Fonte: Le Scienze27 ottobre 2017
Per impedire l'accesso a sistemi automatizzati,molti siti web richiedono di digitare una seriedi caratteri deformati, le CAPTCHA, un compitoche mette in gravi difficoltà i bot, cioè programmiinformatici che fanno finta di essere delle persone.Ora però è stato sviluppato un sistemacomputerizzato che riesce agevolmente asuperare la prova(red)
computer scienceSi chiama RCN e ha "bucato" senza grandiproblemi uno dei più diffusi sistemi di sicurezzausati dai siti web per impedire l'accesso ai loroservizi ai "bot", i programmi che simulano diessere persone. L'algoritmo di apprendimentovisivo automatico RCN, acronimo di RecursiveCortical Network, è infatti riuscito a superareil test CAPTCHA (completely automated public Turing test to tell computers and humans apart)in cui all'utente del sito viene chiesto di digitareuna serie di lettere o numeri variamente distortiche appaiono in una finestra.Il sistema CAPTCHA crea una sequenza di lettereo numeri mescolando, anche in uno stesso carattere,milioni di stili grafici differenti. In questo modo ognilettera è composta da una stratificazione di stilidifferenti; inoltre vengono variate anche spaziatura,dimensione e inclinazione delle lettere presenti inuna sequenza.Anche di fronte a un simile assemblamento di stili,gli esseri umani possono riconoscere naturalmentequell'oggetto grafico, pur se fortemente distorto.I computer incontrano invece grandissime difficoltàa identificare i caratteri così trattati.
Schema del riconoscimento della lettera A.(Cortesia Vicarious AI)Finora il test - consideratouna sorta di test di Turing visivo alla rovescia(nel test di Turing è l'essere umano che devecapire se colloquia con un robot o un altroessere umano) - riusciva a essere superatosolo da sofisticati algoritmi di apprendimentoprofondo che però dovevano essere addestraticon milioni di esempi di lettere CAPTCHA.Come è spiegato in
un articolo pubblicato su "Science",un gruppo di ricercatori dell'Università diCambridge è riuscito a creare un sistema che,come il cervello umano, ha la capacità diimparare e generalizzare a partire da un numerorelativamente ridotto di esempi (5000 volte menodei sistemi alternativi).Il risultato è stato raggiunto grazie a un insiemedi accorgimenti mutuati dallo studio delleneuroscienze e dell'architettura del sistemavisivo e cerebrale.In particolare, dall'architettura del sistema visivoumano Dileep George e colleghi hanno ricavatoalcuni principi che, implementati su RCN, fungonoper esso da "conoscenza di sfondo" utile perpoter poi riconoscere input che non ha mai incontrato nella fase di addestramento.In questo modo RCN raggiunge un'accuratezzadi riconoscimento del 94,3 per singole lettere edel 66,6 per cento per una stringa di caratteri.Questi risultati, osservano i ricercatori, sug-geriscono la necessità di tecniche più robusteper l'identificazione degli utenti umani diquelle garantite da CAPTCHA.