如何在王珞丹裡面找出白百合？如何在春哥叢中發現姚明？也許你曾被12306那些神奇的驗證碼所折磨，也許你曾看著那些被折磨的傢伙而心中竊喜。無論怎樣的搞怪和奇葩，它們存在的根本目的其實是保護多數人的利益，維護一個正常的網路環境。
根據海外網報導，論壇上留言，社交網站裡註冊帳號，或者直接在網上買一張火車票……驗證碼隨處可見，在一定程度上阻擋了惡意軟體的肆虐。那麼，最初的驗證碼又是什麼樣子呢？
CAPTCHA
早在2000年，卡內基梅隆大學的Luis von Ahn發明瞭一種工具，以抵制網路上的不良軟體程序。假如你要在線購買車票，那麼你需要過目一組扭曲的字母，並輸入正確內容。這樣，系統可以將你判定為人類，而非機器程序。這就是所謂的CAPTCHA （Completely Automated Public Turing test to tell Computers and Humans Apart）。
然而，隨著惡意軟體的進步，驗證碼也跟著提升了難度，這使人們在辨識圖案這件事上要花費更多的精力。偶爾，也會出現些令人尷尬的情形。據說Yahoo曾收到一條求救資訊，詢問系統出現了『W A I T』字樣，可是他等了20分鐘卻沒有任何反應。
如果說這是一場介於網站和惡意程序/用戶之間的競爭，那麼最大的受害者是普通用戶。據Google統計，每天，地球人至少要填寫2億個驗證碼。平均來講，人們搞定一個驗證碼需要10秒的時間。往往我們還會因為看不清楚而不得不換一個新的來輸入。按照這些資料計算，人類每天在驗證碼上就浪費了50多萬個小時。這實在是一件令人沮喪的事。
兩個驗證碼
這樣大數量級的時間浪費問題再一次激發了Luis von Ahn，他開始思考，是否有什麼方法可以把這些碎片時間利用起來，哪怕僅僅是那短暫的10秒。面對如此奇妙的設想，他居然找到了答案。
如果你曾經填寫過類似下面形式的驗證碼，那麼恭喜你，儘管你可能並不知情，但實際上你在做著一件很有意義的事情——為舊書電子化。
解決這一問題的傳統做法是直接掃描書頁，然後由電腦來辨認圖片中的文字。這就是所謂的光學字元識別（OCR）。然而這一技術並沒有我們以為的那樣理想，對於一本50年前的舊書，電腦可正確辨識的文字甚至達不到30％。我們所看到的那些扭曲怪詞正是出自這樣的舊書。當然，這些辭彙變得扭曲只是為了抵抗那些惡意程序。
問題來了，如何判斷人們輸入的詞正確與否呢？上圖中出現的雙詞形式正是Von Ahn給出的解決方法。對於從舊書中提取出來的陌生詞語，電腦並不知道答案，所以也無法判斷電腦前的真人輸入的是否正確。但是系統可以多給出一個詞，這個詞系統是知道其正確文字內容的。輸入驗證碼的用戶並不知道哪個是哪個的，只是順其自然地把兩個詞都填上。
如果電腦知道正確答案的那個詞我們輸入對了，那麼系統會判定用戶是真人，從而推斷另一個輸入的詞也是正確的。當然，這樣一次判斷是不夠的。透過重複這一過程，如果還有（比如） 10個真人都輸入了相同的內容，那麼系統才會認為這個未知詞語真正得到了數字化。
這就是所謂的reCAPTCHA。在國外，Ticketmaster，Facebook，Twitter等很多站點都曾使用過這種技術。據統計，透過這種方法每天可以數字化的辭彙可達1億個。也就是說，每年會有250萬本書被數字化，而這一壯舉只不過是基於我們最簡單不過的填寫驗證碼完成的。儘管reCAPTCHA較以往的驗證碼難度更大，但資料表明，人們輸入的正確率高達92％。
然而這還並非最了不起的數字。要知道，很多偉大的工程都需要耗費巨大人力。很巧的是，建造埃及金字塔，修建巴拿馬運河，或者把一個人送上月球，這些事都牽扯了大約10萬人。這也不難理解，在互聯網出現以前，調度和照顧10萬人以上是很困難的事。如今，在將人類文化與知識數字化這一工作上，透過雙詞驗證碼做出過貢獻的個人超過了7.5億，這已經超出了世界人口的十分之一。試想，10萬人可以把一名太空人送上月球，那麼1億人能做出什麼？7.5億人又能實現什麼？
多鄰國（Duolingo）
Von Ahn並沒有停下腳步，順著這條思路，他又將故事推向了新的高度。也許你聽說過多鄰國（Duolingo），沒錯，正是驗證碼的發明者開發了這個語言學習平台。上億人在學習外語的同時，也在幫助翻譯資料。
