejtés. Ellenőrizni a dekódolás helyességét az tudná, aki tud írni ezen a nyelven. Magában a szövegben nincs semmi olyan, amiből következtetni lehetne arra, hogy melyik jelsorhoz milyen jelentés társul.

Még statisztikai módszerekkel ki lehet mutatni, hogy valamelyik szó gyakoribb. Hát de miért? Mert ez valamilyen általánosan gyakori szó (mondjuk névelő)? Vagy mert ez az írás témája? Hát ha a Bibliát találta meg, akkor a gyakori szó mondjuk az „Úr” lesz. Ha egy számtan könyvet, akkor mondjuk az „egyenlő” lesz a gyakori szó. Ha meg egy filozófiai írás, akkor mondjuk az, hogy „Platón”. De mivel nem ismeri a szöveg témáját, nem tud következtetni egy-egy gyakori szó jelentésére, és mivel nem ismeri a gyakori szó jelentését, nem tud következtetni belőle az írás témájára. Ördögi kör. Pont úgy, ahogy a fenti szerepcserés példámban mi sem tudjuk, hogy mi a témája annak az írásnak, aminek gyakori szókapcsolata az, hogy „ʓ Ѭ”.

(És akkor még megengedő voltam, mert feltételeztem, hogy az idegennek van egyáltalán a miénkre hasonlító nyelve. Ha nincs, akkor úgy fog a szövegfájlokra nézni, mint kutya a Braille-írásra. Miért is kellene jelentést keresni egy szép pöttyös sormintában?)

Dekódolni csak azt az információt lehet, amit a dekódolandó adat amúgy tartalmaz. Az írás, így a szövegfájlok esetén a jelsor–jelentés kapcsolatok nem a merevlemezen vannak, hanem az emberek fejében.

2*Sü hozzászólása érdekes, és hasznos. Csak egy kicsit pesszimista, nem hisz abban, hogy egy idegen megfejtheti. De fetételezhetjük, hogy más értelmes lényeket is ugyanaz a kíváncsiság hajt, mint minket, és nem nyugszik bele, hogy valamit ne tudna megcsinálni. Ezért további adatokat gyűjt. Ez a kíváncsiság hajtja a tudományt is, és mi mindent elértünk néhány ezer év alatt!

Egy szövegban véges sok fajta karakter van. Az angol ABC-ben 26 betű plusz a számok és néhány írásjel. Egy nagyobb mennyiségű szövegből viszonylag könnyen megállapítható, hogy hány írásjelet használ a szöveg írója. Statisztikai alapon a karakterek számát analizálva megtalálhatja a space, pont, kérdőjel és egyéb elválasztójelek szerepét. Azaz szavakra tudja bontani. De ez még kevés, ebből még a szavakat nem tudja megérteni. De egy idegentől, aki meg akar minket érteni, feltételezhatő, hogy további adatokat gyűjt. Még több winchestert beszerez, könyveket és egyéb szövegeket tartalmazó anyagokat tanulmányoz. (Ha elég nagy a szóbanforgó winchester, akkor nem is biztos, hogy kell további adat). Esetleg lehallgat minket, szerencsés esetben képeket, filmeket gyűjt. Ha ilyen módon kellő mennyiségű információ áll a rendelkezésére, már megértheti a szóbanforgó, vagy bármely másik winchester tartalmát. Ha ő nem is beszél, ír, másképpen kommunikál, de információt meg fogja találni a winchesteren és megpróbálja elemezni.

