【过程图灵测试：验证码如何靠行为特征识破AI】

快速阅读：AI 虽然能像人一样通过 CAPTCHA 测试，但其解题的“过程”与人类截然不同。通过监测点击路径、方向变化等行为特征，我们可以建立一套“过程图灵测试”，在不牺牲用户隐私的前提下识别 AI 代理。

即使 AI 能精准识别出图片里的消防栓，它在点击时的动作也透着一股“机器味”。

最近的研究发现，AI 解决 CAPTCHA 的逻辑和人类完全不在一个频率上。如果把解题看作是一个指令流水线，人类的操作充满了随机的犹豫、非线性的轨迹和偶尔的误触；而 AI 的行为模式在统计学上呈现出高度的规律性，比如特定的点击序列或过度选择行为。

这让我想起了一个很有意思的逻辑：目前的识别重点正从“输出结果”转向“执行过程”。

以往我们觉得 CAPTCHA 没用了，因为视觉模型（VLM）已经能看懂图了。但如果把任务从“看懂”升级为“像人一样思考并操作”，难度就完全不同了。这就像是在做一场“过程图灵测试”。即便 AI 的输出结果（Output）达到了人类水平，它的执行路径（Process）依然能暴露身份。

有网友提到，这种检测其实是在通过行为生物识别来增加攻击者的成本。对于机器人来说，要模拟出人类那种“不完美的随机性”是非常昂贵的。

不过，这事儿也有个悖论。如果为了区分 AI 而不断增加认知难度，最终可能会让真正的用户也感到痛苦。有观点认为，如果一个验证码需要人类进行高强度的认知推理，那它可能已经不再是一个验证工具，而是一个阻碍。

现在的局面更像是一场猫鼠游戏。AI 正在通过微调（Fine-tuning）试图模仿人类的行为特征，试图抹平这种统计学上的差异。但只要 AI 还无法完全模拟人类那种基于生物本能的、不可预测的决策过程，这道防线就依然有效。

问题在于，当 AI 能够通过学习人类的海量行为数据来“伪造”这种随机性时，我们还能靠什么来定义“人”？

research.roundtable.ai/captchas-detect-ai/