驗證碼背后的數字專家

梁水源

1億人的舉手之勞能帶來什么？1億人的舉手之勞要是能為你所用，那是一件多么偉大的事。許多人認為這簡直是天方夜譚，然而有個數碼專家做到了，他就是美國卡耐基梅隆大學教授路易斯·馮·安。

出生于1978年的路易斯，他從小就是一名學霸，也很愛動腦筋。2000年，他在杜克大學獲得了數學學士學位，隨后就進入卡耐基梅隆大學讀博士。21世紀初，隨著網絡的廣泛應用，網絡給人類帶來方便的同時，也出現惡意破解密碼、刷票、論壇灌水、黑客攻擊等漏洞，于是有人提出了使用驗證碼的初步想法。直到2003年，路易斯提出了“CAPTCHA”設想，這個愿望得到了實現。

怎樣才能區分用戶是計算機還是人類呢？路易斯經過長時間的研究，發明了驗證碼（CAPTCHA），即全自動區分計算機和人類的圖靈測試系統。驗證碼不僅可以防止惡意破解密碼、刷票等，還能有效防止黑客對某一個特定注冊用戶，用特定程序暴力破解方式進行不斷的登陸嘗試，而且利用比較簡易的方式實現了這個功能。有這個功能，問題就變得簡單多了，由于計算機無法解答CAPTCHA的問題，所以回答出問題的用戶就可以被認為是人類。

路易斯的驗證碼切實可以抵制網絡上的不良軟件程序，比如你要在線搶購一張火車票，那么你需要過目一組扭曲的字母，并輸入正確內容。這樣，系統可以將你判定為人類，而非機器程序。然而，這個發明在許多人看來很蠢，扭曲的字母很丑，原理看起來簡單粗暴，一點都不“高級”，而且浪費用戶大把的時間。據Google統計，每天地球人至少要填寫2億個驗證碼，人們搞定一個驗證碼平均需要10秒的時間，往往還會因為看不清楚而不得不換一個新的驗證碼來輸入。按此計算，人類每天在驗證碼上就浪費了50多萬個小時，這實在是一件令人沮喪的事。

這樣大數量級的時間浪費問題再一次激發了路易斯，他開始思考，是否有什么方法可以把這些碎片時間利用起來，哪怕僅僅是那短暫的10秒。令人難于想象的是，面對如此奇妙的設想，他居然找到了答案。他想，如果將計算機出現之前大量的書籍、報刊等書面資料電子化，那是一項很有意義卻又繁重的工作，雖然OCR是這方面較為有效的自動化技術，但有些文獻由于字跡模糊、褪色、污損等原因，無法被OCR識別，而這些OCR無法識別的內容由人工辨認卻相對較為容易。路易斯要解決的問題是，讓所有填寫過驗證碼的人，或許可能并不知情，但實際上已經在做著一件很有意義的事情，那就是為舊書數字化或翻譯文檔做出貢獻。

2007年，為了實現這一設想，已經是卡耐基梅隆大學副教授的路易斯，設計了一個名叫reCAPTCHA的強大系統，他開始讓電腦去向人類求助。具體做法是：將OCR軟件無法識別的文字掃描圖傳給世界各大網站，用以替換原來的驗證碼圖片，那些網站的用戶在正確識別出這些文字之后，其答案便會被傳回。在reCAPTCHA系統中，驗證碼有兩個單詞組成，一個叫“controlword”（控制系統知道答案），另一個叫“unknowword”（來源于OCR無法識別的部分，控制系統不知道答案），因此，對于用戶的輸入，只能驗證“controlword”部分，如果這部分是對的，就認為“unknownword”部分用戶也提供了可信的答案。短時間內，它幫助紐約時報數字化了從1851年至今的所有文章，功能非常強大。

路易斯的驗證碼，這個外行人看起來有些蠢的設計，實際上卻精妙無比。它既防止惡意的攻擊、注冊、刷票、抽獎等，又巧妙地利用網民在識別一串串字符時，把這些腦力、時間利用起來，然后集合起來做一些有益于人類的事。