A képekkel, hangokkal, zenékkel kicsit könnyebb a helyzet. A képnél, hangnál, filmnél elég könnyen megállapítható a képméret, az ismétlődés üteme. Csak próbálkoznia kell pöttyöket, hangokat hozzárendelni a megállapított sor és oszlop méretben, ritmusban az adatokhoz. Ez időigényes, de ha elég gyors eszközei vannak, elfogadható időn belül sikerül. Véges sok adatból véges idő alatt elő lehet állítani az összes lehetséges képet. Ezek után csak intelligencia kérdése a képek közül kiválasztani a legvalószínűbb értelmes képet. A zenét elő tudja állítani. De lehet, hogy nem ismeri fel, mert számára nem biztos, hogy ugyanolyan a kellemes élmény, mint nekünk. De elfogadja, hogy mi ilyenek vagyunk. Mi is tudomásul vesszük például, hogy a ganajtúró bogár lárvái sz.rt esznek, de nekünk ez nem lenne kelemes, és nem is foglalkozunk vele, mert nincs a dologban olyan hasznos élmény, információ, ami számunkra fontos lenne.

"Csak egy kicsit pesszimista, nem hisz abban, hogy egy idegen megfejtheti."

Fogalmad sincs miről beszélsz! Hiába fejlettebb faj vagyunk, a kutatóknak is csak halvány fogalma van arról, hogy mit kommunikálnak a méhek, vagy a kutyák. A fejlődés csúcsának hisszük magunkat, beképzeltek vagyunk, de az antropomorf világszemléletünk miatt fingunk nincs az alattunk lévő élőlények többségéről. Ha feltúrod az internetet, azt sem tudjuk, hogy a vakondok hány hónapig vemhes, mekkora méretű kicsinyeket szül, és azok milyen idős korukra válnak ivaréretté. Nemhogy azt, hogy hogyan kommunikálnak.

Az, hogy téged hajt egy megismerési vágy, hogy mi lehet egy adott merevlemezen, teljesen antropomorf szemléletmód, hogy egy idegen is erre hajt ezerrel. Mint ahogy te is leszarod, hogy a hangya hírvivő katona milyen illatjelekkel figyelmezteti a társait. Észre sem veszed. Nem is érzékeled...

[De szerinted az idegenek igenis megfejtik a merevlemezen lévő adatokat, és 2*Sü a pesszimista. Felhomályosítalak: ő a realista. A képzelt idegenekkel kapcsolatban. Mert csak vélelem a létezésük...]

> Statisztikai alapon a karakterek számát analizálva megtalálhatja a space, pont, kérdőjel és egyéb elválasztójelek szerepét.

Már ha az ő írásbeli kommunikációjukban szerepel ilyen. Ha csak a hieroglif írást ismerik, akkor értelmezni sem tudják ezek funkcióit.

> De egy idegentől, aki meg akar minket érteni, feltételezhatő, hogy további adatokat gyűjt.

Az más tészta, itt a kérdés az, hogy pusztán a merevlemez birtokában vissza tudja-e fejteni annak tartalmát, pontosabban a tartalom jelentését.

> Még több winchestert beszerez, könyveket és egyéb szövegeket tartalmazó anyagokat tanulmányoz.

Ilyen szempontból mondjuk feliratos filmmel menne a legtöbbre (feltéve ha tudja, hogy az és tudja hogyan kell a képet és a szöveget kinyerni), hiszen ott van szöveg és a szöveg valószínű összefügg a képen látottakkal.

Illetve ha tudja, hogy milyen környezetből gyűjt szöveget, akkor valamennyire a kontextust is érteni fogja. Pl. termékeken szereplő szövegek szintén összefüggnek a termékkel magával, a termék funkciójára meg jobban rá fog tudni érezni.

De ez kissé offtopic, a kérdés az, hogy pusztán a merevlemezt birtokolva a merevlemezen található jelekből tudja-e a jelentést reprodukálni.

> A képekkel, hangokkal, zenékkel kicsit könnyebb a helyzet. A képnél, hangnál, filmnél elég könnyen megállapítható a képméret, az ismétlődés üteme.

