Rede neural inspirada no cérebro detona CAPTCHAs Com informações da Science

Rede neural inspirada no cérebro detona CAPTCHAs

Com informações da Science -  01/11/2017

Ilustração do método de funcionamento da Rede Cortical Recursiva (RCR) analisando a letra A. [Imagem: Vicarious AI]

Cérebro artificial

Um novo modelo de inteligência artificial consegue interpretar CAPTCHAs - o sistema baseado no reconhecimento de texto largamente usado por sites para verificar se um usuário é humano - com muito poucos dados de treinamento.

Os CAPTCHAs são feitos para serem indecifráveis por algoritmos de computador, agrupando muitas combinações de letras e números em um milhão de estilos diferentes. Enquanto os seres humanos podem naturalmente reconhecer um objeto, mesmo entre camadas de sobreposição ou estilos, os computadores têm dificuldade em classificar cada letra nessa confusão.

Algoritmos já desenvolvidos para resolver esses enigmas são intensivos em dados, exigindo treinamento em milhões de exemplos de imagens CAPTCHA já resolvidas - a imagem mais sua interpretação - ou regras codificadas sobre como interpretar cada tipo de imagem.

Rede Cortical Recursiva

Dileep George e seus colegas elaboraram um modelo mais eficiente, que eles chamaram de Rede Cortical Recursiva (RCR), que incorpora insights da neurociência para ensinar ao programa como generalizar além do que lhe é ensinado no período de treinamento.

Trabalhando de forma mais parecida com o cérebro humano, o novo modelo tem a capacidade de aprender e generalizar usando relativamente poucos exemplos, especialmente em comparação com os modelos atuais de aprendizado profundo- ele é aproximadamente 300 vezes mais eficiente em termos de dados.

A chave do sucesso da RCR, dizem seus criadores, é que ela está codificada com pressupostos fortes, que são usados para reconhecer entradas que nunca encontrou no treinamento.

Com isso, o algoritmo consegue interpretar textos CAPTCHA, identificar letras e números manuscritos, delinear objetos em camadas complexas e reconhecer texto em fotos de cenários do mundo real.

Em comparação com as abordagens avançadas de aprendizado profundo para a leitura de texto, a RCR tem uma precisão comparável ou maior usando cerca de 5.000 vezes menos imagens de treinamento.

Se, por um lado, isso demonstra um avanço considerável no campo das redes neurais e da inteligência artificial, o feito também demonstra a necessidade da criação urgente de técnicas de controle de spam e verificação de dados mais robustas, que possam ir além do atual sistema CAPTCHA.

Bibliografia:

A generative vision model that trains with high data efficiency and breaks text-based CAPTCHAs
D. George, W. Lehrach, K. Kansky, M. Lázaro-Gredilla, C. Laan, B. Marthi, X. Lou, Z. Meng, Y. Liu, H. Wang, A. Lavin, D. S. Phoenix
Science
Vol.: eaag2612
DOI: 10.1126/science.aag2612