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。