Ahogy írtam, tömörítetlen, a legegyszerűbb adatstruktúrában tárolt kép, hang, videó esetén (pl. bmp, wav, illetve raw videó, ami tulajdonképpen bmp fájlok egymásutánija lenne, ha létezne ilyen formátum) rá lehet jönni, hogy azok képet, hangot, videót tartalmaznak, kép vagy videó esetén rá lehet jönni a felbontásra és úgy rekonstruálható bizonyos mértékig a kép.

De mivel ezek nagyobb adatmennyiséget jelentenek és pont az ismétlődő mintázat miatt jól tömöríthetőek, így jellemzően valamilyen tömörítési eljárással tároljuk ezeket. Képek esetén pl. jpeg, png, gif; hangok esetén mp3, ogg; aac; videók esetén meg milliónyi tömörítési mód van, pl. mpeg, x264, RealVideo, ami meg számtalan struktúrában tárolódhat, pl.: avi, mp4, stb…

Minél több a redundancia (ismétlődés, minta), annál inkább tovább tömöríthető valami, így annál rosszabb hatékonyságú a tömörítés. Mi szeretjük a nagy hatékonyságú tömörítést, egy jpeg fájl bájtjaiban nem nagyon fogsz találni olyan mintázatot, ami alapján rájöhetnél, hogy ez képet tartalmaz, ha valahogy rá is jössz, akkor sem fogsz rájönni, hogy mi a dekódolás módja. Pontosabban lehet, hogy szinte bármit vissza lehet dekódolni belőle.

Ha csak jpeg formátumot nézzük, akkor eléggé bonyolult, összetett módon tárolja a képet. Lásd: [link]

Ebben van egy csomó olyan elem, ami az emberi látás sajátosságából fakad. Pl. az, hogy YPbPr színtérből indulunk ki, hogy a aztán a „kékség” és a „vörösség” fele akkora felbontásban tárolható, az az emberi látás sajátosságából fakad, a szemünkben az életlátás területén több receptor érzékeli a fényerőt, mint a színt. Az, hogy a koszinusztranszformáció jó közelítést ad, az részben emberi sajátosságból fakad, de talán általánosabb törvénye a látásnak. Hogy a kvantálási mátrix hogyan súlyoz, az megint az emberi szem sajátosságából fakad.

Ha egy jpeg fájlt „körbenyírok”, leveszem róla a fejléc információkat – mint pl. a képméretet, a jpeg fájltípus beazonosítására szolgáló "JFIF" karaktersort, a metaadatokat és hasonlókat –, és csak a nyers képi adatokat mentem ki, abból még az sem fog rájönni, hogy ezek az adatok képet rejtenek, aki amúgy már tanulmányozgatta a jpeg fájlformátumot és rendelkezésre áll minden fájlformátum dokumentációja. Maximum ráhibázással esetleg, ha felugrik ötletként, hogy „hátha ez egy fejléc nélküli jpeg?”. De még úgy sem triviális visszafejteni a képi információt.

Az a gond, hogy pl. sokféle módon lehet adatot tömöríteni. Főleg ha számba vesszük a tömörítendő adatok sajátosságait, pl. kép esetén azt, ami a képekre jellemző (gyakran egymással szomszédos pixelek között árnyalatnyi a különbség). Ha ilyenből többet is használunk az adatok „kódolására”, akkor ha egyre rá is hibázunk, amit kapunk, az még mindig nem rendelkezik azokkal a sajátosságokkal, amik az eredeti adatra jellemzőek.

Süsü

Elég alapos okfejtést írtál a kódolásokról. Felsoroltál sok nehézséget. De elfeledkezel arról az általános érvényű tételről:

"Véges sok karakterből álló adatsor bármilyen véges lépésszámú kódolás mellet megfejthető véges idő alatt". Ezért nem az a kérdés, hogy megfejthető-e, hanem az, hogy érdemes-e megfejteni. A megfejtési idő lehet olyan hosszú, hogy mire elkészülne, idejét múlt lesz az eredmény. (Ezért képesek milliárdokat fizetni az ebben érdekelt cégek hogy az internet ne legyen annyira jól titkosítva, amit csak évek, évtizedek alatt tudnának megfejteni a mai technika mellett.)

