साथ मनुष्य के जीवन के हर क्षेत्र में तेजी से स्वचालित होते हैं, हम सख्त हालांकि AlphaGo आत्म नियंत्रण खेल करने में सक्षम रोबोट की तरह एक राष्ट्रीय की तलाश और कृत्रिम बुद्धि मतभेद, लेकिन कम से कम वे कभी एक किताब लिखने, प्यार करना, नागरिक, या दृश्यों की प्राकृतिक सुंदरता, अधिकार का आनंद?
तुम गलत सोचा, इन वे इसे किया है।
मैं आपको बता सकता है, ऐ एक उपकरण व्यापक रूप से लोगों द्वारा इस्तेमाल फटा: सत्यापन कोड, मनुष्य और रोबोट भेद करने के लिए इस्तेमाल किया उपकरण।
सत्यापन कोड, कष्टप्रद पहेली पाठ विकृत चित्र में भरने, या तस्वीर पर क्लिक करें करने के लिए सभी कारों की आवश्यकता हो सकती है हाल ही साइंस पत्रिका में प्रकाशित एक अध्ययन के अनुसार, एक नया ऐ 66.6% तक हो सकता है कोड के कुछ प्रकार के लिए निर्णय सटीकता। तुलना के रूप में, 87% मानव की सटीकता दर, और 1% मशीन के रूप में लंबे समय के सही होने के रूप में, फटा कोड वाला माना जाता है प्राप्त किया जा सकता।
कैप्चा, पूरी तरह से कंप्यूटर और मानव ट्यूरिंग टेस्ट को स्वचालित रूप से योग्यता से हासिल कर लेता है, जिसे 1 99 0 के दशक के अंत में धोखाधड़ी और स्पैम रोबोटों को रोकने के लिए आविष्कार किया गया था। मूल विचार यह था कि मानव आसानी से टूट गया कंप्यूटर जो मुश्किल था समस्या को क्रैक करें
कंप्यूटर्स गणना करने में अच्छा है, सादा पाठ पढ़ना मुश्किल नहीं है, और गति में ऑब्जेक्ट को पहचानने की क्षमता और अभी भी तस्वीरें मजबूत और मजबूत हो रही हैं, लेकिन जब ये छवियां थोड़ा विकृत हो जाती हैं, तो कंप्यूटर अनंत लूप में पड़ जाता है क्योंकि हम कंप्यूटर को प्रशिक्षित कर सकते हैं सभी फोंट में 'एम' को पहचानें, लेकिन इन्हें असंख्य तरीकों से विकृत किया जा सकता है, और कंप्यूटर को संक्षेप करने की क्षमता नहीं है।
जानने के लिए और मामले के एक छोटे से हिस्से से सामान्यीकरण करने की क्षमता हमारे दिमाग और कंप्यूटर में मतभेद से एक है, यह क्षमता आसानी से सत्यापन कोड को हल करने के लिए सक्षम बनाता है है। साइंस पत्रिका है कि, बेजोस और मार्क ज़ुकेरबर्ग में बताया गया है वित्त पोषित कंपनी विकैरियस ऐ शोधकर्ताओं ने एक संभाव्य मशीन दृष्टि एल्गोरिदम कि समझा जाता है और कोड परीक्षण मान्य है क्योंकि यह कुछ छोटे उदाहरणों से सामान्यीकरण कर सकते हैं किया जा सकता है विकसित किया है।
अन्य शोधकर्ताओं कोड दरार गहरी सीखने एल्गोरिथ्म को प्रशिक्षित किया है, लेकिन इन एल्गोरिदम आमतौर पर प्रशिक्षण एल्गोरिथ्म के निशान मामले के लाखों लोगों की आवश्यकता होती है, और विकैरियस ऐ पाठ की एक किस्म दरार सकता है, जबकि केवल एक विशेष शैली हल कर सकते हैं शैली कोड, और अधिक कुशल।
संदर्भ अंतर्दृष्टि 'प्रयोगात्मक डेटा तंत्रिका विज्ञान apos, विकैरियस शोधकर्ताओं इस तरह के एक पत्र सतह के रूप में पुनरावर्ती एल्गोरिदम संभाव्य cortical नेटवर्क कहा जाता है, आकार और प्रशिक्षण छवियों (के पाठ की उपस्थिति के आधार पर कोड का एक सेट के रूप में एल्गोरिथ्म प्रस्तावित चिकनाई)।
