1000 人物

人工智能高效破解網站驗證碼

為了核查登錄用戶是否為真人，世界各地的網站廣泛使用複雜的驗證碼技術。但一項新研究說，人工智能已可高效破解驗證碼，比如識別出變形的文字等。

美國凡思智能公司研究人員26日在美國《科學》雜誌上發表論文，提出了一個用於物體識別的計算機視覺模型——遞歸皮層網絡，其核心是模擬人腦基於形狀對物體進行辨別的機製開發出一種新型算法，讓計算機同樣能夠基於形狀來識別物體。

《科學》雜誌的介紹說，這代表人工智能研究取得了“關鍵性進展”。

論文作者之一、凡思智能商業化總監樓興華告訴新華社記者，傳統的深度學習算法需要非常龐大的數據作支撐，而遞歸皮層網絡強調在模型建構中引入高效的先驗知識，所以隻需要很少量數據就可以達到類似甚至更好的識別效果。

他說：“如果用人腦的工作方式來打比方，深度學習的工作邏輯更接近於機械的記憶和經驗，而遞歸皮層網絡技術還包括了更智能的推理和演繹。”

具體而言，在實際應用中，隻需要提供給遞歸皮層網絡描述物體形狀的訓練圖片，計算機就能成功將目標物體從複雜背景中分離。實驗顯示，遞歸皮層網絡可以有效識別真實場景中的文字，並具有較好的通用性，即一個模型有效破解不同變體的驗證碼，比如變形的文字和複雜背景中的驗證碼。

樓興華說，遞歸皮層網絡對數據的利用效率是一些深度學習算法的300倍，超過以往很多優秀的驗證碼破解算法，而且通用性強，是人工智能領域繼目前流行的深度學習算法之後的最新學術成果。

“我們在研發過程中把破解驗證碼問題作為一個具體的應用場景。但這不是該算法的主要應用，更不是該算法的建構初衷，”他說，“該算法對於工業流水線自動化、智能化有廣泛的應用前景。如我們可以通過較少量數據模擬適應不同的工業應用場景，大大提升工業機器人的智能水平和生產效率。”

最後更新：2017-10-27 11:18:34