然而，不久之后，CAPTCHA有可能無法阻止黑客入侵。

 

　　加利福尼亞的一家人工智能公司Vicarious（由亞馬遜創(chuàng)始人Jeffrey P. Bezos和Facebook的Mark Zuckerberg資助）的研究人員剛剛發(fā)表了一篇文章，記錄了他們?nèi)绾卫眯碌娜斯ぶ悄芗夹g(shù)擊敗CAPTCHA。 如今，最先進(jìn)的AI系統(tǒng)使用的神經(jīng)網(wǎng)絡(luò)，分析過大量數(shù)據(jù)甚至數(shù)百萬個案例。研究人員表示，他們的AI系統(tǒng)只需要五步訓(xùn)練就可以破解Google的reCAPTCHA技術(shù)。 該系統(tǒng)輸入正確字符的幾率達(dá)到了67％，這幾乎是人類準(zhǔn)確率的87％。 在應(yīng)對PayPal和Yahoo的CAPTCHA時，該系統(tǒng)的準(zhǔn)確率超過50％。

 

　　CAPTCHA技術(shù)的突破還跟不上Google DeepMind團(tuán)隊最近的一項創(chuàng)舉。DeepMind構(gòu)建了新型AlphaGo Zero人工智能系統(tǒng)。該系統(tǒng)可以自我訓(xùn)練，不斷從錯誤中總結(jié)經(jīng)驗，很少依賴數(shù)據(jù)。這正是類似于人類的學(xué)習(xí)方式。

 

　　Go游戲和破譯CAPTCHA都是狹義AI的典型例子，它與科幻小說中的人工智能（AGI）不同。 還記得“星球大戰(zhàn)”的R2-D2，“Ex Machina”中的Ava和“Her？”中的Samantha嗎？他們有著過人的本領(lǐng)，還能自我習(xí)得所需技能。

 

　　狹義的AI技術(shù)系統(tǒng)只能執(zhí)行一種特定類型的任務(wù)。例如，如果你讓AlphaGo Zero學(xué)習(xí)玩大富翁，它做不到，即使這個游戲比Go更簡單。

 

　　迄今為止，即使是狹義AI系統(tǒng)也難以建立和完善。因為AI系統(tǒng)是模擬人類大腦建立的，而大腦神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元層會根據(jù)所觀察到的內(nèi)容來調(diào)整連接。為了完成非?；镜娜蝿?wù)，例如識別圖像是貓還是狗，系統(tǒng)需要開發(fā)一個模型來詳細(xì)分析任務(wù)內(nèi)容、大量的數(shù)據(jù)和兩種不同的例子。之后，再拿這些例子訓(xùn)練AI系統(tǒng)。簡而言之，首先你告訴AI系統(tǒng)需要學(xué)習(xí)什么，然后你給它的數(shù)據(jù)越多，它的結(jié)果就越準(zhǔn)確。

 

　　Vicarious和Google的訓(xùn)練方法完全不同； 盡管涉及領(lǐng)域有限，但是他們的AI系統(tǒng)可以自我學(xué)習(xí)。 該AI系統(tǒng)能夠預(yù)測自己的訓(xùn)練模式，嘗試不同的排列，直到得到正確的結(jié)果。只有這樣，他們才能夠自學(xué)如何閱讀驗證碼中的字母或玩游戲。

 

　　這使狹義AI和AGI之間的界線越來越模糊。這也意味著能在復(fù)雜環(huán)境中工作的機(jī)器學(xué)習(xí)系統(tǒng)對機(jī)器人領(lǐng)域有重大影響。

 

　　除了視覺識別之外，Vicarious的突破和AlphaGo Zero的成功讓科學(xué)家們不禁思考AI如何從頭開始學(xué)習(xí)。我們離創(chuàng)造出能夠完成不同的任務(wù)AI和機(jī)器人又近進(jìn)了一步，最終科幻小說的AGI將變成現(xiàn)實。

 

　　R2-D2指日可待。