以下文字资料是由(历史认知网 www.lishirenzhi.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！
摘要：乔治说，尽管存在能够解决这些问题的机器学习系统，但它们必须被训练成百上千的图像才能工作。研究人员说，只用几百个示例字符就可以在几分钟内完成训练。的替代者在2013年宣布了一个破解人工智能的验证码，但没有在期刊上发表这项研究，导致批评者在接受之前要求发表一篇同行评议的论文他们的要求。根据研究作者的说法，这一比例远高于1%的人认为这会使他们在阻止机器人方面失效。是关于生命科学的原始文章。
在短短几分钟内，一台人工智能机器破解了那些被称为captchas的杂乱无章的文本序列，这些序列用于区分人类网络用户和垃圾邮件传播机器人。就这点而言，
人工智能的初创公司，替代者，建立了captcha破解机器人，说它的 ... 可以指向更普遍的，类似人类的人工智能。（Captcha是“完全自动化的公共图灵测试，用于区分人和计算机。”）
“”“”这绝对是一小步。但是，如果你想朝着通用人工智能的方向发展，这些都是你需要考虑的事情，”代理创始人之一Dileep George告诉《生活科学》，他指的是机器能够从很少的数据中概括和学习。[超级智能机器：7机器人未来]
加扰文本基于文本的CAPTCHA工作，因为与人类不同，计算机难以识别构成它们的扭曲和部分隐藏的字符。乔治说，尽管存在能够解决这些问题的机器学习系统，但它们必须被训练成百上千的图像才能工作。“KDSPE”“KDSPs”“KDSPE”CAPTCHA是“完全自动化的公共图灵测试，以区分人与计算机的区别”。研究人员说，只用几百个示例字符就可以在几分钟内完成训练。它可以与多种不同样式的验证码一起工作，也可以重新调整用途来识别手写数字，识别现实世界场景照片中的文本并检测图像中的非文本对象。
这是因为Viciarios设计了一个系统来模拟大脑在看到几个示例后识别对象的方式，并且仍然以奇怪的新配置识别它们，乔治说，
“大自然在数百万年的进化过程中创造了一个脚手架，”他告诉《生活科学》我们着眼于神经科学来找出支架是什么，我们把这个结构放在我们的模型中，使模型更容易快速学习。
的替代者在2013年宣布了一个破解人工智能的验证码，但没有在期刊上发表这项研究，导致批评者在接受之前要求发表一篇同行评议的论文他们的要求。现在，该公司在昨天（10月26日）发表在《科学》杂志上的一篇论文中详细介绍了其所谓的递归皮层网络（RCN）。
和是该公司在主要提供商reCAPTCHA和Bot Detect以及雅虎和贝宝使用的基于文本的验证码上对系统进行测试的，测试准确率从57%到67%不等百分比。根据研究作者的说法，这一比例远高于1%的人认为这会使他们在阻止机器人方面失效。研究人员说，针对特定风格优化系统可以将准确率提高到90%。
适应性人工智能许多网站已经不再使用基于文本的验证码，而是使用基于图像的测试和鼠标移动或cookie的数据来分析你是人类还是机器。但研究人员说，这些谜题为测试适应性更强的人工智能形式提供了一个很好的基准。【人工智能的5个有趣用途（不是 ... 手机器人）】
虽然大多数机器学习 ... 只是扫描整个图像，寻找像素中的模式，但人类的视觉系统是通过连线来构建构成场景的对象的丰富模型的，乔治说：
其中一种 ... 就是从物体的表面特性中分离出物体的轮廓。这就是为什么人们往往在着色之前勾勒出一个形状的轮廓，以及为什么人类可以轻易地想象出一个具有草莓纹理的香蕉，尽管从来没有见过一个草莓，乔治说。“KdSPE”“KDSPs”这一人脑技术不仅提供了一个更灵活的物体外观的理解，而且也意味着你。不必看到形状和纹理的每一个可能的组合，就可以自信地识别ne中的对象他补充道，
通过将这种 ... 嵌入到他们的系统结构中，以及其他受大脑启发的机制，这些机制有助于将注意力集中在物体上，并将它们从背景或重叠的物体中分离出来，研究人员能够创造出一种能够从较少的例子中学习并在一系列任务中表现良好的人工智能。纽约大学的助理教授布伦登·莱克说，尽管人工智能最近取得了一些进展，但机器仍有很长的路要走莱克在一封电子邮件中告诉《生活科学》：“从许多方面来说，与人类相比，”
“人们可以从少得多的例子中学习一个新概念，然后以比最好的机器系统更强大的方式进行概括。”这篇[科学论文]表明，结合认知科学和神经科学的原理，可以产生更多类似人类的、更强大的机器学习算法。
将类似人类的认知偏见构建到他们的系统中确实有缺点，乔治说，因为这样的机器将与同样的视觉任务斗争，而这些视觉任务使人类感到沮丧。例如，他说，要训练学生理解二维码就非常困难。
是关于生命科学的原始文章。
特别申明：本文内容来源网络，版权归原作者所有，如有侵权请立即与我们联系（devmax@126.com），我们将及时处理。