Ο αλγόριθμος που νίκησε το Captcha.. - Greece-Salonika| Ενημέρωση και Άποψη

NEWSROOM

Post Top Ad

Τρίτη 19 Νοεμβρίου 2013

Ο αλγόριθμος που νίκησε το Captcha..


 «Αν μπορείτε να το διαβάσετε είστε κατά πάσαν πιθανότητα άνθρωπος» γράφει το Captcha της φωτογραφίας. 
Και διαψεύδεται από το νέο λογισμικό...


  • Ενα λογισμικό νίκησε για πρώτη φορά το CAPTCHA, το τεστ που ξεχωρίζει ρομπότ από ανθρώπους!


Είστε άνθρωπος; Οι δικτυακοί τόποι δυσκολεύονται όλο και περισσότερο να σιγουρευτούν γι' αυτό. Ενα σύστημα τεχνητής νοημοσύνης «έσπασε» για πρώτη φορά το πιο διαδεδομένο τεστ που ...


μπορεί να ξεχωρίσει αν ο χρήστης του υπολογιστή είναι άνθρωπος ή «μποτ» (λογισμικό «ρομπότ» που εκτελεί αυτοματοποιημένα έργα). Σύμφωνα μάλιστα με τους σχεδιαστές του το επίτευγμα ξεπερνά τα όρια του απλώς «αξιοπερίεργου». Αποτελεί ένα ακόμη βήμα στον δρόμο για την «ανθρώπινη» τεχνητή νοημοσύνη.
Το να ζητούν από τους χρήστες να διαβάσουν ένα παραμορφωμένο κείμενο αποτελεί έναν διαδεδομένο τρόπο που χρησιμοποιούν οι ιστοσελίδες για να προσδιορίσουν αν ένας χρήστης είναι άνθρωπος ή όχι. Αυτά τα λεγόμενα CAPTCHA - αρκτικόλεξο για το «Completely Automated Public Turing Test to tell Computers and Humans Apart» ή σε ελεύθερη μετάφραση «Πλήρως Αυτοματοποιημένο Τεστ Τιούρινγκ για να Ξεχωρίζουμε Υπολογιστές από Ανθρώπους») μπορεί θεωρητικά να πάρει οποιαδήποτε μορφή, όμως η εκδοχή του κειμένου έχει αποδειχθεί αποτελεσματική για την αντιμετώπιση των σπαμ και των κακόβουλων λογισμικών μποτ.


Αυτό γιατί τα λογισμικά δυσκολεύονται να αποκρυπτογραφήσουν κείμενα όταν τα γράμματα είναι παραμορφωμένα, επικαλύπτουν το ένα το άλλο ή «μπερδεύονται» με τυχαίες γραμμές, κηλίδες και χρώματα. Οι άνθρωποι, από την άλλη πλευρά, μπορούν να αναγνωρίσουν σχεδόν άπειρες παραλλαγές ενός γράμματος από τη στιγμή που θα το έχουν δει μόλις μερικές φορές.


Η Vicarious, μια νεοφυής εταιρεία του Γιούνιον Σίτι στην Καλιφόρνια, ανακοίνωσε πριν από λίγο καιρό ότι ανέπτυξε έναν αλγόριθμο ο οποίος μπορεί να ανιχνεύει οποιοδήποτε CAPTCHA βασίζεται σε κείμενο - ένας στόχος ο οποίος επί μακρόν παρέμενε άπιαστος για τους ερευνητές που ασχολούνται με θέματα ασφαλείας των υπολογιστών. Μπορεί να περάσει το reCAPTCHA της Google, το οποίο θεωρείται το δυσκολότερο τεστ του είδους, 90 στις 100 φορές, όπως λέει ο Ντιλίπ Τζορτζ, συνιδρυτής της εταιρείας. Οι επιδόσεις του είναι μάλιστα ακόμη καλύτερες έναντι των CAPTCHA του Yahoo, του Paypal και του CAPTCHA.com.


Εικονικοί νευρώνες

Ο κ. Τζορτζ λέει ότι το αποτέλεσμα δεν είναι τόσο σημαντικό όσο οι μέθοδοι που χρησιμοποιήθηκαν για να το επιτύχουν και οι οποίες ο ίδιος και ο διευθύνων σύμβουλος της εταιρείας Σκοτ Φίνιξ ελπίζουν ότι θα οδηγήσουν σε μια τεχνητή νοημοσύνη περισσότερο όμοια με την ανθρώπινη. Το πρόγραμμά τους χρησιμοποιεί εικονικούς νευρώνες οι οποίοι συνδέονται σε ένα δίκτυο σχεδιασμένο με βάση τον ανθρώπινο εγκέφαλο. Το δίκτυο ξεκινά με κόμβους οι οποίοι ανιχνεύουν τις εισερχόμενες πληροφορίες από τον πραγματικό κόσμο, όπως το αν ένα συγκεκριμένο πίξελ σε μια εικόνα είναι μαύρο ή άσπρο. Στο επόμενο στρώμα οι κόμβοι «πυροδοτούνται» μόνο αν ανιχνεύσουν μια συγκεκριμένη διάταξη πίξελ. Ενα τρίτο στρώμα πυροδοτείται μόνο αν οι κόμβοι αναγνωρίσουν διατάξεις πίξελ που σχηματίζουν ολοκληρωμένα ή τμηματικά σχήματα. Αυτή η διαδικασία επαναλαμβάνεται από το τρίτο ως το όγδοο στρώμα κόμβων, με τα σήματα να περνούν περίπου μέσα από 8 εκατομμύρια κόμβους. Το δίκτυο τελικά καταλήγει στην καλύτερη υπόθεση σχετικά με το ποια γράμματα περιέχονται στην εικόνα.


