全球知名網站都是透過CAPTCHA系統來驗證使用者身份，從而確定輸入資料或登入帳戶的是人，而不是機器人。CAPTCHA的全稱是“全自動區分計算機和人類的圖靈測試”。彎彎曲曲的的字母和數字是阻止駭客入侵的好方法。這種方式雖然麻煩但十分有效。

然而，不久之後，CAPTCHA有可能無法阻止駭客入侵。

金山毒霸安全專家表示，加利福尼亞的一家人工智慧公司Vicarious的AI系統只需要五步訓練就可以破解Google的reCAPTCHA技術。該系統輸入正確字元的機率達到了67％，這幾乎是人類準確率的87％。在應對PayPal和Yahoo的CAPTCHA時，該系統的準確率超過50％。

CAPTCHA技術的突破還跟不上Google DeepMind團隊最近的一項創舉。DeepMind構建了新型AlphaGo Zero人工智慧系統。該系統可以自我訓練，不斷從錯誤中總結經驗，很少依賴資料。這正是類似於人類的學習方式。

Go遊戲和破譯CAPTCHA都是狹義AI的典型例子，它與科幻小說中的人工智慧（AGI）不同。還記得“星球大戰”的R2-D2，“Ex Machina”中的Ava和“Her？”中的Samantha嗎？他們有著過人的本領，還能自我習得所需技能。

狹義的AI技術系統只能執行一種特定型別的任務。例如，如果你讓AlphaGo Zero學習翫大富翁，它做不到，即使這個遊戲比Go更簡單。

迄今為止，即使是狹義AI系統也難以建立和完善。因為AI系統是模擬人類大腦建立的，而大腦神經網路中的神經元層會根據所觀察到的內容來調整連線。為了完成非常基本的任務，例如識別影象是貓還是狗，系統需要開發一個模型來詳細分析任務內容、大量的資料和兩種不同的例子。之後，再拿這些例子訓練AI系統。簡而言之，首先你告訴AI系統需要學習什麼，然後你給它的資料越多，它的結果就越準確。

Vicarious和Google的訓練方法完全不同;儘管涉及領域有限，但是他們的AI系統可以自我學習。該AI系統能夠預測自己的訓練模式，嘗試不同的排列，直到得到正確的結果。只有這樣，他們才能夠自學如何閱讀驗證碼中的字母或玩遊戲。

這使狹義AI和AGI之間的界線越來越模糊。這也意味著能在複雜環境中工作的機器學習系統對機器人領域有重大影響。

除了視覺識別之外，Vicarious的突破和AlphaGo Zero的成功讓科學家們不禁思考AI如何從頭開始學習。我們離創造出能夠完成不同的任務AI和機器人又近進了一步，最終科幻小說的AGI將變成現實。

而網上大多的深度學習模型也都到達了90%以上的準確率，但是這些在實際驗證過程中大多隻有40%多，因為大多的模型所依賴的訓練集都是自己生成的，而不是需要破解的驗證碼，這就明顯會造成識別誤差。自己生成驗證碼自己破解，這就好比說自己是這個世界的遊戲規則制定者，然後自己來破解這個世界的規則，是沒有多大用處的，所以實際上這些模型不能實際拿來用，需要大量的原生打碼，然後喂資料到模型中，才能夠真正識別要破解的驗證碼。

首先，以人工智慧目前演算法進步來看，很容易破解captcha系統，在人工智慧時代，captcha並不是最安全的系統，滿足不了物聯網發展眾多接入口的安全保障需求。

其次，人工智慧時代比較理想的身份識別系統還是人臉識別、聲紋識別和指紋識別，目前這些技術已經很成熟了，人臉識別率、聲紋識別率已達95%以上，指紋識別率幾乎100% ，已開始進入商業化階段。