Lehet akár olyan hosszú is a megfejtési idő, ami összemérhető a világegyetem élettartamával. Ez emberi szemszögből azt jelenti, hogy nem dekódolható számunkra. De nem jelenti azt, hogy a fenti tétel hibás.

> "Véges sok karakterből álló adatsor bármilyen véges lépésszámú kódolás mellet megfejthető véges idő alatt"

Egyrészt a kódolási algoritmusnak lehetnek olyan beépített vagy rejtett paraméterei, amik miatt nagyon sok kódolási módról beszélünk. Nézzük pl. a jpeg kódolás különböző rejtett paramétereit. Pl. a dolog úgy kezdődik, hogy 8*8 pixeles blokkokra bontjuk a képet. De mi van, ha a kép szélessége és/vagy magassága nem osztható 8-cal? Ekkor eleve négyféle megközelítés lehet: a bal felső, a jobb felső, a bal alsó vagy a jobb alsó sarokból indulva kezdjük a blokkok képzését. Mi a bal felső sarokban kezdjük, mert egy latin vagy ciril betűs írásnál történetileg úgy alakult, hogy az írás balról jobbra, felülről lefele halad, és a jpeg kidolgozói ilyen írást használva ezt találták kézenfekvőnek. Holott a dolog eléggé esetleges.

Ugyanilyen esetleges, hogy a koszinusztranszformáció is a bal felső saroktól kezdve indexel, hogy cikk-cakk bejárás jobbra és nem lefele indul, hogy a futamhossz kódolásnál előbb áll a darabszám és utána az információ (02 08 = 2 darab 8-as és nem a 2-esből 8 darab). Ugyanígy az írásrendszerünkből vett sajátosság miatt a blokkok a felső sortól az alsó sorig, soron belül a bal oldali blokktól a jobb oldali blokkig vannak felsorolva és az így kapott adatok lesznek átküldve a Huffman-kódoláson.

Oké, ezen rejtett paraméterek részben ugyanabból fakadnak, de teljesen ugyanannak a kódolási algoritmusnak rögtön minimum 16 vagy 32 különböző altípusát adják meg. Ez egy olyan paraméter, amit a dekódoló algoritmus magában hord, de maga a kódolt adat nem.

~ ~ ~

De nem is ez a probléma. Bár így is vannak gondok, mert ha van 1000 féle kódolási módszer, és a beépített vagy rejtett paraméterek miatt ez milliónyi külön kipróbálandó dekódolást igényelnek, úgy 3 lépésszám után már 10¹⁸ dekódolást kell lefuttatni. Ha másodpercenként 1000-et sikerül lefuttatni *és* kielemezni azt, amit kaptunk az lehet-e az eredeti információ, akkor ez a véges idő évmilliókra rúghat.

~ ~ ~

A fő probléma az az, hogy egyáltalán lehet-e tudni, hogy az adott megfejtés helyes-e vagy sem. Mondok egy végtelenül leegyszerűsített példát:

Van egy háromjegyű számom. Ezt fogom titkosítani. A titkosításhoz egy szintén háromjegyű számot használok. Összeadom a számot a jelszóként használt számmal és ennek az utolsó három számjegye lesz a kódolt adat. Pl.:

eredeti = 314

jelszó = 918

titkosított = 232

Hiszen 314 + 918 = 1232, aminek az utolsó három számjegye 232

A dekódolás a jelszó ismeretében egyszerű. Ha a titkosított adat nagyobb a jelszónál, akkor adjunk hozzá ezret:

232 > 918, ezért 1232-vel fogunk dolgozni.

Ebből vonjuk ki a jelszót:

1232 - 918 = 314

Ez egy roppant primitív, nagyon sok szempontból pocsék, de jól érthető és a mondanivaló szempontjából ideális kódolási eljárás.

