據《科學》(Science)雜志2017年10月報道，一家名為Vicarious的人工智能公司開發的人工智能算法攻破了被人們廣泛使用的CAPTCHAs驗證碼。

CAPTCHAs（Completely Automated Public Turing Test To Tell Computers and Humans Apart，全自動區分計算機和人類的圖靈測試）是目前最常用的一種驗證碼，通常由一組混亂的字符、波浪線和其他背景噪聲組成。例如，在你報名參加一個時事通訊或購買音樂會門票之前，可能會被要求輸入這些字符。

科學家稱，他們已經開發出一種計算機模型，能從根本上攻破CAPTCHAs驗證碼。

有很多種方法可以將字母呈現并混合在一起，人們通常可以很直觀的讀出來，但對計算機來說卻很難。破解驗證碼的能力已經成為評判人工智能研究人員的一個重要基準。

許多人嘗試過并獲得了一些成功。例如，10年前Ticketmaster公司起訴了一家科技公司，因為對方能夠繞過該公司的驗證碼系統大規模地購買音樂會門票。但人工智能公司Vicarious的聯合創始人迪利普·喬治(Dileep George)說道，之前的一些嘗試只是利用了一種特殊的驗證碼弱項，而程序的細微變化就可以很容易地對它進行防御。Vicarious公司在《科學》雜志上發表了一項新模型，它通過較少的訓練就可以比以前的模型更有效地解析文本，從而能從根本上打破驗證碼的防御系統。

喬治說，以前的模型試圖讓機器能像人類一樣學習，這在很大程度上依賴于一種叫做深度學習的主流人工智能技術。“深度學習是這樣一種技術，你有多層神經元，然后你訓練這些神經元按照你的方式做出反應。”他說。例如，你可以通過成千上萬次地展示字母A和B的示例圖片來訓練一臺機器識別字母A和字母B。即使是這樣，它也很難識別出字母A與B的重疊，除非它已經明確地接受了重疊圖片的訓練。“它只復制了人腦工作的一些方面。當然，我們能夠從案例中學習。但是人腦不需要把每個字符看很多次來重新認識它，例如大腦會識別出字母A，即使它更大或是傾斜的。”

喬治的團隊使用了一種被稱為遞歸皮層網絡（Recursive Cortical Network）的不同方法，他說，即使缺乏訓練，該方法也能更好地推理出它所看到的東西。“我們發現，大腦對視覺世界做出了一些假設，而神經網絡（深度學習）卻沒有”。以下是他們新方法的工作原理：

在訓練階段，新方法建立了它所接觸字母的內部模型。因此，如果你向它展示大量的A、B等不同的字符，針對這些字符應該是什么樣的，它將建立起自己的內部模型。所以它將顯示：這是字母的輪廓，這是字母的內部結構，這是背景，等等。然后，當一個新的圖像出現，它會試著解釋新圖像，并用它以前見過的字符來解釋新圖像的所有像素。所以它會說，A的這部分缺失了是因為它在B的后面。

驗證碼有很多種。根據本論文，新方法的模型“解決驗證碼相關問題的正確率達66.6%……，計算機檢測正確率為64.4%，雅虎為57.4%，貝寶（全球最大的在線支付平臺）則是57.1%。

然而，這項研究的重點實際上與驗證碼無關，而是關于如何制造看上去能像人類一樣推理的機器人。“我們的長期目標是打造像人腦一樣思維的智力。”喬治說，“驗證碼對我們來說只是一個很自然的測試，因為通過這個測試，你可以檢查你的系統是否能像大腦一樣工作。”機器人需要了解它周圍的世界，能夠用物體和操作物體進行推理。這些案例只需要較少的訓練樣本，卻能以非常靈活的方式面對世界，并且都能進行推理，所以非常重要；而且這些案例也是我們正在應用的領域。

有些人對機器人將具備類似人類能力而感到不安，對此他的回答概括起來就是：“這將是技術的發展。至于計算機未來能夠像人腦一樣工作，我們將不得不視其為理所應當的趨勢。”

目前還不清楚這項研究對信息安全的影響有多大。喬治指出，谷歌已經從文本驗證碼轉移到了更高級的測試。隨著人工智能變得越來越智能，證明用戶是人的測試也將變得更加智能。