遇到過“喪心病狂”的驗證碼沒？
還記得你第一次輸入
「驗證碼」
是在哪一年嗎？
不知從什么時候開始
在我們登錄網(wǎng)站賬號時
輸入驗證碼成為了一道
必答題
一開始，我們會被要求輸入一些
數(shù)字驗證碼或者
回答簡單的算術(shù)題
比如這樣
▼
雖然在當(dāng)時并不知道
這個突然冒出的驗證碼
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的時候
我陷入了深深的懷疑...
好在，今天很多網(wǎng)站的驗證碼又回歸了簡單
比如讓你用鼠標(biāo)點擊一下
或是移動完成一個拼圖
驗證碼終于不再那么復(fù)雜了~
可是，至始至終
我都不知道驗證碼不斷變化的背后
到底是為了什么...？
直到最近，我才知道
驗證碼的引入主要是為了
❶ 防止惡意程序采用暴力破解的方式進行不斷的登錄嘗試，來破解用戶密碼。
❷ 防止惡意程序進行大量的注冊，占用網(wǎng)站服務(wù)器資源。
❸ 防止垃圾帖，廣告貼刷屏，使論壇、博客等網(wǎng)站沒有辦法運行。
只不過道高一尺魔高一丈
黑客也會通過技術(shù)手段
來實現(xiàn)驗證碼的自動識別
▲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
驗證碼只能往復(fù)雜化的道路越走越遠
從而嚴(yán)重影響了正常用戶的登錄體驗
而在這其中
其實就大量運用到了AI
通過模仿人類的視覺識別原理來分析驗證碼！
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）；
◆ 最后進一步抽象（大腦進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）這個時候就可以識別出或者分類出驗證碼了。
識別驗證碼
只是AI的小試牛刀
當(dāng)然，上面說到的驗證碼識別，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)、6000萬個參數(shù)、65萬個神經(jīng)元；2015年奪冠的微軟ResNet網(wǎng)絡(luò)更是達到了152層。如此大的數(shù)據(jù)量，如果還用CPU進行訓(xùn)練，花費的時間就要以年計了。
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算，而GPU就是專門為矩陣運算而設(shè)計的。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運算。
在這里，小編介紹一下戴爾易安信在去年發(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10個GPU加速卡的支持，并且具備大量的本地存儲，非常適合機器學(xué)習(xí)、訓(xùn)練應(yīng)用程序以及其他計算密集型工作負載。
GPU是計算的利器，同時也會產(chǎn)生大量的能耗。但對DSS 8440來說，它采用了最多4臺模塊化電源進行供電，最大可以實現(xiàn)3200-4000W的供電能力，足以應(yīng)對GPU的高能耗。
同時，DSS 8440還提供雙層共12個散熱風(fēng)扇，用于解決伴隨高能耗產(chǎn)生的散熱問題。
*DSS 8440是一個動態(tài)機器學(xué)習(xí)平臺，搭載2個Intel®至強®可擴展處理器，每個處理器最多24個內(nèi)核/2個LGA3647/英特爾C620，專為機器學(xué)習(xí)應(yīng)用程序和其他需要最高計算性能的高要求工作負載而設(shè)計。
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/機器學(xué)習(xí)而設(shè)計。其強大的并行處理能力，實現(xiàn)了快速訓(xùn)練模型和實時操控，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算能力，DSS 8440能夠幫助人們更快獲得機器學(xué)習(xí)工作負載結(jié)果！
▐ 最后，說點題外話。其實從AI幫助破解驗證碼，從而給人們帶來不好的用戶體驗來看，AI也是一把雙刃劍，用得好是造福人類的強大工具，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，人類社會的進步就是依靠不斷的創(chuàng)新，只是創(chuàng)新的同時要不斷健全相關(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
計算機視覺技術(shù)的進步
推動著AI的進一步發(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
為您深入解讀計算機視覺智能
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
