一開始,我們會被要求輸入一些

數(shù)字驗(yàn)證碼或者

回答簡單的算術(shù)題

比如這樣

▼

雖然在當(dāng)時(shí)并不知道

這個(gè)突然冒出的驗(yàn)證碼

是用來干什么的

但好在答題過程并不復(fù)雜

順手填一下就好

可是后來我發(fā)現(xiàn)

這種“喪心病狂”的驗(yàn)證碼

你一定見過吧

▼

還有這種

▼

這種

▼

當(dāng)I是大寫i而不是小寫l
當(dāng)0是數(shù)字零而不是大寫O

當(dāng)l是小寫L而不是數(shù)字1的時(shí)候

我陷入了深深的懷疑…

好在,今天很多網(wǎng)站的驗(yàn)證碼又回歸了簡單

比如讓你用鼠標(biāo)點(diǎn)擊一下

或是移動完成一個(gè)拼圖

驗(yàn)證碼終于不再那么復(fù)雜了~

可是,至始至終

我都不知道驗(yàn)證碼不斷變化的背后

到底是為了什么…?

直到最近,我才知道

驗(yàn)證碼的引入主要是為了

? 防止惡意程序采用暴力破解的方式進(jìn)行不斷的登錄嘗試,來破解用戶密碼。

? 防止惡意程序進(jìn)行大量的注冊,占用網(wǎng)站服務(wù)器資源。

? 防止垃圾帖,廣告貼刷屏,使論壇、博客等網(wǎng)站沒有辦法運(yùn)行。

只不過道高一尺魔高一丈

黑客也會通過技術(shù)手段

來實(shí)現(xiàn)驗(yàn)證碼的自動識別

▲圖片來自網(wǎng)絡(luò),若有侵權(quán)請聯(lián)系我們刪除

于是乎,在攻擊者和程序員的

“軍備競賽”之下

驗(yàn)證碼只能往復(fù)雜化的道路越走越遠(yuǎn)

從而嚴(yán)重影響了正常用戶的登錄體驗(yàn)

而在這其中

其實(shí)就大量運(yùn)用到了AI

通過模仿人類的視覺識別原理來分析驗(yàn)證碼!

人類視覺原理(對應(yīng)于上左圖):

◆ 從原始信號攝入開始(瞳孔攝入像素);

◆ 接著做初步處理(大腦皮層某些細(xì)胞發(fā)現(xiàn)邊緣和方向);◆ 然后抽象(大腦判定,眼前的物體的形狀);

◆ 最后進(jìn)一步抽象(大腦進(jìn)一步判定該物體為頭像)。

深度學(xué)習(xí)利用了類似的過程(對應(yīng)于上右圖):

◆ 首先盡可能找到驗(yàn)證碼圖片里的各種邊,這些邊就是底層的特征(Low-level features);◆ 然后下一步,對這些底層特征進(jìn)行組合,就可以看到大致的輪廓,它們就是中間層特征(Mid-level features);

◆ 最后,我們對輪廓進(jìn)行組合,就可以組成各種各樣數(shù)字和字母了,也就是高層特征(High-level features)這個(gè)時(shí)候就可以識別出或者分類出驗(yàn)證碼了。

識別驗(yàn)證碼

只是AI的小試牛刀

當(dāng)然,上面說到的驗(yàn)證碼識別,只是AI的簡單應(yīng)用,而像深度學(xué)習(xí),如科研分析、語音識別等,所需的計(jì)算量就會非常大。

比如,2012年摘得ImageNet圖像分類大賽冠軍的AlexNet網(wǎng)絡(luò),包含8層神經(jīng)網(wǎng)絡(luò)、6000萬個(gè)參數(shù)、65萬個(gè)神經(jīng)元;2015年奪冠的微軟ResNet網(wǎng)絡(luò)更是達(dá)到了152層。如此大的數(shù)據(jù)量,如果還用CPU進(jìn)行訓(xùn)練,花費(fèi)的時(shí)間就要以年計(jì)了。

