為了提高網站用戶體驗和營銷轉化效果，諸如用戶注冊、留言反饋、簡歷投遞、市場調查等與瀏覽者互動模塊，越來越多被使用。這自然提高了用戶認知與體驗，但隨之而來的是各種機器掃描惡意破解、注冊等，置網站于安全風險的同時也讓網站管理人員無效工作量增加。
以網站上最常用的留言反饋為例，如果表單設計稍后疏忽，就會收到各種惡意加塞提交的小廣告。有些提交數據，甚至嘗試注入破壞代碼等，以試圖篡改網站頁面內容。驗證碼的出現，為各種非人為提交行業增加一道甄別關卡。比如，一些在一些大型的電商網站上，如果用戶使用環境出現大幅度變化。就會要求短信驗證，將驗證碼發送至用戶手機，自然可以有效確認行為是否為用戶本身操作。驗證碼的出現，現實有效解決了網站安全問題。但是諸如曾經的12306網站訂票時出現的頭痛驗證碼，又給用戶平添煩惱。所以在網站建設時，選用網站驗證碼一定要兼顧安全和用戶體驗。
是不是所有驗證碼都可以提高網站安全性？答案：不是！人工智能的出現會顛覆傳統驗證碼。
為了核查登錄用戶是否為真人，世界各地的網站廣泛使用復雜的驗證碼技術。但一項新研究說，人工智能已可高效破解驗證碼，比如識別出變形的文字等。
美國凡思智能公司研究人員２６日在美國《科學》雜志上發表論文，提出了一個用于物體識別的計算機視覺模型——遞歸皮層網絡，其核心是模擬人腦基于形狀對物體進行辨別的機制開發出一種新型算法，讓計算機同樣能夠基于形狀來識別物體。
《科學》雜志的介紹說，這代表人工智能研究取得了“關鍵性進展”。
傳統的深度學習算法需要非常龐大的數據作支撐，而遞歸皮層網絡強調在模型建構中引入高效的先驗知識，所以只需要很少量數據就可以達到類似甚至更好的識別效果。
他說：“如果用人腦的工作方式來打比方，深度學習的工作邏輯更接近于機械的記憶和經驗，而遞歸皮層網絡技術還包括了更智能的推理和演繹?！?/p>
具體而言，在實際應用中，只需要提供給遞歸皮層網絡描述物體形狀的訓練圖片，計算機就能成功將目標物體從復雜背景中分離。實驗顯示，遞歸皮層網絡可以有效識別真實場景中的文字，并具有較好的通用性，即一個模型有效破解不同變體的驗證碼，比如變形的文字和復雜背景中的驗證碼。
遞歸皮層網絡對數據的利用效率是一些深度學習算法的３００倍，超過以往很多優秀的驗證碼破解算法，而且通用性強，是人工智能領域繼目前流行的深度學習算法之后的最新學術成果。
“我們在研發過程中把破解驗證碼問題作為一個具體的應用場景。但這不是該算法的主要應用，更不是該算法的建構初衷，”他說，“該算法對于工業流水線自動化、智能化有廣泛的應用前景。如我們可以通過較少量數據模擬適應不同的工業應用場景，大大提升工業機器人的智能水平和生產效率?！?/p>
