Avec tous les domaines de la vie humaine sont de plus en plus automatisé, nous cherchons désespérément et les différences d'intelligence artificielle, bien que AlphaGo comme robot capable de jeu auto-contrôle, mais au moins ils écrivent jamais un livre, faire l'amour, un ressortissant citoyen, ou profiter de la beauté naturelle du paysage, non?
Vous pensiez que mal, ce qu'ils ont fait.
Je dois vous dire que l'IA a craqué un outil largement utilisé: le captcha, un outil utilisé pour distinguer les humains des robots.
Les Captchas sont des énigmes agaçantes qui peuvent vous demander de remplir le texte dans une image déformée ou de cliquer sur toutes les voitures de l'image.Selon une étude récente publiée dans le journal scientifique, un nouveau type d'IA peut atteindre 66,6% Taux de précision de certains types de code de vérification.En revanche, le taux de précision humaine de 87%, tandis que la machine aussi longtemps que le taux de précision de 1%, il est considéré comme ayant craqué le code de vérification.
Le CAPTCHA, entièrement qualifié distingue automatiquement les tests de Turing informatiques et humains, a été inventé à la fin des années 1990 pour prévenir les robots de fraude et de spam.L'idée de base était de créer un ordinateur humain facilement fissuré qui était difficile Crack le problème.
Les ordinateurs sont bons à calculer, la lecture de texte clair n'est pas difficile, et la capacité de reconnaître des objets en mouvement et des images fixes devient de plus en plus forte, mais quand ces images sont légèrement déformées, l'ordinateur tombe dans une boucle infinie. Identifiez 'M' dans toutes les polices, mais ces M peuvent être déformés de façon innombrable, et les ordinateurs n'ont pas la capacité de résumer.
La capacité d'apprendre et de généraliser à partir d'une petite partie de l'affaire est l'une des différences dans notre cerveau et les ordinateurs, cette capacité nous permet de résoudre facilement le code de vérification. Comme cela est décrit dans la revue Science qui, Bezos et Mark Zuckerberg entreprise financée par les chercheurs d'Amnesty International ont mis au point Vicarious des algorithmes probabilistes de vision machine qui peut être compris et validé test de code, car il peut généraliser à partir de quelques petits exemples.
D'autres chercheurs ont formé algorithme d'apprentissage profond pour déchiffrer le code, mais ces algorithmes nécessitent généralement des millions de marques cas à l'algorithme de formation, et ne peuvent résoudre un style particulier, alors que Vicarious AI peut se fissurer une variété de texte les codes de style, et plus efficace.
données expérimentales Insights de référence Neuroscience apos, les chercheurs ont proposé Vicarious un algorithme récursif appelé réseau cortical probabiliste, l'algorithme comme un ensemble de codes en fonction de la forme et l'apparence du texte des images de formation (par exemple une surface de lettre Douceur).
D'autres réseaux de neurones peut identifier les échantillons de formation marquer manuellement des millions Guoshu de mots et de lettres. Récursive réseau cortical et plus proche de la vraie réponse du cerveau humain aux signaux visuels. RCN Première esquisse alphabétique et non faussée quelques les lettres sont générées modèle d'apparence est ensuite utilisé pour déterminer la torsion des codes correspondants dans lesquels la phrase lettre.
Comme les chercheurs ont écrit dans l'article, si une machine peut résoudre ce problème avec une précision supérieure à 1%, alors le code de vérification est fissuré algorithme Vicarious fournit une variété de style de code de vérification différents, et dans la fissure Avec un taux de réussite très élevé de 66,6% pour reCAPTCHA, 64,4% pour BotDetect, 57,4% pour le code de vérification Yahoo et 57,1% pour le code de vérification Paypal, qui ne nécessitent que Très peu de données d'entraînement. »Par exemple, pour reCAPTCHA, l'algorithme n'a entraîné que cinq cas non déformés par caractère.
D'autres réseaux neuronaux de l'art antérieur nécessiteront 50 000 fois plus d'ensembles d'apprentissage que les chaînes CAPTCHA réelles, et pas seulement des caractères clairs, en tant que référence, les chercheurs ont utilisé différents modèles de réseaux neuronaux pour atteindre une précision de 89,9%. , Mais il faut 2,3 millions d'images d'entraînement à réaliser, et lorsque le code CAPTCHA est un peu changé, la précision est grandement réduite.
L'amélioration principale est que le nouvel algorithme, les chercheurs Vicarious pour créer un réseau de neurones, le modèle de réseau de neurones peut être utilisé pour créer une lettre « compris » les codes en fonction de la forme et l'apparence plutôt que de former les codes neuronaux par des millions de cas Réseau a craqué un type spécifique de code de vérification.
Les chercheurs ont créé des réseaux neuronaux capables de résoudre une variété de captchas, ce qui signifie que les humains devront commencer à chercher des solutions de formation robotique plus puissantes que Google a créées comme solution aux reCAPTCHA audio, tout comme les captchas de texte, Une équipe d'informaticiens de l'Université du Maryland a récemment créé unCaptcha, un algorithme gratuit qui résout reCAPTCHA en quelques secondes avec un taux de précision de plus de 85%.
Bien que les CAP puissent encore être utilisés comme première ligne de défense pour Internet dans un avenir prévisible, ils ne peuvent garantir que les visiteurs du site sont 100% réels, nous pourrons bientôt utiliser le «test de la nature humaine» de Silver Blade Killer. .