Η ισχύς κάθε νευρωνικής σύνδεσης καθορίζεται εκπαιδεύοντας το δίκτυο με «λυμένα» CAPTCHA και βίντεο με γράμματα που κινούνται. Αυτό επιτρέπει στο σύστημα να αναπτύξει τη δική του απεικόνιση, π.χ., για το γράμμα «α», αντί να κάνει αντιπαράθεση μέσα σε μια βάση δεδομένων με πιθανές απεικονίσεις του γράμματος. «Λύνουμε το ζήτημα με έναν γενικό τρόπο, παρόμοιο με τον τρόπο με τον οποίο το λύνουν οι άνθρωποι» λέει ο κ. Τζορτζ.


Και στο βάθος... μπάτλερ!

Ο Γιαν Λε Κουν, ερευνητής στην τεχνητή νοημοσύνη στο Πανεπιστήμιο της Νέας Υόρκης, λέει ότι τα συστήματα που βασίζονται σε νευρωνικά δίκτυα αναπτύσσονται ευρέως. Πιστεύει ότι είναι δύσκολο να πει κάποιος αν το σύστημα της Vicarious αντιπροσωπεύει ένα τεχνολογικό άλμα, επειδή η εταιρεία δεν έχει αποκαλύψει λεπτομέρειες σχετικά με αυτό.


Αν οι ισχυρισμοί της Vicarious ευσταθούν, αυτό θα είναι πολύ σημαντικό, λέει ο Σέλμερ Μπρίνγκγιορντ, ειδικός στην επιστήμη των υπολογιστών στο Πολυτεχνικό Ινστιτούτο Rensselaer στο Τρόι της Νέας Υόρκης. Προσθέτει ότι το «σπάσιμο» των CAPTCHA που βασίζονται σε κείμενο απαιτεί ένα υψηλό επίπεδο κατανόησης του τι είναι τα γράμματα.


Αντί να το βγάλει ως προϊόν στην αγορά η Vicarious θα βάλει το εργαλείο της να περάσει από περισσότερα τεστ Τιούρινγκ. Στόχος της εταιρείας είναι να δει τι γίνεται όταν το λογισμικό θα έχει να αντιμετωπίσει πιο σύνθετες σκηνές ή να καταλάβει πώς θα μπορούσε να προσαρμόσει ένα απλό έργο έτσι ώστε το σύστημα να λειτουργεί και σε άλλες περιπτώσεις, λέει ο κ. Φίνιξ. Ενα τέτοιο είδος τεχνητής νοημοσύνης θα μπορούσε να επιτρέψει την ανάπτυξη μηχανών όπως τα ρομπότ-μπάτλερ, τα οποία θα μπορούν να λειτουργούν μέσα σε πολύπλοκα ανθρώπινα περιβάλλοντα.

«Εστιάζουμε στο να επιλύσουμε τα θεμελιώδη προβλήματα» δηλώνει ο κ. Φίνιξ. «Εργαζόμαστε στην τεχνητή νοημοσύνη και, καθ' οδόν, έτυχε να λύσουμε το CAPTCHA».



ΕΠΟΜΕΝΕΣ ΠΡΟΚΛΗΣΕΙΣ

Οχι μόνο λέξεις
Ενα CAPTCHA δεν συνίσταται απαραίτητα σε κείμενο - μπορεί να είναι οποιοδήποτε αυτοματοποιημένο τεστ που ξεχωρίζει τους ανθρώπους από τα λογισμικά. Η Vicarious του Γιούνιον Σίτι στην Καλιφόρνια έχει αναπτύξει ένα σύστημα το οποίο μπορεί να διαβάσει παραμορφωμένα κείμενα, η εταιρεία όμως τρέφει μεγαλύτερες φιλοδοξίες σχετικά με την τεχνητή νοημοσύνη. Ο επόμενος στόχος είναι οι οφθαλμαπάτες. Ο Ντιλίπ Τζορτζ, ένας από τους συνιδρυτές της εταιρείας, πιστεύει ότι με περισσότερη εκπαίδευση ο αλγόριθμος που έχουν αναπτύξει θα μπορούσε να γίνει καλύτερος σε έργα όπως η αναγνώριση των τρισδιάστατων συμβόλων σε μια εικόνα δύο διαστάσεων.


Υστερα από αυτό μια πρόκληση θα είναι ίσως ο εντοπισμός ενός αντικειμένου μέσα σε μια καθαρή ή σε μια παραμορφωμένη εικόνα. Και ύστερα από αυτό το σύστημα θα πρέπει να μάθει να καταλαβαίνει τι συμβαίνει σε μια εικόνα αντί απλώς να αναγνωρίζει τα αντικείμενα που αυτή περιλαμβάνει.




Του κ.MacGregor Campbell.
Bookmark and Share