अन्य तंत्रिका नेटवर्क दृश्य संकेत करने के लिए वास्तविक मानव मस्तिष्क की प्रतिक्रिया को रिकर्सिव कोर्टिकल नेटवर्क और करीब पहचान कर सकते हैं उन प्रशिक्षण नमूने मैन्युअल शब्दों और अक्षरों का Guoshu लाखों लोगों को चिह्नित करें।। RCN पहले वर्णमाला रूपरेखा और कुछ undistorted पत्र उत्पन्न कर रहे हैं उपस्थिति मॉडल तो इसी कोड है, जिसमें पत्र वाक्यांश के मोड़ निर्धारित करने के लिए प्रयोग किया जाता है।
जैसा कि शोधकर्ताओं ने लेख में लिखा है, अगर मशीन 1% से अधिक सटीकता के साथ इस समस्या को हल कर सकती है, तो सत्यापन कोड टूट जाता है विकर्सिय एल्गोरिदम विभिन्न सत्यापन कोड शैली प्रदान करता है, और दरार में रीकैपटा के लिए 66.6% की उच्च सफलता दर, बीओटीएक्टएक्ट के लिए 64.4%, याहू सत्यापन कोड के लिए 57.4% और पेपैल सत्यापन कोड के लिए 57.1% की आवश्यकता होती है, जिनमें से सभी केवल ' बहुत कम प्रशिक्षण डेटा। "उदाहरण के लिए, रीकैपटा के लिए, एल्गोरिथ्म प्रति चरित्र केवल पांच गैर-विकृत मामलों को प्रशिक्षित करता है।
अन्य पूर्व कला तंत्रिका नेटवर्क प्रशिक्षण सेट की आवश्यकता होगी की तुलना में वास्तविक कोड स्ट्रिंग पांच बार नहीं बल्कि सिर्फ चरित्र स्पष्ट की तुलना में है। के रूप में एक बेंचमार्क, शोधकर्ताओं ने 89.9% सटीकता दर प्राप्त करने के लिए एक अलग तंत्रिका नेटवर्क मॉडल का इस्तेमाल किया लेकिन यह आदेश प्रशिक्षण छवि प्राप्त करने के लिए 23 लाख की जरूरत है, और जब एक सत्यापन कोड छोटे बदलाव करने, सटीकता बहुत हो जाएगा की कमी हुई।
मुख्य सुधार है कि नई एल्गोरिथ्म, विकैरियस शोधकर्ताओं ने एक तंत्रिका नेटवर्क बनाने के लिए है, तंत्रिका नेटवर्क मॉडल एक पत्र बनाने के लिए इस्तेमाल किया जा सकता है आकार और स्वरूप के अनुसार कोड 'समझा', उदाहरणों के लाखों लोगों द्वारा तंत्रिका कोड को प्रशिक्षित करने के बजाय नेटवर्क कोड विशेष प्रकार की व्याख्या करने के।
शोधकर्ताओं तंत्रिका नेटवर्क की एक किस्म को हल करने के लिए आपको सत्यापन कोड बनाया है, जिसका अर्थ है कि मनुष्य एक अधिक शक्तिशाली रोबोट प्रशिक्षण तंत्र के लिए तलाश शुरू करना होगा। गूगल का बीड़ा उठाया है एक समाधान ऑडियो reCAPTCHA, पाठ कोड के रूप में ही है, लेकिन आवाज से हाल ही में मा Lilan विश्वविद्यालय में कंप्यूटर वैज्ञानिकों की एक टीम unCaptcha, एक नि: शुल्क एल्गोरिथ्म reCAPTCHA सेकंड के एक मामले में हल किया जा सकता, 85% से अधिक की सटीकता दर बनाया।
हालांकि निकट भविष्य में रक्षा की सत्यापन कोड पहली पंक्ति अभी भी इंटरनेट के रूप में इस्तेमाल किया जा सकता है, लेकिन यह गारंटी नहीं दे सकता कि साइट के दर्शकों को एक सौ प्रतिशत वास्तविक है। इसके तुरंत बाद, हम ब्लेड रनर 'क्विज मानवता' में इस्तेमाल कर सकते हैं वेबसाइट पर जाने के लिए ।