我們知道，網路中的內容大部分為英文，而其他語言儘管比例相對略低，但體量依然巨大。Von Ahn想做的事是將網路中的大部分內容翻譯成各種主流語言。這件事目前仍無法依賴電腦來完成，原因同OCR一樣。當然，也有專業語言機構可以提供此種服務，但問題是費用極其昂貴。我們選取維基百科為例，其西班牙語版本內容僅為英語版內容的20％，如果把另外80％全部翻譯為西班牙語，那麼這至少需要5000萬美元。而Von Ahn則想讓上億人在不經意間攜手完成這一壯舉。
要實現這一點，至少需要克服兩個困難。一是需要擁有雙語能力的人；二是需要這些人有足夠的動機去做翻譯之類的事。哪一條看起來都很棘手，我們甚至不知道世界上有沒有1億人具備雙語能力，更別說引導他們去做翻譯工作。
然而有一件事正好可以一箭雙雕，那就是語言教育。如今，世界上有超過12億人在學習一門外語。單在美國，花上500美元購買語言軟體的人就超過500萬。Von Ahn卻反其道而行之，開發了Duolingo這款免費語言學習系統。
其基本原理在於人們免費學習語言的同時，也在翻譯內容。無論初級還是高級用戶，系統會分配相當難度的語句讓你翻譯，透過比對其他用戶的翻譯結果，你不斷地學習了這些內容。也就是說，人們都是在邊做邊學。令人驚訝的是，這一理念在實際應用中極為有效。
有趣的是，幾個初級水準的用戶合起來的效果與一名專業翻譯人員的貢獻相當。人們在學習的同時，也在創造價值。還以維基百科西班牙版為例，如果將那80％英文內容全部譯為西班牙語，在擁有10萬個活躍用戶的情況下只需5周時間；如果有100萬個活躍用戶，將只要80個小時。記住，這可是個價值5000萬美元的專案。
當然，多鄰國總是要盈利的。Von Ahn曾親自在網上表示，其盈利模式有兩點：一是付費翻譯。CNN和Buzzfeed這樣的機構會將待譯的英文內容交給將他們，多鄰國系統將這些內容發到正在學習英文的人手中，使其將新聞翻譯成各自的母語。CNN自然會為這些地道的文章買單；另外一點就是App的語言測試服務。大家知道，託福或者雅思考試收費很高，而你大概只需要一兩百塊錢就可以參加多鄰國提供的語言水準測試。這一點也很有競爭力。
儘管如此，我們不要忘記，這一系統的最大意義在於免費面向全人類。能夠花500美元買軟體的人也許只占5％，世界上還有95％的人無法承受這一負擔，卻同樣擁有學習的渴望。在創業過程中，這樣的商業模式與驅動模式非常值得我們借鑑。
我是廣告 請繼續往下閱讀
CAPTCHA
早在2000年，卡內基梅隆大學的Luis von Ahn發明瞭一種工具，以抵制網路上的不良軟體程序。假如你要在線購買車票，那麼你需要過目一組扭曲的字母，並輸入正確內容。這樣，系統可以將你判定為人類，而非機器程序。這就是所謂的CAPTCHA （Completely Automated Public Turing test to tell Computers and Humans Apart）。
然而，隨著惡意軟體的進步，驗證碼也跟著提升了難度，這使人們在辨識圖案這件事上要花費更多的精力。偶爾，也會出現些令人尷尬的情形。據說Yahoo曾收到一條求救資訊，詢問系統出現了『W A I T』字樣，可是他等了20分鐘卻沒有任何反應。
如果說這是一場介於網站和惡意程序/用戶之間的競爭，那麼最大的受害者是普通用戶。據Google統計，每天，地球人至少要填寫2億個驗證碼。平均來講，人們搞定一個驗證碼需要10秒的時間。往往我們還會因為看不清楚而不得不換一個新的來輸入。按照這些資料計算，人類每天在驗證碼上就浪費了50多萬個小時。這實在是一件令人沮喪的事。
兩個驗證碼
這樣大數量級的時間浪費問題再一次激發了Luis von Ahn，他開始思考，是否有什麼方法可以把這些碎片時間利用起來，哪怕僅僅是那短暫的10秒。面對如此奇妙的設想，他居然找到了答案。
如果你曾經填寫過類似下面形式的驗證碼，那麼恭喜你，儘管你可能並不知情，但實際上你在做著一件很有意義的事情——為舊書電子化。
解決這一問題的傳統做法是直接掃描書頁，然後由電腦來辨認圖片中的文字。這就是所謂的光學字元識別（OCR）。然而這一技術並沒有我們以為的那樣理想，對於一本50年前的舊書，電腦可正確辨識的文字甚至達不到30％。我們所看到的那些扭曲怪詞正是出自這樣的舊書。當然，這些辭彙變得扭曲只是為了抵抗那些惡意程序。
