¿Cómo pueden los humanos leer texto/caracteres codificados (p. ej., CAPTCHA)?

Un cerebro humano reconoce letras por sus características constituyentes (partes de subletras). Está modelado por un modelo pandemonium donde la información impresa se extrae localmente y luego globalmente. En la literatura de reconocimiento de letras, este tipo de modelo jerárquico basado en características compite con las teorías de coincidencia de plantillas (con una ventaja para los modelos pandemónium, como las redes de aprendizaje profundo).

Los caracteres codificados se reconocen de la misma manera, con la diferencia de que solo está disponible una parte de la información visual. Se relaciona con la teoría de los geones desarrollada por Biedermann (Reconocimiento por componentes, 1987). El escribio

si se puede recuperar una disposición de dos o tres subcomponentes de la entrada, los objetos se pueden reconocer rápidamente incluso cuando están ocluidos o degradados en gran medida.

¿Podrías identificar el siguiente objeto? La izquierda es la versión irrecuperable.

ÁRBITRO:

• Grainger y otros (2008). Percepción de letras: de los píxeles al caos. Tendencias en Ciencias Cognitivas.
• Biederman, Psychological Review (1987) & http://en.wikipedia.org/wiki/Recognition-by-components_theory

El número acumulativo de versiones de un solo carácter que el cerebro humano puede reconocer es casi infinito, mientras que las computadoras deben programarse para reconocer cada variación. Los humanos también reconocen el "contexto" en una palabra, mientras que una computadora no reconoce el contexto porque no tiene una comprensión intuitiva del lenguaje. De wikipedia :

Por ejemplo, cuando una persona entiende que la primera letra de un CAPTCHA es una "a", esa persona también entiende dónde están los contornos de esa "a", y también dónde se fusiona con los contornos de la siguiente letra. Además, el cerebro humano es capaz de un pensamiento dinámico basado en el contexto. Es capaz de mantener vivas varias explicaciones y luego elegir la que sea la mejor explicación para toda la entrada en función de las pistas contextuales. Esto también significa que no se dejará engañar por variaciones en las letras.

Básicamente, se reduce a dos factores: uno, los humanos están preprogramados con habilidades de "reconocimiento de objetos". Dos, los humanos pueden analizar una cadena de símbolos de una manera que se ajusta a las reglas de una gramática formal.

El reconocimiento de objetos es la capacidad de encontrar, reconocer e identificar objetos humanos en una secuencia. Los humanos naturalmente tienen esta habilidad, mientras que las computadoras no. Parece ser una cualidad genética y se puede replicar en computadoras mediante algoritmos genéticos que imitan el proceso de selección natural.

Los seres humanos también construyen oraciones de manera incremental y, al hacerlo, hacen constantes predicciones inconscientes sobre lo que dirá la palabra o la oración. Esta es la explicación detrás de las oraciones del camino del jardín . Podemos usar potenciales relacionados con eventos para estudiar este fenómeno en el cerebro humano. Ciertos potenciales se activan durante situaciones específicas al analizar. De la página de wikipedia sobre oraciones de camino de jardín:

Dentro de los ERP, P600 es el componente más importante. Su activación ocurre cuando el analizador se encuentra con una violación sintáctica como El corredor persuadió a vender las acciones o cuando analiza sintetiza una desambiguación insatisfactoria en una cadena ambigua de palabras como El médico acusó al paciente de estar mintiendo. Por lo tanto, la activación de P600 marca el intento del analizador de revisar el desajuste o la ambigüedad estructural de la oración.

También parece que la presencia de una disfluencia en una oración, causada por análisis sintácticos completos y largos, no provoca el P600. En su lugar, provoca otro componente ERP, N400, que se activa cuando las personas intentan integrar una nueva palabra en el contexto de la oración anterior.

Según lo anterior, parece que el cerebro tiene potenciales relacionados con eventos específicos que se activan intuitivamente durante situaciones específicas durante el análisis. En otras palabras, un ser humano puede reconocer oraciones y palabras familiares de manera intuitiva, y cuando se encuentra con una palabra no reconocida, intenta integrarla según el contexto. Dado que las computadoras actualmente no tienen una capacidad intuitiva similar, los CAPTCHA son más difíciles de decodificar.