Des chercheurs de Google créent un algorithme de reconnaissance de caractères

Je ne crois pas que l'objectif de google avec son CAPTCHA à quoi que ce soit à voir avec la sécurité. Ça leur sert surtout à ce que NOUS les aidions à faire de la reconnaissance de caractère sur google books, street view, probablement pour les google glass aussi... et apparemment aussi à améliorer leur OCR.

Maintenant on va tester le taux d'échec pour vérifié que l'user est humain...

Non mais big LOL ! Cet algo est pour la reconnaissance de chiffres, soit 10 caractères différent!

Ce qui rend une reconnaissance de caractères difficiles, c'est (i) le nombre de caractères possibles et (ii) les séquences possibles. Avec 10 caractères, on a 1 chance sur 10 d'avoir juste en en prenant un tout à fait au hasard, et quand ce sont des chiffres on n'a généralement aucune dépendence entre deux chiffres consécutifs (a fortiori pour un simple numéro de rue), ce qui permet de se focaliser sur un chiffre à la fois et donc de simplifier grandement l'algo (toute analyse sur plusieurs caractères profitera à l'ensemble, comme identifier l'érosion générale et les répétitions de patterns qui tendent à dire qu'on a affaire au même symbole). Avec quelques heuristiques, on arrive déjà à avoir déjà de bons résultats. Appliquez ça sur un alphabet de 26 lettres et ce n'est déjà plus la même histoire, parce que non seulement la complexité n'est pas linéaire (plutôt de l'exponentiel, au mieux polynomial) mais en plus on a des relations entre les lettres à considérer (on a peu de chance de voir deux 'a' qui se suivent en français, mais dans une autre langue...).

Bref, on est loin, très loin même de la reconnaissance de caractères dans son sens large. Oubliez les scans de bouquins ou d'ordonnance de toubibs. L'article est juste à côté de la plaque. Je me suis pas encore fait aux titres m'as-tu-vu de ceux qui veulent aguicher les lecteurs mais restent honnêtes dans le reste de leur publication que voilà maintenant ceux qui en oublient même de lire l'article (certes j'exagère, mais c'est quand même un point important, clair dès la lecture du résumé, et qui pourtant n'apparait nul part, même pas de manière implicite).

Moi j'ai un avis sur les réseaux de neurones unidirectionnels (pas de connexions backward dans le résesau, aucun cycle), et c'est bien d'un réseau de neurone unidirectionnel dont il est question ici.

C'est toujours impressionnant de réussir à faire des choses avec des réseaux de neurones, mais tant qu'ils ne sont pas récurrent (que c'est juste une suite de couche avec des connexions dans un seul sens, même topologie que le multi-layer-perceptron) ils restent des approximateurs universels : toute fonction de R^n dans R^k peut être approximée par un MLP à une couche cachée, le problème étant la taille de cette couche cachée.

La phase d'apprentissage du réseau de neurone est une forme de récurrence, où les couches du bas peuvent "informer" les couches du haut de certaines choses, et dans un processus aussi complexe que la reconnaissance de texte en toute circonstance, il y a bien une quantité d'information qui doit circuler dans le réseau de neurone, du haut vers le bas et du bas vers le haut (le bas c'est le résultat, le haut c'est l'image brute). Une partie de la tâche de la reconnaissance de texte est d'extrapoler, de faire des déductions à partir de quantités d'informations, et ce processus ne peut pas se modéliser par un réseau de neurone unidirectionnel à N couches.

J'attends donc le jour où ils arriveront à faire la même chose avec un réseau de neurone récurrent (avec des connexions back-ward) et un algorithme d'apprentissage qui ne s'arrête jamais (les déductions doivent donner lieu à une mémorisation : j'ai mémorisé que la tâche noire à droite n'était pas du texte, c'est bien une forme d'apprentissage du réseau de neurone, que l'on stocke cette information dans les poids des connexions entre les neurones ou dans l'état d'excitation d'un neurone ça ne change rien fondamentalement même si en pratique on préfère stocker les informations temporaires dans l'état d'excitation, et les informations à long terme dans les poids et dans la topologie du réseau).

99,8 % de réussite au reCAPTCHA ! C'est un score inhumain, trop de réussite, c'est donc un bot !

Je sais quel est la première utilisation concrète de cet algorithme : l'identification précise de l'emplacement des numéro dans les rues "virtualisé" sur Google Street. Actuellement quand on cherche sur le GPS Google est le meilleur pour positionner un numéro mais cela ne veut pas dire qu'il soit bon...
Maintenant j'aurais envie de mettre cet Algo en Open Source, je pense que c'est l'intention de Google mais se pose un problème de sécurité profonde : les Captcha...

Quel sera le prochain test d'humanité? J'ai vu des tests ou il y a un question a comprendre du style : notez les caractère sous un petit rond. On en arrivera a de vrai test de QI