~ ~ ~

Oké, van egy másik háromjegyű számom, amit egy másik háromjegyű jelszóval titkosítok. A titkosított szám: 527.

Ha tudod is, hogy hogyan van ez kódolva, a jelszót nem ismered. Ugyan kipróbálhatod mind az ezer lehetséges jelszót, de nem fogod tudni, hogy a dekódolt információ tényleg az eredeti-e, helyes-e ez a megfejtés. Még ha van is valami sejtésed, elvárásod az eredeti számmal kapcsolatban, mondjuk valamilyen ok miatt egy kerek számot vársz, akkor sem tudod, hogy a 027 jelszóval kapott 500 a helyes megfejtés, a 327 jelszóval kapott 200 vagy a 727 jelszóval kapott 800.

Nem az a kérdés, hogy véges számú lépésben elvégezhető-e dekódolás, hanem hogy ellenőrizhető-e az, hogy a dekódolás helyes. Egy sok paraméteres, de egyszerű képkódolási algoritmus esetén lehet, hogy sokféle kép rekonstruálható ugyanabból az adatsorból.

~ ~ ~

Vagy ott van pl. az egyik legegyszerűbb helyettesítő rejtjelezés. A dolog nagyon egyszerű ugye, egy karakter helyett egy másik karaktert használunk. Pl.:

A → M

B → L

C → S

D → B

stb…

Ha csak az angol ábécé betűivel számolunk 26! ≈ 4*10²⁶ különböző dekódolása van egy ilyen rejtjelezett szövegnek. De nem ez a gond. A gond az, hogy egy nyolcbetűs szónak mindegyik nyolcbetűs szó lehetne elvileg megfejtése. Kellően erős volt ez is egy ideig ahhoz, hogy meg se kíséreljük dekódolni. Ha most a betűket számokkal reprezentáljuk, akkor ez az egész titkosítás ekvivalens azzal a kérdéssel, hogy milyen sorrendben vannak a betűk az ábécében.

Persze idővel rájöttek arra, hogy gyakoriságelemzéssel hosszú szöveg esetén viszonylag könnyű feltörni ezt is. Ha a szöveg eredetije angol nyelvű és a titkosított szövegben a leggyakoribb betű mondjuk az „H” betű, akkor sejthető, hogy a „H” az „E” betűt helyettesíti, lévén az angol nyelvben az „e” a leggyakoribb. Oké, de ezt a trükköt akkor lehet eljátszani, ha ismered a nyelvet és annak azt a jellegzetességét hogy az „e” betű a leggyakoribb. Ha nem ismered a nyelvet és annak sajátosságait, akkor semmiféle támpontod nincs a dekódoláshoz, és minden dekódolt szó potenciálisan helyes megfejtés.

Lehet, hogy egy képtömörítési eljárás célja nem a titkosítás, nincs is szándékoltan ilyen benne, de a lehetséges kódolások sokasága és azok szándékos vagy rejtett paramétereinek sokasága miatt ismeretlenül annak fog hatni egy idegen számára.

~ ~ ~

Ha az idegen kap egy jpeg fájlt, amiről nem tudja, hogy kép, nem tudja, hogy mihez kötődik, akkor bajban van. Lehet, hogy a kipróbált sokmilliónyi kódolási lehetőségből egy csomó mutat természetes mintázatot. Lehet tud belőle rekonstruálni egy hangfelvételt, ami bár furcsa, számára értelmezhetetlen, de nem elképzelhetetlen, hogy valamiféle beszéd.

Kerestem egy személetes példát: https://www.youtube.com/watch?v=VclIzvFnuZM

Akár a hangot hallgatod, akár a képet nézed, nem tűnik rajdom zajnak. Lehet, hogy helyes megfejtése ez valaminek? Oké, de minek? Mi lesz az idegen lény következtetése? Az, hogy milyen érdekes alakúak itt a Földön a karfiolok, vagy az, hogy milyen furcsán csicseregnek a madarak? Esetleg azt, hogy milyen furcsa illata van az ibolyának, mert történetesen nekik sokkal jobb a szaglásuk, így egzakt, reprodukálható módon tudnak szagokat is kódolni? Jó, itt fraktálokról van szó, de ha általános képet hasonló módon hanggá konvertálunk, akkor kontextus nélkül mindkettő értelmezés ugyanúgy lehetséges.

