Hanya dalam beberapa menit, sebuah mesin cerdas buatan cerdas memecahkan urutan teks campur aduk yang disebut captchas yang digunakan untuk membedakan pengguna web manusia dari robot yang menyebarkan spam. Begitu banyak untuk itu.
Pembangkitan AI, Vicarious, yang membangun bot captcha-cracking mengatakan bahwa pendekatannya bisa menunjukkan kegunaan kecerdasan buatan manusia yang lebih umum. (Captcha adalah kependekan dari “tes Turing umum yang sepenuhnya otomatis untuk memberi tahu manusia dan komputer terpisah.”)
“Ini jelas merupakan langkah kecil, tapi inilah hal-hal yang perlu Anda pertimbangkan jika Anda ingin pergi ke arah kecerdasan buatan umum,” wakil pendiri Dileep George mengatakan kepada Live Science, mengacu pada kemampuan mesin untuk menggeneralisasi dan belajar dari data yang sangat sedikit.
Teks orak-arik
Karya captchas berbasis teks karena tidak seperti manusia, komputer berjuang untuk mengenali karakter terdistorsi dan sebagian tersembunyi yang membuat mereka bangun. Meskipun sistem pembelajaran mesin yang bisa menyelesaikannya ada, mereka harus dilatih tentang jutaan gambar untuk bekerja, kata George.
Mesin pintar yang dibangun oleh Vikariat, di sisi lain, dapat dilatih dalam hitungan menit dengan hanya menggunakan beberapa ratus karakter contoh, kata periset. Ini bekerja dengan berbagai gaya captcha dan juga dapat diganti untuk mengidentifikasi digit tulisan tangan, mengenali teks dalam foto skenario dunia nyata dan mendeteksi objek non-teks dalam gambar.
Itu karena Viktor merancang sistem untuk meniru cara otak mengidentifikasi objek setelah melihat beberapa contoh saja dan masih mengenali mereka dalam konfigurasi baru yang aneh, kata George.
“Alam menciptakan perancah selama jutaan tahun evolusi,” katanya kepada Live Science. “Kami melihat neuroscience untuk mencari tahu apa itu perancah, dan kami menempatkan struktur ini dalam model kami agar lebih mudah bagi model untuk belajar dengan cepat.”
Vikaris mengumumkan AI yang tertangkap kembali pada tahun 2013, namun tidak mempublikasikan penelitian tersebut dalam sebuah jurnal, yang memimpin kritik untuk meminta makalah yang ditinjau rekan kerja sebelum menerima klaim mereka. Kini, perusahaan tersebut telah merinci apa yang disebut Recursive Cortical Network (RCN) dalam sebuah makalah yang diterbitkan kemarin (26/10) di jurnal Science.
Perusahaan menguji sistem captchas berbasis teks dari penyedia terkemuka reCAPTCHA dan Bot Detect dan yang digunakan oleh Yahoo dan PayPal dengan akurasi mulai dari sekitar 57 persen sampai hampir 67 persen. Itu jauh lebih tinggi dari 1 persen yang dianggap membuat mereka tidak efektif dalam menghentikan bot, menurut penulis penelitian. Periset mengatakan bahwa mengoptimalkan sistem dengan gaya tertentu bisa mendorong akurasi hingga 90 persen.
Kecerdasan buatan yang mudah disesuaikan
Banyak situs web telah beralih dari captcha berbasis teks, menggunakan tes berbasis gambar dan data tentang gerakan mouse atau cookies untuk menganalisis apakah Anda manusia atau mesin. Namun para periset mengatakan bahwa teka-teki ini memberikan tolok ukur yang baik untuk menguji bentuk AI yang lebih mudah beradaptasi. [5 Kegunaan Menarik untuk Kecerdasan Buatan (Bukan Robot Pembunuh)]
Sementara kebanyakan pendekatan pembelajaran mesin hanya memindai keseluruhan gambar yang mencari pola dalam pikselnya, sistem visual manusia disambungkan untuk membuat model benda yang kaya yang membentuk pemandangan, kata George.
Salah satu cara melakukannya adalah dengan memisahkan kontur objek dari sifat permukaannya. Inilah sebabnya mengapa orang cenderung membuat sketsa garis besar bentuk sebelum mewarnainya, dan mengapa manusia dapat dengan mudah membayangkan pisang dengan tekstur stroberi, meski tidak pernah melihatnya, kata George.
Teknik otak manusia ini tidak hanya memberikan pemahaman yang lebih fleksibel tentang seperti apa benda itu; Ini juga berarti Anda tidak perlu melihat setiap kemungkinan kombinasi bentuk dan tekstur untuk mengidentifikasi dengan percaya objek dalam situasi baru, tambahnya.
Dengan menanamkan pendekatan ini ke dalam struktur sistem mereka, di samping mekanisme terinspirasi otak lainnya yang membantu memusatkan perhatian pada objek dan memisahkannya dari latar belakang atau objek yang tumpang tindih, para periset dapat menciptakan AI yang dapat belajar dari contoh yang lebih sedikit dan berkinerja baik. di berbagai tugas.
Brenden Lake, asisten profesor di New York University yang penelitiannya mencakup ilmu pengetahuan kognitif dan data, mengatakan bahwa walaupun telah mengalami kemajuan dalam kecerdasan buatan, mesin memiliki jalan panjang untuk mengejar ketinggalan dengan manusia dengan berbagai ukuran.
“Orang bisa mempelajari konsep baru dari contoh yang jauh lebih sedikit, dan kemudian menggeneralisasi dengan cara yang lebih hebat daripada sistem mesin terbaik,” Lake mengatakan kepada Live Science melalui email. “Ini [makalah Ilmu Pengetahuan] menunjukkan bahwa menggabungkan prinsip-prinsip dari sains kognitif dan ilmu saraf dapat menyebabkan algoritma pembekuan mesin yang lebih manusiawi dan lebih hebat.”
Membangun bias kognitif seperti manusia ke dalam sistem mereka memang memiliki kekurangan, kata George, karena mesin semacam itu akan berjuang dengan tugas visual yang sama yang membuat frustrasi manusia. Misalnya, pelatihan untuk memahami kode QR akan sangat sulit, katanya.
