«Обошли Тьюринга»: новый подход к распознаванию капчи

Цифровые аудиокапчи и до этого распознавались с точностью около 90%. В тексте написано, что аудио разспознавалось с использованием шести бесплатных сервисов распознавания. Всё, что можно от них получить, это текст и некая эфимерная числовая величина. Этого недостаточно, чтобы натренировать что-то принципиально новое. Это не достаточно, чтобы натренировать вообще что-то. Так я подумал, когда только прочитал новость. Просмотр кода только подтвердил мою гипотезу. Пожалуй, самая "интеллектуальная" часть в этой работе это функция, которая изменяет слова в результате распознавания на близкие по звучанию цифры. Причём, как вы видите, это даже не результат обучения. Можно было взять данные, разметить их, натренировать модель, которая делает такие замены. Можно было взять функцию фонетического хеширования или разработать свою. Но там оператор "if". Да что там — даже регистр букв не нормализуется. Но самое смешное даже не это. Главная функция, которая для набора звуковых файлов "определяет наиболее вероятную строку эвристическим методом" имеет всего один оператор return, который возвращает переменную… которая никогда не присваивается. Может быть я просто перестал понимать синтаксис python? Наконец, я попытался выяснить, что же за хитрая эвристика выбирает лучший результат из шести. Оказалось, что это функция сортировки, которая в качестве функции сравнения использует количество распознанных цифр.

Цель проекта компании Vicarious — создать искусственный интеллект, который смог бы решать обычные для человека проблемы и задачи