Nota bene a hang vizuális megjelenítésére használjuk a spektrogramot. De ha egy képet rajzolunk a spektrogramra, a hang nem zaj lesz. Lásd: https://www.youtube.com/watch?v=ZtlhdfmW5qs . Lehet, hogy hangként furcsa persze, de egy idegennek mi nem az? Annyira azért nem furcsa, hogy ne lehetne eladni kortárs zenének…

~ ~ ~

No de jól elkalandoztam. Röviden: A probléma nem is ott van, hogy véges idő alatt dekódolható-e egy adatsor. A probléma ott van, hogy az eredeti adatok és a kontextusok hiányában nem magától értődő eldönteni, hogy amit dekódolni vélünk belőle, az valóban a helyes megfejtés-e, vagy nem az, csak történetesen hordozza azokat a jellegzetességeket, amit egy helyes megfejtés esetén sejtünk/elvárunk.

SüSü!

Értem én a gondolatmenetedet. Abban egyetértünk, hogy a probléma nem a dekódolás. Véges karakterszám mellett minden lehetőség előállítható, köztük a helyes megoldás is. A szükséges idő nagyon sok is lehet, ezért említettem azt, hogy esetleg kevés lehet hozzá az univerzum élettartama.

Igazad van, hogy az már nem biztos, hogy megértik az idegenek, és ki tudják választani, hogy melyik az igazi a sok megfejtés közül.

De ha az univerzum élettartama végtelen, és a szóbanforgó idegen civilizáció is végtelen ideig fennmarad, akkor biztosan megfejtik.

Nagyon furcsa dolog a végtelen. Végtelen idő alatt bármi megtörténik, (amit a fizika törvényei megengednek). Sőt, végtelenszer megtörténik, akármilyen kicsi is a valószínűsége. Az örök életben ez lenne a legunalmasabb, mindent újra és újra átélni, méghozzá végtelenszer.

Csak egy érdekesség a nagyon nagy számokról. Képzeljetek el egy könyvet, ami 1000 oldalas, és minden oldalon 1000 betű. Az ABC betűi és a számok mellé tegyük még oda a kottákban lévő jeleket, hangjegyeket, meg mindenféle jelet, amire esetleg rájön az emberiség, hogy szüksége van rá. Legyen ez is 1000 féle. Összesen ezer az ezer az ezrediken könyvet lehetne írni. ezekben a kötetekben a sok értelmetlen szöveg mellett benne lenne az összes megírt vers, regény, zene. De benne lenne minden a jövőben megírható mű is. Ez igen óriási számú kötet, alig elképzelhető mennyiségű. Ha minden kötet atomnyi méretű lenne, akkor is csak egy igen-igen kis része férne el az ismert világegyetemben. Sőt, ha minden milliomod másodpercben kicserélődne a világegyetemnyi könyv újabbakra, az ősrobbanás óta eltelt idő alatt is csak egy jelentéktelenül kis része lenne az összesnek.

És ehhez képest próbáljátok meg megérteni a végtelent!

Süsü

Te abból indulsz ki, hogy egy idegen csak azzal az információval rendelkezik a Füldről, amit a merev lemez tartalmaz.

Ha már eljutott a Földre, feltételezhetjük, hogy az emberiségnél sokkal értelmesebb lényekről van szó.

Bőven rendelkezhetnek már földi információkról.

Nekik valamiért szükségük van pont arra a merev lemezre.

Kb. annyi gondot okozna, mint egy jó földi informatikusnak, vagy még annyit sem.