¿Romper CAPTCHA es realmente un hito para la inteligencia artificial?

No es realmente un hito no. Captcha dentro de sí mismo, y como cualquier sistema antifraude automatizado, tiene limitaciones que pueden superarse regularmente, ya que se trata de un objetivo en movimiento.

Primero dejemos configurar la cosa. El papel de Captcha es emular la prueba de Turing de manera automatizada. Esto rompe una suposición fundamental de la prueba de Turing que requiere que la prueba sea conducida por un humano (o entidad inteligente). Entonces, para hacer la prueba de Turing, necesita un agente inteligente que sea intratable (intente imaginar cuántos humanos se necesitarían para procesar todos los formularios que se llenan en Internet todos los días) o es un enigma para detectar una entrada fraudulenta ( es decir, no un ser humano) necesitaría un programa lo suficientemente inteligente como para pasar su prueba (y, en consecuencia, para resolver su problema, habrá creado exactamente lo que invalidará su solución).

Por lo tanto, la solución a este mecanismo de detección de fraude se simplificó: hagamos una prueba que conozcamos que los identificadores sean fáciles para los humanos, pero que suceda que el algoritmo de vanguardia en este dominio no se complete. Captcha es exactamente esto, te da 2 imágenes con una de ellas que está destinada a no ser reconocida por el mecanismo de reconocimiento de personajes de última generación. El problema es que el “estado del arte” es un objetivo en movimiento. Por lo tanto, cualquier prueba de Captcha se romperá eventualmente con un escenario en el que las únicas imágenes que no pueden ser reconocidas por el estado de la técnica también son cosas que incluso un humano razonable no puede reconocer.

La solución a eso es descubrir un nuevo tipo de prueba que satisfaga los criterios iniciales (es decir, encontrar una tarea que sea simple para los humanos pero muy compleja para los enfoques algorítmicos existentes) y todavía hay mucho, el problema principal es encontrar la que sigue siendo una tarea Un problema menor para los humanos (hay cosas que puedo hacer fácilmente pero realmente no me gusta hacer) y fáciles de reconocer automáticamente como válidas / inválidas.

Para volver a mi paralelo inicial con los sistemas antifraude, señalaré la impresión de dinero y su evolución constante para proteger contra las técnicas de copia que a veces no necesariamente conocen. Esta es una carrera constante contra un objetivo en movimiento.

¿Eso significa que el captcha era malo? No.

¿Eso significa que estamos más cerca de la gran AGI de la que todo el mundo parece hablar? Tal vez, pero es solo un pequeño paso: honestamente, ¿te sientes inteligente cuando completas un captcha?;)

¿Eso significa que el captcha tal como lo conocemos está saliendo? Probablemente no por un tiempo, pero finalmente sí.

Para automatizar la resolución de captcha utilizando un servicio web API, consulte https://www.captchadecoder.com

La demostración LeNet-5 a la que se refiere es una red neuronal convolucional, puede usarla para clasificar un conjunto finito de características. Pero el problema es que, para identificar una nueva característica, necesita crear un detector de características. No está sin supervisión. Si bien la red cortical recursiva del vicario se basa en la neocorteza, gran parte del algo se mantiene en secreto. pero es un sistema de percepción visual.

Es un hito si es generalizable. Cuanto más especializado es, más aburrido.