ايتنا - کپچا از کاربران می‌خواهد اشیایی را که وجود ندارند تشخیص دهند

از افرادی که سعی در استفاده از دیسکورد داشته‌اند خواسته شده تا شیئی را که وجود ندارد شناسایی کنند. شیء مورد بحث «یوکو» است که به نظر می‌رسد ترکیبی از حلزون و یویو باشد. افراد متعددی گزارش داده‌اند که هنگام تلاش برای استفاده از دیسکورد درخواستی برای شناسایی یوکو دیده‌اند. به نظر می‌رسد که این تصویر یوکو و همچنین سایر تصاویر در کپچا توسط هوش مصنوعی تولید شده‌اند.

به گزاریش ایتنا و به نقل از وایس، کاربر دیگری در توییتر اعتراض خود را اینگونه بیان کرد که وقتی کپچا از او خواسته بود تصاویر یک مکعب پازل را شناسایی کند موفق به ورود به دسکورد نشد. در اینجا هم ظاهراٌ تصاویر با هوش مصنوعی تولید شده بودند.

کپچاهای دیسکورد توسط شرکتی به نام hCaptcha مدیریت می‌شود. دیسکورد به وبسایت Motherboard اینگونه توضیح داد: «فناوری که این پیام‌ها را ایجاد می‌کند متعلق به شریک طرف ثالث ما است و دیسکورد مستقیماً تعیین نمی‌کند که چه چیزی به کاربران ارائه می‌شود.

یک سخنگوی hCaptcha به Motherboard گفت: «با اینکه بیشتر تعاملات hCaptcha منجر به چالش بصری نمی‌شود، اما انواع گوناگونی در هر زمان مشخص مورد استفاده قرار می‌گیرند». وی توضیح داد که مواردی که در این اعتراض‌ها ذکر شده‌اند به ندرت رخ می‌دهند.

hCaptcha خود را به عنوان یک جایگزین متمرکز بر حریم خصوصی برای reCAPTCHA ی معروف معرفی می‌کند. طبق توضیحات این شرکت در سال 2018 در مورد نحوه عملکرد آن، اعلان‌های hCaptcha توسط مشتریانی که به دنبال «حاشیه‌نویسی انسانی با کیفیت بالا برای نیازهای یادگیری ماشینی خودشان هستند» تولید می‌شوند.

hCaptcha هم از مشتریانی مانند دیسکورد که برنامه‌های حرفه‌ای و سازمانی برای اجرای خدمات کپچا را خریداری می کنند و هم از مشتریانی که این درخواست‌ها را ایجاد کرده‌اند درآمد کسب می‌کند. hCaptcha از کپچاها برای کمک به آموزش سیستم‌های یادگیری ماشین و شبکه‌های متخاصم مولد استفاده می‌کند. این اولین باری نیست که مردم متوجه ظاهر شدن تصاویر هوش مصنوعی عجیب و غریب در سرویس‌های hCaptcha می‌شوند و آخرین بار هم نخواهد بود.

این مسائل ایجاد شده توسط هوش مصنوعی عجیب hCaptcha دو موضوع را در سیستم‌های یادگیری ماشین برجسته می‌کند. اولین مورد این است که سیستم‌های هوش مصنوعی به مقدار زیادی از ورودی انسانی نیاز دارند تا وحشتناک نباشند. معمولاً برچسب‌گذاری تصویر به کارگران خارج‌سازمانی که این کار را در قبال اندکی پول انجام می‌دهند برون‌سپاری می‌شود. مورد دیگر، مسئله سرگردانی داده‌ها است. هر چه این سیستم‌های یادگیری ماشین طولانی‌تر کار کنند، ورودی بیشتری نیاز دارند. به ناچار، آنها شروع به استفاده از داده‌هایی می‌کنند که برای آموزش خود تولید کرده‌اند. سیستم‌هایی که به اندازه کافی روی خودشان تمرین می‌کنند، به هاپسبورگ‌های هوش مصنوعی تبدیل می‌شوند و درخواست‌هایی برای شناسایی اشیاء نامفهومی مانند «یوکوها» ارائه می‌کنند.