Nur im Internet müssen wir regelmässig das Offensichtliche nachweisen – dass wir Menschen sind. Die kleinen Tests, die wir auf manchen Webseiten bestehen müssen – zum Beispiel, um uns überhaupt einloggen zu können –, heissen Captchas (ein Akronym, das für «Completely Automated Public Turing test to tell Computers and Humans Apart» steht). Ihre Aufgabe ist, Mensch von Maschine zu scheiden.
Mag sein, dass die Captchas ein notwendiges Übel sind – eine lästige Zumutung sind sie auf jeden Fall. Doch bald müssen wir uns vielleicht nicht mehr über diese nervenden Mini-Rätsel ärgern. Denn Captchas sind so gut wie tot – sie schaffen es nicht mehr, die Bots auszutricksen, die verzerrte Buchstaben oder Zahlen nun mithilfe Künstlicher Intelligenz (KI) entschlüsseln können.
Das Start-up Vicarious hat ein sogenanntes Recursive Cortical Network (RCN) – eine Art neuronales Netz – entwickelt, das auf visuelle Wahrnehmung trainiert ist. Im Gegensatz zu herkömmlichen Methoden wie Deep Learning, bei denen die Software mit abertausenden von Captcha-Beispielen gefüttert wird, um sie erkennen zu können, «versteht» diese KI, woraus ein Buchstabe besteht. «Auch wenn sich der Hintergrund ändert, erkennt das Modell den Buchstaben», erklärt Dileep George, Mitgründer von Vicarious.
Deep Learning sei zwar ein effizientes Tool, um eine KI zu trainieren, sagt George, doch die Methode sei anfällig für die Verzerrungen, wie sie bei Captchas vorkommen. Nur wenn enorme Rechenkapazität zur Verfügung stehe, könne man Captchas mit solchermassen trainierter Software knacken.
«Wir haben erkannt, dass das Gehirn Annahmen über die sichtbare Welt trifft, die neuronale Netzwerke mit Deep Learning nicht treffen», erklärt George. Bei Vicarious habe man versucht, solche Annahmen in das Recursive Cortical Network (RCN) einzubauen.
Das RCN lernt also nicht dadurch, dass es unzählige Beispiele von Buchstaben sichtet, sondern indem es während der Trainingsphase ein internes Modell des Buchstabens erstellt. Mithilfe von Algorithmen erkennt das neuronale Netz Muster in Umrissen und Oberflächen. Dies ermöglicht ihm, sogar sich überlappende Objekte auseinanderzuhalten.
In Tests erwies sich das RCN beim Entschlüsseln von Captchas als deutlich effizienter als Deep-Learning-Modelle. Das RCN benötigte 5000 Mal weniger Trainingsbilder, seine Dateneffizienz war 300 Mal besser und es erkannte bis zu 90 Prozent der Buchstaben, selbst wenn sich deren Hintergrund änderte.
Nach eigenen Angaben konnte Vicarious die Captchas schon 2013 knacken, hat die inzwischen weiter verfeinerte Methode aber erst jetzt in der Fachzeitschrift «Science» veröffentlicht. Der Grund für die jahrelange Verzögerung: Erst jetzt werden diese herkömmlichen Captchas allmählich durch andere ersetzt. George und seinen Mitstreitern ging es überdies gar nicht darum, Captcha-Systeme auszuhebeln, sondern um die Entwicklung einer KI, die wie ein menschliches Gehirn arbeitet.
Traditionelle, textbasierte Captchas werden also bald verschwinden – das ist die gute Nachricht für Captcha-Geschädigte. Die schlechte Nachricht ist, dass bereits neue Varianten aufgetaucht sind, die mit einer Auswahl von Bildern arbeiten, von denen der User jene anklicken soll, die beispielsweise Verkehrsschilder zeigen. So mancher genervte User könnte da schnell mal auf den Gedanken kommen, er sei vom Regen in die Traufe gekommen.
Vielleicht werden die kleinen, mühsamen Tests aber doch in absehbarer Zeit endgültig abgeschafft. Google hat die textbasierten Captchas schon längst ausrangiert und durch einen Ich-bin-kein-Roboter-Button ersetzt. Ende 2016 kündigte der Software-Gigant sogar an, ein intelligentes System einzuführen, das im Hintergrund und mit einer erweiterten Risikoanalyse arbeitet. Anhand der Beobachtung von Mausbewegungen und ähnlichen Informationen entscheidet Googles KI dann, ob sie es mit einem Menschen oder einer Maschine zu tun hat.
(dhr)
Abonnieren
