Инструмент reCaptcha создан для того, чтобы люди не использовали ботов для продвижения своих товаров в интернете, хакерских атак и других целей. Но существуют так называемые клик-фермы, где люди за деньги решают капчи для автоматизированных сервисов. Энтузиаст решил проверить, сможет ли ИИ-бот решать капчи, и делать это дешевле, чем клик-фермы.
Исследователь по имени Мэтт Бухнер сосредоточился на одном виде капчи, когда изображение разбивается на фрагменты, и пользователю нужно найти названные системой объекты на них. Это могут быть светофоры, автобусы и т. д. Сначала энтузиаст решил обучить свою модель. Для этого он отобрал похожие фотографии города со светофорами и автомобилями, промаркировал картинки и обучил модель на 30 фотографиях. Это не сработало. Обычно модели обучают на тысячах исходных данных, поэтому причина неудачи могла быть в небольшом исходном датасете.
Второй подход заключался в использовании уже обученной на городских пейзажах модели NVIDIA. Она справилась с распознаванием светофоров, и исследователь включил её в свой алгоритм решения капчи. Обычно подобные алгоритмы работают на базе вычислительной мощности видеокарт. Поскольку они дорогие, боты зачастую базируются в облаке на хостингах, которые за отдельную плату предоставляют доступ к профессиональным видеокартам.
Для своего бота Бухнер арендовал видеокарту NVIDIA RTX 4000 Ada, которая обходилась ему в $0,15 в час или $0,05 за 1000 решённых капч, тогда как клик-фермы берут в среднем $3 за эту задачу. Но немаловажно, что фермы работают со всеми видами капч, тогда как энтузиасту пришлось бы создавать алгоритмы под каждую конкретную из них.