摘要

  • reCAPTCHA 将已知答案的单词与尚待辨认的扫描词配对，让网站入口同时承担身份测试和文字转录。
  • 2008 年论文规定，前三个人的答案一致且都不同于两套 OCR 的猜测时，这个词才会进入后续考题；抄录入库另有较低门槛。

一道考题也能升职。先让人皱眉头，等三个人给出一致答案，它便有机会坐到桌子另一边，判断后来的人有没有答对。早期 reCAPTCHA 的这套人事制度，管的是旧书里的单词。

Carnegie Mellon University 的2007 年项目介绍描述了一个务实交换：访客想进入网站，系统借机请他认一认光学字符识别程序没读懂的印刷文字。模糊的旧字于是搭上网页表单，等待一双新的眼睛。

具体怎样判卷，写在团队的2008 年原论文里。系统先让两套 OCR 读取扫描页，比较输出和英语词典。两套结果不同，或词不在词典里，都会触发人工辨认。题目放两个词，一个答案已知，一个待解，位置随机，再加上图像扰动。

访客答对已知词，另一项输入就成为待解词的候选答案。同一个待解词还会交给别人看，每回采用不同的扰动。一次成功通关，留下的是一张票；后台还得数票。

抄进书里，与拿去考人

计票规则颇有意思：人的答案一票，OCR 的答案半票；转录采用的拼写至少要拿到 2.5 票。因此，两个人意见一致，再得到一套 OCR 的支持，就可以达到抄录门槛。

升格为考官，要求更高。最先三个人必须答得一样，而且与两套 OCR 的答案都不同，这个词才能变成以后使用的已知词。原本让机器犯难的地方，由人确认后，成为机器用来检查人的材料。考生帮忙印了下一场考试的卷子。

当然，印刷品也有实在看不清的地方。若一个词在得到认可拼写前被六名用户拒绝，系统就把它按无法辨认处理。换一组题的按钮，也在替档案清理悬案。

这件事的起点很具体：学校在 2009 年的原始公告记载，reCAPTCHA 于 2007 年推出，相关公司在 2008 年成立，2009 年被 Google 收购。回看早期设计，网页入口获得了一种生产能力：它收集答案，也生产将来用来验收答案的标准。看起来只是填了两个词，后台已经办完一场小型晋升。