據(jù)《科學(xué)》(Science)雜志2017年10月報(bào)道，一家名為Vicarious的人工智能公司開(kāi)發(fā)的人工智能算法攻破了被人們廣泛使用的CAPTCHAs驗(yàn)證碼。

CAPTCHAs（Completely Automated Public Turing Test To Tell Computers and Humans Apart，全自動(dòng)區(qū)分計(jì)算機(jī)和人類的圖靈測(cè)試）是目前最常用的一種驗(yàn)證碼，通常由一組混亂的字符、波浪線和其他背景噪聲組成。例如，在你報(bào)名參加一個(gè)時(shí)事通訊或購(gòu)買(mǎi)音樂(lè)會(huì)門(mén)票之前，可能會(huì)被要求輸入這些字符。

科學(xué)家稱，他們已經(jīng)開(kāi)發(fā)出一種計(jì)算機(jī)模型，能從根本上攻破CAPTCHAs驗(yàn)證碼。

有很多種方法可以將字母呈現(xiàn)并混合在一起，人們通常可以很直觀的讀出來(lái)，但對(duì)計(jì)算機(jī)來(lái)說(shuō)卻很難。破解驗(yàn)證碼的能力已經(jīng)成為評(píng)判人工智能研究人員的一個(gè)重要基準(zhǔn)。

許多人嘗試過(guò)并獲得了一些成功。例如，10年前Ticketmaster公司起訴了一家科技公司，因?yàn)閷?duì)方能夠繞過(guò)該公司的驗(yàn)證碼系統(tǒng)大規(guī)模地購(gòu)買(mǎi)音樂(lè)會(huì)門(mén)票。但人工智能公司Vicarious的聯(lián)合創(chuàng)始人迪利普·喬治(Dileep George)說(shuō)道，之前的一些嘗試只是利用了一種特殊的驗(yàn)證碼弱項(xiàng)，而程序的細(xì)微變化就可以很容易地對(duì)它進(jìn)行防御。Vicarious公司在《科學(xué)》雜志上發(fā)表了一項(xiàng)新模型，它通過(guò)較少的訓(xùn)練就可以比以前的模型更有效地解析文本，從而能從根本上打破驗(yàn)證碼的防御系統(tǒng)。

喬治說(shuō)，以前的模型試圖讓機(jī)器能像人類一樣學(xué)習(xí)，這在很大程度上依賴于一種叫做深度學(xué)習(xí)的主流人工智能技術(shù)。“深度學(xué)習(xí)是這樣一種技術(shù)，你有多層神經(jīng)元，然后你訓(xùn)練這些神經(jīng)元按照你的方式做出反應(yīng)。”他說(shuō)。例如，你可以通過(guò)成千上萬(wàn)次地展示字母A和B的示例圖片來(lái)訓(xùn)練一臺(tái)機(jī)器識(shí)別字母A和字母B。即使是這樣，它也很難識(shí)別出字母A與B的重疊，除非它已經(jīng)明確地接受了重疊圖片的訓(xùn)練。“它只復(fù)制了人腦工作的一些方面。當(dāng)然，我們能夠從案例中學(xué)習(xí)。但是人腦不需要把每個(gè)字符看很多次來(lái)重新認(rèn)識(shí)它，例如大腦會(huì)識(shí)別出字母A，即使它更大或是傾斜的。”

喬治的團(tuán)隊(duì)使用了一種被稱為遞歸皮層網(wǎng)絡(luò)（Recursive Cortical Network）的不同方法，他說(shuō)，即使缺乏訓(xùn)練，該方法也能更好地推理出它所看到的東西。“我們發(fā)現(xiàn)，大腦對(duì)視覺(jué)世界做出了一些假設(shè)，而神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）卻沒(méi)有”。以下是他們新方法的工作原理：

在訓(xùn)練階段，新方法建立了它所接觸字母的內(nèi)部模型。因此，如果你向它展示大量的A、B等不同的字符，針對(duì)這些字符應(yīng)該是什么樣的，它將建立起自己的內(nèi)部模型。所以它將顯示：這是字母的輪廓，這是字母的內(nèi)部結(jié)構(gòu)，這是背景，等等。然后，當(dāng)一個(gè)新的圖像出現(xiàn)，它會(huì)試著解釋新圖像，并用它以前見(jiàn)過(guò)的字符來(lái)解釋新圖像的所有像素。所以它會(huì)說(shuō)，A的這部分缺失了是因?yàn)樗贐的后面。

驗(yàn)證碼有很多種。根據(jù)本論文，新方法的模型“解決驗(yàn)證碼相關(guān)問(wèn)題的正確率達(dá)66.6%……，計(jì)算機(jī)檢測(cè)正確率為64.4%，雅虎為57.4%，貝寶（全球最大的在線支付平臺(tái)）則是57.1%。

然而，這項(xiàng)研究的重點(diǎn)實(shí)際上與驗(yàn)證碼無(wú)關(guān)，而是關(guān)于如何制造看上去能像人類一樣推理的機(jī)器人。“我們的長(zhǎng)期目標(biāo)是打造像人腦一樣思維的智力。”喬治說(shuō)，“驗(yàn)證碼對(duì)我們來(lái)說(shuō)只是一個(gè)很自然的測(cè)試，因?yàn)橥ㄟ^(guò)這個(gè)測(cè)試，你可以檢查你的系統(tǒng)是否能像大腦一樣工作。”機(jī)器人需要了解它周圍的世界，能夠用物體和操作物體進(jìn)行推理。這些案例只需要較少的訓(xùn)練樣本，卻能以非常靈活的方式面對(duì)世界，并且都能進(jìn)行推理，所以非常重要；而且這些案例也是我們正在應(yīng)用的領(lǐng)域。

有些人對(duì)機(jī)器人將具備類似人類能力而感到不安，對(duì)此他的回答概括起來(lái)就是：“這將是技術(shù)的發(fā)展。至于計(jì)算機(jī)未來(lái)能夠像人腦一樣工作，我們將不得不視其為理所應(yīng)當(dāng)?shù)内厔?shì)。”

目前還不清楚這項(xiàng)研究對(duì)信息安全的影響有多大。喬治指出，谷歌已經(jīng)從文本驗(yàn)證碼轉(zhuǎn)移到了更高級(jí)的測(cè)試。隨著人工智能變得越來(lái)越智能，證明用戶是人的測(cè)試也將變得更加智能。