为了把机器人拦在门外，人类发明了验证码。但不知何时起，验证码开始处处刁难人类。它就像路上的减速带，你过是能过，但总会咯噔一下，而且越急就越难受。

黑胖和我说，那夜他突想温习两性知识，结果在某网注册账号时，被验证码卡了五分钟，可憋坏了。他不理解，都来这种地方了，为啥还要证明自己是个有七情六欲的人。

一般来说，要是简单的识别文字，滑动滑块完成拼图，大伙倒还能接受。但很多时候，验证码大军并不仅有这两个兵种，它们上天入地，各显神通，搞你心态。有的跟你讲了一百字的故事，然后问你一共有几个人去踏青。看着像小学数学暑假作业，难是不难，但是烦。

还有的干脆给你画 6 个迷宫。每个迷宫都有老鼠和奶酪，让你找到那个吃不到奶酪的老鼠。

迷宫倒也不难，但丫是真耽误时间。

更有甚者，你都不知道你得回答什么。

比如图里明明写着「 太极和猴子哪个不是动物 」。结果你提交「 太极 」，显示错误。

因为这些奇葩验证码层出不穷，以至于后来出现的一些离谱截图，都让人难以分辨真假。

为啥这些网站非要我们识别这些烦人的验证码？你肯定会说，这是常识嘛，为了把冒充人类访问网站的“机器人”给揪出来，比如那些在评论区里大量刷垃圾广告的病毒程序，在票务网站不停刷票的黄牛，用大量访问攻击网站的木马等等。这些“机器人”在模糊图形的识别上还没有进化到人类的智能，会被验证码挡在外面。我们识别验证码，也就是在“自证清白”——我不是来捣乱的机器人。

验证码的由来

今天，让我们了解一下验证码的前世今生吧！

先了解什么是“图灵测试”

从1946年世界上第一台计算机出现开始，聪明的人类就已经考虑计算机发展到替代人类的可能性。艾伦·麦席森·图灵，被称为计算机科学之父、人工智能之父，专门设计了一个著名的“图灵测试”，用来判定计算机能否在智力行为上表现得和人无法区分。

当主持人问了1个问题，然后无法从2个解答中分辨出谁是人类、谁是计算机时，就表明计算机的智能水平已经与人类没有差异了。

“图灵测试”是由人类来判断：谁是计算机？谁是人类？

最重要的目的，是识别出计算机。

反过来的“图灵测试” 就是验证码

那么“验证码”，是由计算机来判断：谁是人类？谁是计算机？

最重要的目的，是识别出人类。

这一点，可以从验证码的中英文全称中看出来：CAPTCHA（Completely Automated Public Turing Test to Tell Computers and Humans Apart， 全自动区分计算机和人类的公开图灵测试），又名HIP（Human Interaction Proof，人类交互行为证明）。

最典型的验证码，如下图所示。

以目前的眼光来看，这个验证码确实略显简陋。

但是在计算机技术还不发达的年代，这样的验证码，已经足以识别出人类：

只有人类，才能识别出验证码中被严重扭曲的字母或者数字；

而计算机，则无法识别。

基于这样的验证码，各种计算机系统（例如：网站、邮箱等）成功识别到真正的人类后，允许人类继续操作，比如：登录邮箱、投票等。

为“保护”而生的验证码

当各种计算机系统无法识别人类和计算机时，计算机技术也能给人类带来麻烦，例如：

邮箱的泛滥注册，导致垃圾邮件满天飞；

投票的野蛮刷票，导致投票结果不公正；

车票的插件抢占，导致返乡车票买不到。

1999年一个网站发起的在线投票，推选全美计算机科学专业最好的学校时，按理来说是一个人投一张票。但是投票网站在设计的时候，没有考虑太多，只以投票者所在计算机的IP地址作为判断依据。

