你應該有過這種經歷：登錄某個網站時，
手速稍微快點，
網站就會彈出一個視窗，
讓你輸入一些東西，
或者點擊人機身份驗證，
以證明你是個人類。
這種測試名叫“CAPTCHA”， 全稱是Completely Automated Public Turing Test to Tell Computers and Humans Apart (全自動區分電腦和人類的圖靈測試)。 CAPTCHA測試可以把電腦和人類區分開來， 以保護網站不受機器攻擊， 是現代網路安全的必要組成部分， 已使用了20多年。
然而現在， 機器學習有可能要撼動CAPTCHA測試在網路安全中的霸主地位了。
人工智慧公司Vicarious開發了一種新型生成式組成模型， 稱為Recursive Cortical Network（RCN）， 並將神經科學的一些見解引入生成式組成模型框架中，
那麼， RCN的成績如何呢？
Vicarious公司發表在《科學》雜誌上的論文表示， RCN在穀歌推出的網路機器人識別工具reCAPTAs上的準確率達到66.6％（字元級準確率可達94.3%）；在CAPTCHA生成器BotDetect上的準確率為64.4％；在Yahoo上是57.4％；在PayPal上是57.1％；均高於CAPTCHA測試曾被證實的1%通過率（關於1%通過率可參考George, D., Lehrach, W.等人今年發表在《科學》雜誌的一篇論文《A generative vision model that trains with high data-efficiency and breaks text-based CAPTCHAs》）。 要知道， 由於CAPTCHA測試的難度， 人類的準確率也只是接近87%。
Vicarious公司的研究人員表示， 雖然RCN使用了很少的訓練示例達到了很高的精度， 但機器學習模型還需要更多地向人類視覺智慧學習。
不過， 該模型的應用範圍仍然很窄， 它無法對其識別的字元進行任何操作， 比如將字元翻譯成其他語言等。
研究人員認為， 該模型是有一定深遠意義的， “從少數例子中學習和擴展的能力是人類智慧的標誌”， “在前往通用人工智慧的道路上可能很重要”。
同時， 研究人員補充道:“網站應該採取更有力的機制來阻止機器入侵。
—完—
想知道AI加教育領域有哪些最新研究成果？
想要AI領域更多的乾貨？
想瞭解更多專家的“智慧觀”？
請在對話介面點擊“找找看”， 去獲取你想要的內容吧。