L’IA peut désormais tromper les CAPTCHA

L’IA peut désormais tromper les CAPTCHA

L’IA peut désormais tromper les CAPTCHA


Les CAPTCHA vont-ils devoir changer de nom ? Possible : car ce test basé sur le test de Turing et censé faire la différence entre un robot et les humains vient d'être rendu obsolète par une nouvelle recherche sur l'Intelligence Artificielle. Une IA est désormais en mesure de répondre correctement aux CAPTCHA qui lui sont présentés.

Les chercheurs de la start-up Vicarious spécialisée dans l'Intelligence Artificielle pour les robots, ont publié leurs résultats dans la revue Science du jeudi 26 octobre 2017.

Une Intelligence Artificielle capable de reconnaître les lettres des CAPTCHA ?



L'avancée est majeure dans le domaine de l'Intelligence Artificielle bien que, naturellement, le but ne soit pas réellement de tromper les CAPTCHA. Les chercheurs ont vu dans la résolution des CAPTCHA par l'Homme une manière de reproduire le fonctionnement du cortex visuel. Réussir à créer une IA qui réponde correctement aux CAPTCHA était donc une première étape.

L'Homme, pour répondre à ce test, utilise son cortex visuel qui est hiérarchisé : certains neurones vont identifier les bords de l'objet observé et d'autres neurones vont analyser la surface et la texture. Ensemble, ils sont en mesure de reconnaître l'objet qui leur est présenté, dans le cas des CAPTCHA il s'agit de lettres.

Un modèle d'IA qui ne fait pas appel au Deep Learning



Il y a toutefois une grosse différence entre les recherches de l'équipe de Vicarious et les plus traditionnelles recherches sur l'Intelligence Artificielle : l'Intelligence Artificielle développée par Vicarious n'utilise pas le Deep Learning. Le système est beaucoup plus simple : il s'agit d'un Recursive Cortical Network (RCN), une invention de la start-up.

Le système est probabiliste : il va essayer de reconnaître la lettre en fonction de ce qui lui a été appris. Et si sa précision n'est que de 66,6 % selon les tests réalisés par la start-up sur reCAPTCHA, le système a un avantage : il est plus facilement en mesure de reconnaître les lettres après des changements inédits puisqu'il va se baser sur la reconnaissance des formes et des textures de chaque lettre. Le système plus traditionnel de Deep Learning se concentre surtout sur la reconnaissance de l'image en son ensemble.

Dileep George, chercheur à la tête du développement des RCN chez Vicarious, a expliqué à The Register la différence entre les deux : il faut imaginer une banane qui, au lieu d'être jaune, a la texture d'une framboise. Pour un système classique d'IA répondre s'il s'agit d'une banane ou d'une framboise est complexe car c'est l'image dans son ensemble qui compte. Pour le système RCN, puisque la forme de l'objet est plus importante (comme chez l'Homme), répondre qu'il s'agit d'une banane est plus facile.




{{titrenews}}

- Ce champ est obligatoire !  - Le nom doit contenir au moins 4 caractéres  
- L'adresse email n'est pas valide !  - Ce champ est obligatoire !  - Cette adresse email est trop court ! 

{{titrecontact}}

Téléphone

{{tel}}

Suivez-nous

Addresse

{{adress}}