于是有人编写了计算机脚本进行批量刷票：每次投票完后更改一个IP地址，然后继续投票。这样的话，有成千上万个IP地址就代表了成千上万个不同的人，就可以投成千上万票。

这样的计算机技术，无疑是影响到了整个投票的公平性。

所以说，各种计算机系统，需要一个坚固的“盾”来保护自己。

实际上，第一种验证码（字符型）的出现，就是为了对抗“自动刷票”这种计算机技术的。

在2007年，验证码的发明者路易斯·安，还真想到了一个应用场景。当时，学术界正在做一项大工程，就是把人类迄今为止的所有纸质典籍给数字化，以电子书的形式保存下来。这项大工程耗时耗力，靠纯手工录入是不可能的，效率太低，最好的办法是用机器扫描加光学识别。不过，这也有一个难题，就是年代久远的典籍扫描出来比较模糊，有一大堆机器辨认不出来的字符。如果雇专人来一个个识别这些字符，那不知道要等到猴年马月，而且成本也非常高。怎么办？

这时候，验证码程序就可以派上大用场了。路易斯·安就把字符验证码稍微改进了一下，新的验证码由两部分字符组成，前半部分和原来一样，是经过设计的扭曲字符，这部分字符系统是知道正确答案的；而后半部分，就取自典籍数字化过程中，那些机器无法准确识别的字符，系统也不知道正确答案。

当用户输入识别验证码的时候，其实只有前一半字符是“自证清白”用的，如果这部分字符填对了，那么系统就认为你是“真人”；你填写的后半部分字符，相当于你是在给系统免费干活，帮它辨认这到底是什么。如果对同一串字符，有三个“真人”给出了一样的答案，这个答案就会被当作正确答案，纳入典籍文字识别结果中去。

新验证码从2007年推出至今，已经录完了从1851年至今的所有《纽约时报》，超过1300万篇文章，还完成了超过2500万本纸质书的数字化。你看，下次识别验证码的时候，可以不用那么烦了，你可以对自己说：我为保存人类文明作了一点贡献。

你在帮Google打工

故事讲到这里还没完。2009年，谷歌收购了这项验证码技术，它想用来干吗呢？就在那一年，谷歌启动了自动驾驶项目。你知道，自动驾驶的一项关键技术，就是训练AI进行图像识别，比如识别街景图像中的门牌、路标、红绿灯、自行车、栏杆等等。这些图像最初的识别标注，需要人工来完成，工作量巨大。

说到这儿，你可能猜到谷歌在打什么主意了。谷歌每天有几十亿次的访问量，用户每天要在上面点击上亿次验证码，这就是庞大的人工识别免费劳动力啊。收购这项验证码技术之后，谷歌就把前面说的，街景图像中的门牌、路标、红绿灯、自行车、栏杆等大量物体加入验证码系统，让用户去点击识别，帮助AI认识这些物体。几年下来，谷歌的AI已经被训练得相当出色，识别物体的功力和人类不相上下。

腾讯“AI众包训练”

谷歌这个套路，后来也被腾讯学了去，不过腾讯不是拿来用于商业目的，而是做一项公益事业。在临床上，90%的诊断需要借助医学影像，也就是B超、彩超、CT等等。在这些片子上标出的病灶和数据，是医生做诊断的重要抓手，比如，诊断肺癌，要看肺结节的尺寸和边缘的毛刺程度；规划手术，要用病灶和周围血管的缠绕程度来判断风险；决定癌症病人是否需要继续用药，要看化疗前后肿瘤尺寸的变化。

给片子做标注这项工作很重要，但又很繁琐，一个病人的一组医学图像，最少需要半个小时来勾画，最好可以用AI来辅助识别。不过，就像自动驾驶算法一样，要训练好AI，首先需要足够多做好标注的数据。这件事情，是不是也可以请广大网友“顺手帮个忙”呢？

就在去年，腾讯和深圳大学合作，推出了一款“医学图像验证码”。验证码由三张相似部位的CT图片组成，最左边一张用红线圈出了特定的部位，需要你在右边的两张图片中，圈出相似的结构。这个验证码项目放在腾讯安全平台上，不是强制验证，看到的用户可以主动去标注。项目一上线，就吸引了上万人去点击，贡献了几万条正确标注的医学图像数据，目前还在持续迭代优化。

你看，这种“AI众包训练”模式，说不定以后会用在更多的智能化领域。下次识别验证码的时候，我们可以自豪地说，我也为当下最先进的AI技术的发展作了一点贡献。

文章来源： 差评，中科院物理所，元宇宙梦想工厂