因此,深度學(xué)習(xí)十分依賴高端硬件設(shè)施,其學(xué)習(xí)訓(xùn)練過程中涉及到大量矩陣運(yùn)算,而GPU就是專門為矩陣運(yùn)算而設(shè)計(jì)的。當(dāng)前所有的主流深度學(xué)習(xí)框架,如TensorFlow、Caffe2、MXNet、PyTorch、CNTK等,均完善地支持GPU運(yùn)算。

在這里,小編介紹一下在去年發(fā)布的全新DSS 8440服務(wù)器這是一款雙插槽4U服務(wù)器,最大特性在于提供了高達(dá)10個(gè)GPU加速卡的支持,并且具備大量的本地存儲,非常適合機(jī)器學(xué)習(xí)、訓(xùn)練應(yīng)用程序以及其他計(jì)算密集型工作負(fù)載。

GPU是計(jì)算的利器,同時(shí)也會產(chǎn)生大量的能耗。但對DSS 8440來說,它采用了最多4臺模塊化電源進(jìn)行供電,最大可以實(shí)現(xiàn)3200-4000W的供電能力,足以應(yīng)對GPU的高能耗。

同時(shí),DSS 8440還提供雙層共12個(gè)散熱風(fēng)扇,用于解決伴隨高能耗產(chǎn)生的散熱問題。

*DSS 8440是一個(gè)動態(tài)機(jī)器學(xué)習(xí)平臺,搭載2個(gè)Intel?至強(qiáng)?可擴(kuò)展處理器,每個(gè)處理器最多24個(gè)內(nèi)核/2個(gè)LGA3647/英特爾C620,專為機(jī)器學(xué)習(xí)應(yīng)用程序和其他需要最高計(jì)算性能的高要求工作負(fù)載而設(shè)計(jì)。

未來版本的DSS 8440還將附帶Graphcore處理器。

Graphcore的IPU處理器完全不同于以往的處理器類型,它專為AI/機(jī)器學(xué)習(xí)而設(shè)計(jì)。其強(qiáng)大的并行處理能力,實(shí)現(xiàn)了快速訓(xùn)練模型和實(shí)時(shí)操控,這使得Graphcore能夠在幫助自然語言處理以及理解自動駕駛方面帶來重要作用。

總而言之,可行的技術(shù)路線,需要底層基礎(chǔ)架構(gòu)的有力支撐。戴爾易安信DSS 8440是幫助用戶構(gòu)建足夠算力平臺的利刃。通過在開放平臺上提供巨大的計(jì)算能力,DSS 8440能夠幫助人們更快獲得機(jī)器學(xué)習(xí)工作負(fù)載結(jié)果!

? 最后,說點(diǎn)題外話。其實(shí)從AI幫助破解驗(yàn)證碼,從而給人們帶來不好的用戶體驗(yàn)來看,AI也是一把雙刃劍,用得好是造福人類的強(qiáng)大工具,用不好也可能帶來危害。

但是就任何技術(shù)來說,這都是不可避免的。結(jié)合技術(shù)發(fā)展史來看,人類社會的進(jìn)步就是依靠不斷的創(chuàng)新,只是創(chuàng)新的同時(shí)要不斷健全相關(guān)的法律法規(guī)。所以,在這樣的前提下,AI是讓我們?nèi)祟惖纳钭兊酶孢m的工具和手段。

尊敬的讀者

計(jì)算機(jī)視覺技術(shù)的進(jìn)步

推動著AI的進(jìn)一步發(fā)展

也為越來越多的行業(yè)帶來豐富和深刻的洞察

如何構(gòu)建現(xiàn)代化的視覺智能體系?

戴爾科技企業(yè)級精品課特別邀請

中國科學(xué)院自動化研究所副研究員呂彥峰

為您深入解讀計(jì)算機(jī)視覺智能

掃描下方二維碼

即可參加

  相關(guān)產(chǎn)品推薦：河南省眼科研究所副所長雷博：臨床診斷像破案一樣

  相關(guān)產(chǎn)品：DELL 7400

songjy