Создана компьютерная модель, способная пройти тест captcha

Американские программисты создали метод, талантливый одурачить один из самых распространенных тестов на диагностику пользователей CAPTCHA. Капча (от англ. CAPTCHA — Completely Automated Public Turing test to tell Computers and Humans Apart) — компьютерный тест, благодаря которому совокупность определяет, есть ли пользователь человеком либо компьютером. Это один из примеров теста Тьюринга.

Главная мысль теста — предложить пользователю такую задачу, которая с легкостью решается человеком, но не выполнима для компьютера.

Создана компьютерная модель, способная пройти тест captcha

Визуализация схемы опознания компьютерной моделью буквы А
© Vicarious AI

Самый популярный вид капчи — буквенные шифры разных стилей с добавлением помех (полупрозрачность, изогнутые знаки). Человеческий мозг способен обобщать и обучаться на маленьком количестве примеров, тогда как ранее созданные компьютерные методы согласно решению капчи для «тренировки» потребовали миллионы примеров, дабы обучиться распознавать шифр.

Компания Vicarious пара лет назад взялась за амбициозную задачу — посредством способов машинного обучения создать программу, талантливую распознавать капчу. Разрабатываемый метод они назвали рекурсивной корковой моделью (Recursive Cortical Network — RCN). Мысль распознавания объекта появилась на стыке нейронаук и лингвистики.

Основной задачей разработчиков было научить компьютер обобщать взятую на протяжении обработки капчи данные и высказывать предположения о входящих данных: какую букву либо знак представили совокупности.

RCN представляет собой иерархическую структуру, которая моделирует объект как комбинацию поверхностей и контуров. Модель «опознает» контур фигуры при, в то время, когда свойства поверхности (цвет) быстро изменяются. Представление о контурах разрешает распознавать объект с совсем различными формами, а иерархическая совокупность разрешает выдвинуть самоё вероятное предположение об объекте.

Наряду с этим метод RCN способен не только взломать капчу, но и идентифицировать рукописные знаки, выявить текст и слоистые структуры на фотографиях. Если сравнивать с современными подходами машинного обучения к распознаванию текста, RCN имеет более высокую точность при применении приблизительно в 5000 раз меньшего количества обучающих образов. Успех разработчиков из Vicarious подталкивает программистов к созданию более надежных способов защиты от проверки и спама пользователей.

Результаты изучения разработчиков размещены в издании Science
Источник: chrdk.ru

Robot beats \


Темы которые будут Вам интересны:

Читайте также: