Tópico: Usuários de computadores estão digitalizando livros sem saber

[Unknown]

Usuários de computadores estão digitalizando livros sem saber


Tela mostrando um reCaptcha, que usa o mecanismo de segurança para decifrar palavras não entendidas pelo OCR.

Milhões de usuários de computadores estão digitalizando o equivalente a 160 livros diariamente com uma precisão superior a 99%, ainda que a maioria deles não saiba que está ajudando nesta tarefa gigantesca.

Captcha útil

O trabalho começou há cerca de um ano, quando pesquisadores da Universidade Carnegie Mellon, nos Estados Unidos, colocaram no ar o reCAPTCHA. CAPTCHA é o nome daquele monte de letras e números embaralhados que se deve digitar para se cadastrar em um site ou para confirmar o envio de um correio eletrônico.

Em vez de ser uma mera medida de segurança que os sites utilizam para evitar a ação de spammers, o reCAPTCHA mostra palavras de verdade capturadas de livros por meio de scanners e que não puderam ser interpretadas pelas ferramentas de reconhecimento de caracteres, os chamados OCR (Optical Character Recognition).

Reconhecimento de palavras

Mas como o programa sabe que o usuário digitou a palavra correta? O sistema funciona assim: o software do reCAPTCHA pega uma palavra conhecida e outra que não foi reconhecida pelo OCR, e apresenta ambas ao usuário. Se o usuário interpretou corretamente a primeira, o programa assume que a segunda também foi interpretada corretamente. O mesmo conjunto é apresentado seguidamente a vários usuários, até que, estatisticamente, ele tenha certeza de que a palavra foi mesmo reconhecida.

Milhares de sites ao redor do mundo já adotaram o reCAPTCHA, que é gratuito. Durante seu primeiro ano de funcionamento, 1,2 bilhão de captchas foram resolvidos e mais de 440 milhões de palavras foram corretamente decifradas. Isso equivale à digitalização de 17.600 livros.

http://www.inovacaotecnologica.com.br/noticias/noticia.php?artigo=usuarios-de-computadores-estao-digitalizando-livros-sem-saber&id=010150080821

[Andre]

E onde estão esses livros eletrônicos?

[Dodo]

E onde estão esses livros eletrônicos?

Internet Archive e velhas edições do New York Times.

[FxF]

Se o usuário interpretou corretamente a primeira, o programa assume que a segunda também foi interpretada corretamente.

Dá pra vandalizar o treco. Se você tiver preguiça de digitar 2 palavras, digite a que você ache mais fácil de um computador interpretar e a outra digite qualquer coisa...

[Eremita]

Se eu tiver direito a consultar as fontes que o Captcha está digitalizando, OK. Se não, vou exigir meus direitos por participar do treco.

[Luis Dantas]

Se o usuário interpretou corretamente a primeira, o programa assume que a segunda também foi interpretada corretamente.

Dá pra vandalizar o treco. Se você tiver preguiça de digitar 2 palavras, digite a que você ache mais fácil de um computador interpretar e a outra digite qualquer coisa...

DARIA, se os analistas não tivessem tomado o cuidado de colocar as palavras da segunda coluna também na primeira.  O que certamente fizeram.  Dessa forma, o próprio sistema detecta divergências de leitura do texto e sinaliza as palavras para conferência adicional.

[J Ricardo]

Escravos cibernéticos.

Cu.

[Q]

interessante

[Tupac]

afff, manipulação de massas...

[Dbohr]

Os usuários são avisados que as senhas estão sendo utilizadas para isso? Então boa idéia.

Não sabem? Manipulação.

[Tash]

Ao clicar na interrogação da box do reCaptcha, tem uma breve descrição do sistema. Mesmo se não tivesse, eu acho válido... sistemas de captcha bons são caros, esse aí é grátis e muito bom.

[Fabulous]

Será que isso também serve para sites como uol quando vai entrar no bate papo?

[Q]

Acho que isto não se aplica.
Pq tem lugares que pede pra confirmar com letras e numeros.

[Eremita]

Acho que isto não se aplica.
Pq tem lugares que pede pra confirmar com letras e numeros.

2.

Mas serve pra Wikipédia, por exemplo, que sempre pede duas palavras.
...já que a gente vai digitar aquelas letras e números no UOL, bem que poderiam tacar ali o Captcha, não? Ao menos, seria algo útil!

[Q]

Ah ...entendi ...
Isso é especifico e não geral?

[Fabulous]

Mas que é foda ficar trabalhando pros outros, sem saber e de graça, isso é viu!!!

[FxF]

Te obrigam a ver o site...?

[Fabulous]

A digitar.

[Eremita]

Mas que é foda ficar trabalhando pros outros, sem saber e de graça, isso é viu!!!

É como eu disse. Se eu tiver acesso às fontes, assim que digitalizadas, concordo plenamente. O esforço não é nada sobre-humano, e é interessante eu saber que estou ajudando em algo que vai ser útil pra mim mesmo também.

Ah ...entendi ...
Isso é especifico e não geral?

Só alguns sites usam o Captcha, entre eles a Wikipédia, se não me engano.

A digitar.

Obrigam com ou sem o Captcha. Vide o chat do UOL - sem Captcha, mas você precisa ficar digitando aquelas porcarias mesmo assim...

[FxF]

A digitar.

Isso faz parte do site, você pode optar...

[Wolfischer]

No UOL e alguns outros as combinações de letras e numeros às vezes são tão confusas que eu erro duas ou três vezes antes de acertar.

[Eremita]

No UOL e alguns outros as combinações de letras e numeros às vezes são tão confusas que eu erro duas ou três vezes antes de acertar.

Idem. O Captcha, embora exija um texto um pouco maior (entre 4 e 8 letras), é mais fácil de distinguir por causa do contexto (você sabe, p.ex., que a palavra é "morning", e não "mornin9"). Já com números e letras aleatórios você precisa analisar cada uma separadamente, o que exige mais trabalho que errar de propósito pra uma imagem mais fácil aparecer.