的全自动区分计算机和人类的图灵测试,通常被称为验证码,是一个测试之前人们必须通过完成注册,进行在线购买,或应用程序提交。

一个验证码并不是真正有用的就其本身而言,它只是最有效的和有效的方法防止在线算法或垃圾邮件假装人类和破坏。

但是一个研究小组已经成功地发明了一种算法,可以绕过验证码,即使是复杂的。

验证码是什么?

传统验证码由乱七八糟的字母通常散落着时髦的形状,溅的颜色,和其他视觉元素,扭曲和破坏字母和数字的组合。他们的粗糙度有一个目的:让机器人去读,近乎不可能,人类可以理解,虽然略有困难。

的能力裂纹这些验证码,已经成为一个至关重要的转折点,人工智能专家。一些尝试和成功。年前,公司规避Ticketmaster的验证码,购买了大量的音乐会门票。

但这种尝试只是应对发现的弱点在某种类型的验证码,可以很容易地避免一些程序改变,Dileep George说,人工智能启动替代创始人,开发了一个完全新颖的方法。

一个新的模型机器人破解验证码

建立在机器学习和松散的灵感来自神经科学,替代模型更能够破解验证码。作为发表周四,上映,科学杂志,这个新模型解析文本更好的与过去的模型,减少了训练相比,乔治说。

以前的方法的问题是,他们依赖于所谓的深度学习教机器人像人类一样思考。深入学习,一个层的方法训练以特定的方式作出反应,只复制人脑的某些方面功能,根据乔治。深度学习,神经元需要成千上万的图像显示,说,一列火车,才可以开始认识到火车是什么样子。

人类,与此同时,实际上并不需要看到成千上万,甚至数以百计的列车能够识别一个的照片。

“我们发现,有假设大脑使视觉世界的深度学习神经网络没有,”乔治说。

替代的方法是建立内部模型的字母系统暴露。这一过程,称为递归皮质网络或普查,是通过教学系统、Bs等不同的角色,之后,它将尝试建立自己的模型,这些字符应该是什么样子的。结果,当它试图看一个新形象——一个验证码充满困惑的字母,数字,形状,比较与之前见过的,是能够确定,例如,这个不像典型的形状,因为它的阻塞,或隐藏在另一封信。

不仅仅是破解验证码

根据本文,替代模型成功地解决了recaptcha以66.6%的准确率。但这项研究更复杂的目标不仅仅是破解验证码——它是关于教学机器人如何认为更像人类。

“我们在机器人正在做几个任务,”乔治说。“数据效率和推理很重要当机器人处理非结构化环境。”