Representando un avance cr\u00edtico en la investigaci\u00f3n de la inteligencia artificial, los cient\u00edficos han creado un modelo inform\u00e1tico eficiente en datos que puede “resolver” CAPTCHA, el extendido sistema basado en texto utilizado por los sitios web para verificar si un usuario es humano.<\/p>\n
Sus hallazgos sugieren la necesidad de emplear t\u00e9cnicas m\u00e1s s\u00f3lidas para contrarrestar el spam y t\u00e9cnicas de verificaci\u00f3n de humano que vayan m\u00e1s all\u00e1 de lo codificado en el sistema CAPTCHA actual.<\/p>\n
Los CAPTCHA est\u00e1n dise\u00f1ados para que no puedan ser descifrados por los algoritmos inform\u00e1ticos, al agrupar numerosas combinaciones de letras diferentes en un mill\u00f3n de estilos diferentes. Si bien los humanos pueden reconocer un objeto de forma natural incluso en capas de superposici\u00f3n o estilos, los ordenadores tienen dificultades para clasificar cada letra en ese revoltijo.<\/p>\n
Los algoritmos anteriores para resolver CAPTCHA son intensivos en datos y requieren una memoria de millones de ejemplos de im\u00e1genes CAPTCHA etiquetadas o reglas codificadas sobre c\u00f3mo descodificar cada tipo de imagen. En esta ocasi\u00f3n, Dileep George y sus colegas han construido un modelo m\u00e1s eficiente, denominado Red Cortical Recursiva (RCR), que incorpora conocimientos procedentes de la neurociencia para “entrenar” al ordenador para generalizar m\u00e1s all\u00e1 de lo que se le ense\u00f1a en un primer momento.<\/p>\n
La clave del \u00e9xito de la RCR, afirman los autores, es que est\u00e1 codificada con fuertes suposiciones que posteriormente utiliza para formar predicciones a partir de entradas con las que nunca se encontr\u00f3 en el entrenamiento.<\/p>\n
Con esto, la RCR podr\u00eda resolver textos CAPTCHA, identificar d\u00edgitos escritos a mano, delinear objetos complejos en capas y reconocer texto en fotograf\u00edas de escenarios del mundo real. En comparaci\u00f3n con los enfoques de aprendizaje profundo de \u00faltima generaci\u00f3n para la lectura de textos, la RCR super\u00f3 a su principal adversario, PhotoOCR, en un 1,9 %, utilizando considerablemente menos im\u00e1genes de entrenamiento (1406 frente a los 7,9 millones utilizados por PhotoOCR). La RCR tambi\u00e9n logr\u00f3 mayor precisi\u00f3n y fue 300 veces m\u00e1s eficiente en datos.<\/p>\n
Fuente:<\/strong> AAAS<\/p>\n","protected":false},"excerpt":{"rendered":" Representando un avance cr\u00edtico en la investigaci\u00f3n de la inteligencia artificial, los cient\u00edficos han creado un modelo inform\u00e1tico eficiente en datos que puede “resolver” CAPTCHA, el extendido sistema basado en texto utilizado por los sitios web para verificar si un usuario es humano.<\/p>\n","protected":false},"author":1,"featured_media":7532,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-7531","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tech"],"yoast_head":"\n