CAPTCHA: Kenapa Kita Bisa Baca dan Robot Tidak

Contoh CAPTCHA standar yang sering dijumpai

Kita pasti pernah lihat yang seperti itu. Dibuat agar para spammer tidak nongkrong di bagian komentar blogmu atau untuk memastikan kamu "benar-benar manusia" saat mendaftar sebuah akun. Kadang kita jumpai berbentuk gambar seperti contoh yang diatas. Itu dinamakan CAPTCHA, kepanjangan dari Completely Automated Public Turing Test to tell Computers and Humans Apart. (Tes turing yang sepenuhnya otomatis untuk memberitahu komputer dan manusia terpisah). Turing Test atau Tes Turing adalah usulan untuk mengetes kemampuan sebuah mesin untuk melakukan percakapan seperti manusia. Walaupun ada sebuah kontroversi siapa yang menciptakan CAPTCHA, prosesnya pertama kali di patenkan pada tahun 1998 oleh Mark D. Lillibridge, Martin Abadi, Krishna Bharat, dan Andrei Z. Broder di AltaVista.

Kenapa CAPTCHA begitu efektif? Karena meskipun sangat sederhana bagi kita membaca kata yang dikaburkan dan terdistorsi dalam sebuah gambar, tapi tak ada yang bisa memprogram sistem untuk membacanya secara otomatis sejauh ini. Komputer dapat diprogram untuk memindai teks yang dicetak pada sebuah kertas dan membaca kata dalam kertas tersebut. Namun, jika teksnya terlalu kabur dan terlalu banyak distorsi, program akan sulit mengenalinya. Seorang manusia melihat kertas yang sama dapat membaca teksnya, namun sistem otomatis yang paling mutakhir tak akan bisa membacanya.

Sekelompok ilmuwan di Institut Salk pada bagian Penelitian Biologi mulai mengungkap kompleksitas yang menakjubkan dibalik kemampuan kita untuk menafsirkan pengelihatan.

Para ilmuwan sudah lama mengetahui ada beberapa "tingkatan" penafsiran yang ada pada sistem visual manusia. Sel sensitif-cahaya pada mata mengirimkan sinyal ke otak, dan sinyal-sinyal tersebut diproses oleh sel otak yang disebut neuron. Beberapa neuron pertama memproses sinyal yang datang dari mata hanya mampu melihat informasi yang datang dari sebagian kecil area yang diamati. Namun, neuron-neuron itu mengirimkan hasil pengamatan mereka ke neuron lain untuk diolah lebih lanjut, dan neuron-neuron itu mengirimkan sinyal mereka ke sekumpulan tingkat atas neuron lain. Saat pemrosesan sinyal mencapai sebuah area otak yang disebut V4, neuron-neuron disana akhirnya memproses informasi untuk menfasirkan pengelihatan yang datang dari sebagian besar apa yang sedang dilihat oleh mata. Pemrosesan semacam ini memungkinkan otak untuk mengenali bentuk, seperti garis dan kurva (garis lengkung).

Sebagai contoh, saat melihat nomor "5". Neuron awal yang memproses informasi visual yang datang dari mata tidak melihat adanya sebuah nomor sama sekali. Mereka hanya melihat bagian kecil dari sebuah nomor. Namun, mereka mengirimkan informasi yang telah diproses ke neuron lain, yang melakukan lebih banyak pengolahan lalu mengirim informasi ke sekelompok neuron lain. Saat pengolahan informasi mencapat bagian V4 dalam otak, neuron-neuron disana akhirnya mengenali bentuk spesifik dari daerah yang lebih besar dari apa yang sedang diamati. Satu set neuron, sebagai contoh, akan mengenali kurva di bawah angka "5". Sekumpulan neuron lainnya mungkin mengenali garis horizontal yang ada di atas garis vertikal pada angka "5". Sebenarnya penjelasannya jauh lebih rumit lagi, tapi setidaknya ini memberi kamu gambaran bagaimana cara kerjanya.

Ilmuwan menyelidiki bagaimana neuron-neuron pada V4 merespon terhadap bentuk sederhana (seperti garis dan kurva pada nomor "5") dan bagaimana mereka merespon gambar yang mengandung bentuk-bentuk rumit (seperti gambar pemandangan).

"Meskipun penafsiran objek itu terdengar sederhana, namun ini menjadi masalah yang menantang bagi dunia komputer. Ada dua hal penting yang harus dimiliki oleh sistem penafsir objek pada komputer. Pertama, disebut invariansi: kemampuan sistem untuk mengenali dua pandangan yang berbeda dari objek yang sama. Kedua yaitu selektifitas. Selektifitas memerlukan suatu komponen pada sistem, seperti cara kerja neuron pada otak kita, yang menghasilkan respon yang berbeda pada setiap objek yang hampir sama (dapat membedakan wajah) bahkan jika dilihat dari sudut pandang yang sama. Mudah bila membuat penafsir objek invarian tetapi tidak selektif atau selektif tetapi tidak invarian. Tetapi sulit saat membuat sistem penafsir objek yang memiliki sifat keduanya, selektif dan invarian."

Dengan kata lain, untuk menafsirkan objek, sebuah sensor pada sistem harus merespon pada pandangan yang berbeda dari sebuah objek yang sama, tetapi harus bisa membedakan objek yang mirip (tetapi berbeda), bahkan saat dilihat dari pandangan yang sama. Sudah terpikirkan bahwa otak dapat mengolah semua ini pada saat sinyal mencapai bagian V4 pada otak. Dengan kata lain, sudah terpikirkan juga bahwa neuron pada V4 bersifat selektif dan invarian. Keduanya bisa menafsirkan kurva atau garis pada nomor "5" dimanapun garis/kurva tersebut ada di area pandang.

Ini menunjukan bahwa neuron V4 invarian saat memproses bentuk sederhana (seperti garis pada nomor "5"), tetapi mereka menjadi tidak invarian saat memproses bentuk yang rumit (seperti kurva pada nomor "5"). Agar sistem visual menjadi invarian dengan bentuk yang rumit, proses selanjutnya harus dilakukan. Tentu saja ini masuk akal, karena akan lebih mudah untuk memproses bentuk sederhana daripada memproses bentuk rumit. Namun, sampai sekarang, kita belum mengapresiasi kedalaman pemrosesan ini yang diperlukan.

Jadi mengapa kita bisa membaca/menafsir CAPTCHA sedangkan sistem otomatis yang sebegitu mutakhir yang ada di masa kini tidak bisa menafsirkannya? Karena otak kita bisa memproses rangsangan visual sehingga informasi bersifat selektif dan invarian. Saat ini, teknologi terbaik yang manusia ciptakan tidak bisa menandingi tingkah laku otak kita. Tapi tentu saja, semakin kita mempelajari lebih lanjut tentang bagaimana otak menghasilkan selektifitas dan invariansi, sistem otomatis yang manusia buat akan semakin baik, karena para pembuat sistem otomatis akan meniru (dengan cara yang kasar) rancangan sang maha pencipta.
CAPTCHA: Kenapa Kita Bisa Baca dan Robot Tidak CAPTCHA: Kenapa Kita Bisa Baca dan Robot Tidak Reviewed by Andi on 24 Oktober Rating: 5