問題來了，如何判斷人們輸入的詞正確與否呢？上圖中出現的雙詞形式正是Von Ahn給出的解決方法。對於從舊書中提取出來的陌生詞語，電腦並不知道答案，所以也無法判斷電腦前的真人輸入的是否正確。但是系統可以多給出一個詞，這個詞系統是知道其正確文字內容的。輸入驗證碼的用戶並不知道哪個是哪個的，只是順其自然地把兩個詞都填上。
如果電腦知道正確答案的那個詞我們輸入對了，那麼系統會判定用戶是真人，從而推斷另一個輸入的詞也是正確的。當然，這樣一次判斷是不夠的。透過重複這一過程，如果還有（比如） 10個真人都輸入了相同的內容，那麼系統才會認為這個未知詞語真正得到了數字化。
這就是所謂的reCAPTCHA。在國外，Ticketmaster，Facebook，Twitter等很多站點都曾使用過這種技術。據統計，透過這種方法每天可以數字化的辭彙可達1億個。也就是說，每年會有250萬本書被數字化，而這一壯舉只不過是基於我們最簡單不過的填寫驗證碼完成的。儘管reCAPTCHA較以往的驗證碼難度更大，但資料表明，人們輸入的正確率高達92％。
然而這還並非最了不起的數字。要知道，很多偉大的工程都需要耗費巨大人力。很巧的是，建造埃及金字塔，修建巴拿馬運河，或者把一個人送上月球，這些事都牽扯了大約10萬人。這也不難理解，在互聯網出現以前，調度和照顧10萬人以上是很困難的事。如今，在將人類文化與知識數字化這一工作上，透過雙詞驗證碼做出過貢獻的個人超過了7.5億，這已經超出了世界人口的十分之一。試想，10萬人可以把一名太空人送上月球，那麼1億人能做出什麼？7.5億人又能實現什麼？
多鄰國（Duolingo）
Von Ahn並沒有停下腳步，順著這條思路，他又將故事推向了新的高度。也許你聽說過多鄰國（Duolingo），沒錯，正是驗證碼的發明者開發了這個語言學習平台。上億人在學習外語的同時，也在幫助翻譯資料。
我們知道，網路中的內容大部分為英文，而其他語言儘管比例相對略低，但體量依然巨大。Von Ahn想做的事是將網路中的大部分內容翻譯成各種主流語言。這件事目前仍無法依賴電腦來完成，原因同OCR一樣。當然，也有專業語言機構可以提供此種服務，但問題是費用極其昂貴。我們選取維基百科為例，其西班牙語版本內容僅為英語版內容的20％，如果把另外80％全部翻譯為西班牙語，那麼這至少需要5000萬美元。而Von Ahn則想讓上億人在不經意間攜手完成這一壯舉。
要實現這一點，至少需要克服兩個困難。一是需要擁有雙語能力的人；二是需要這些人有足夠的動機去做翻譯之類的事。哪一條看起來都很棘手，我們甚至不知道世界上有沒有1億人具備雙語能力，更別說引導他們去做翻譯工作。
然而有一件事正好可以一箭雙雕，那就是語言教育。如今，世界上有超過12億人在學習一門外語。單在美國，花上500美元購買語言軟體的人就超過500萬。Von Ahn卻反其道而行之，開發了Duolingo這款免費語言學習系統。
其基本原理在於人們免費學習語言的同時，也在翻譯內容。無論初級還是高級用戶，系統會分配相當難度的語句讓你翻譯，透過比對其他用戶的翻譯結果，你不斷地學習了這些內容。也就是說，人們都是在邊做邊學。令人驚訝的是，這一理念在實際應用中極為有效。
有趣的是，幾個初級水準的用戶合起來的效果與一名專業翻譯人員的貢獻相當。人們在學習的同時，也在創造價值。還以維基百科西班牙版為例，如果將那80％英文內容全部譯為西班牙語，在擁有10萬個活躍用戶的情況下只需5周時間；如果有100萬個活躍用戶，將只要80個小時。記住，這可是個價值5000萬美元的專案。
當然，多鄰國總是要盈利的。Von Ahn曾親自在網上表示，其盈利模式有兩點：一是付費翻譯。CNN和Buzzfeed這樣的機構會將待譯的英文內容交給將他們，多鄰國系統將這些內容發到正在學習英文的人手中，使其將新聞翻譯成各自的母語。CNN自然會為這些地道的文章買單；另外一點就是App的語言測試服務。大家知道，託福或者雅思考試收費很高，而你大概只需要一兩百塊錢就可以參加多鄰國提供的語言水準測試。這一點也很有競爭力。
儘管如此，我們不要忘記，這一系統的最大意義在於免費面向全人類。能夠花500美元買軟體的人也許只占5％，世界上還有95％的人無法承受這一負擔，卻同樣擁有學習的渴望。在創業過程中，這樣的商業模式與驅動模式非常值得我們借鑑。