驗證機制的悖論:在AI時代證明人類身分的挑戰與未來

驗證機制的悖論:在AI時代證明人類身分的挑戰與未來
Photo by Andy Kelly / Unsplash

在科技快速發展的今日,我們面臨著一個奇特的矛盾:那些致力於開發最先進人工智能的公司,同時也在投入大量資源開發機制——驗證碼(captcha)——來防止機器冒充人類。這種矛盾不僅僅是表面上的諷刺,更揭示了更深層次的科技發展悖論。

證明自己是人類的荒謬困境

每一天,我們這些真正的人類正越來越難以證明自己是人類,而機器卻能輕鬆解決這些令人煩惱的驗證難題。我們已經到了一個令人啼笑皆非的地步:辨識扭曲的文字、尋找企鵝或識別模糊的腳踏車圖片,對人類來說遠比對GPT-4或Gemini等多模態模型更具挑戰性。

更諷刺的是,隨著機器變得越來越智能,人類反而越來越難以證明自己的人類身份。這場軍備競賽已然變得荒謬,而且不可能永遠持續下去。

這不僅是一種諷刺,更是一種結構性矛盾。我們花了數十年時間建造旨在匹配或超越人類能力的智能系統,同時又開發工具以防止這些系統進入我們的數位空間。

這導致了一個看似技術性精神分裂的悖論:在這個世界中,人類必須越來越多地通過設計來阻擋他們自己創造的智能的測試。

超越驗證碼:建立人類層

但這不僅僅是用戶體驗問題,它是一個文明層面的挑戰。

如果任何人在任何地方都可以啟動一個模仿人類行為的AI,我們就需要一種方法來證明數位空間中的人格身份。

越來越多的項目正在開發新方法來區分人類和機器,超越過時的驗證碼邏輯。我了解大約十幾個或多或少活躍或先進的項目,但我認為以下兩個是最有前景的:

  • World(前身為Worldcoin,由OpenAI的Sam Altman於2019年共同創立),使用虹膜掃描創建獨特、私密的「人格證明」——可在線上驗證而無需透露您的身份;
  • Humanity Protocol(2023年成立),基於掌紋識別,讓人們能夠私密且持續地驗證自己。

這兩個項目採用了類似的方法,使用生物識別技術、區塊鏈、加密代幣(分別是$WLD和$H)以及零知識證明(ZKP)。它們都有一定爭議——在我看來,這些爭議源於對ZKP的理解不足,或是對生物識別和加密貨幣的意識形態偏見。兩者都可被視為早期階段項目,但它們正在獲得關注:截至2025年5月,World已有超過1200萬名經過驗證的用戶(以及800萬名月活躍用戶),而Humanity Protocol已在其測試網絡上吸引了超過600萬人。

即使這些項目並不完美,它們的存在卻是絕對必要的。

在人工智能時代,我們需要一個「通用人類憑證」——就像網頁瀏覽器、銀行卡或電子郵件地址一樣基本的工具。一個去中心化信任的公共層,讓任何人都可以證明自己是一個人,而無需證明自己是「誰」,並且最好不洩露個人數據、不暴露生物識別信息,也不依賴中央化監控系統。

無論採用何種方式,我們迫切需要在真實用戶和算法代理之間、在人類和機器之間建立一個實際的數位界限。沒有它,數位世界將成為匿名實體的模糊集合,無從知曉我們正在與「誰」或「什麼」互動。

終極悖論

但問題比線上訪問或防欺詐更加深層。

人工智能開發的主要目的之一是建立能夠代表我們行動的代理——聰明、自主且高效。我們已經見證了這類系統的崛起。AI代理現在可以預約會議、代表我們撰寫郵件、管理日曆、處理線上購物或填寫複雜表格。在不遠的將來,它們將管理稅務、客戶服務互動、旅行安排等更多事務。

這不僅是便利的選擇——它將成為首選。

人類情緒波動、不可靠、容易犯錯、緊張甚至粗魯。在AI主導的演變中,服務提供者和商家可能會更傾向於與代表人類的AI代理打交道,而不是與人類本身互動。

像沃爾瑪這樣的公司已經在準備迎接AI驅動的購物代理成為他們的下一個主要客戶。不久,人類互動可能會被視為一種不便。

需要更新護照?您的AI助手可以處理。想要解決帳單糾紛?您的機器人比您更懂得如何與呼叫中心溝通。這些系統不是推測性的——它們在關鍵任務中已經開始超越它們所代表的人類。

這帶來了最終的轉折。

如果機器人和代理成為數位生活的默認界面,而且它們比我們做得更好,那麼驗證碼的邏輯將會顛倒。在未來,我們可能不會被要求「證明您不是機器人」,而是需要「證明我們是機器人」——或至少是由機器人代表的。

在那個時點,我們可能會看到驗證碼阻擋人類——只允許經過驗證的代理進入。

這就是我們時代的真正悖論:我們建造機器來取代自己——然後又建造障礙來阻止它們。現在,我們可能被迫接受這樣一個現實:我們創造的AI不僅是我們的工具,更已成為我們的官方代表。

最終的悖論?一個機器受到歡迎的世界——而人類則必須證明自己值得被允許進入。

對新手的解釋

對於不太熟悉這個話題的讀者,讓我們簡單解釋一下:驗證碼(CAPTCHA)是一種安全措施,旨在區分真實的人類用戶和自動程序(機器人)。當您上網時,有時會被要求點擊「我不是機器人」的框,或完成小任務,如辨認圖片中的交通號誌或橫穿馬路。這些測試的設計初衷是機器無法輕易完成,但人類可以輕鬆通過。

諷刺的是,隨著AI技術的進步,特別是像GPT-4這樣的模型的出現,現在的機器反而更擅長解決這些測試,而人類則經常感到困惑或煩惱。這就是我們所說的「驗證碼悖論」:設計用來阻止機器的系統,現在對人類構成了更大挑戰。

同時,我們還看到一個更廣泛的趨勢:AI代理人或助手越來越多地代表我們處理複雜或繁瑣的任務。從安排會議到處理客戶服務查詢,AI正在成為我們在數位世界中的「代表」。這引發了一個有趣的可能性:未來我們可能需要證明我們確實是「由AI代表的」,而不是證明我們是人類。

這整個情況提出了一個關於我們與技術關係的深刻問題:當我們創造的工具變得如此強大以至於超越了我們自己的能力時,我們的角色將如何改變?這是一個值得所有人思考的問題,無論您是否對技術特別感興趣。

結語

在這個AI快速發展的世代,驗證機制的悖論不僅反映了技術矛盾,更象徵著人類與我們創造的工具之間不斷變化的關係。隨著AI代理逐漸成為我們在數位生活中的代表,「證明我是人類」可能很快轉變為「證明我有資格由AI代表」。這個轉變不僅僅是技術層面上的,更是人類在AI時代重新定位自身角色的深刻過程。

面對這個挑戰,我們需要的不僅是更好的技術解決方案,更需要對人類身份、隱私與自主權的深化理解。在機器智能日益提升的未來,確保人類仍然是技術發展方向的主導者,而非被動的跟隨者,將是我們面臨的重大課題。

Read more

寫程式碼從來不是瓶頸:LLM時代的軟體開發挑戰

寫程式碼從來不是瓶頸:LLM時代的軟體開發挑戰

多年來,我始終認為在軟體工程中,撰寫程式碼的行數從來都不是真正的瓶頸所在。 真正的瓶頸過去是,現在依然是程式碼審查、透過指導和配對進行的知識傳遞、測試、偵錯,以及協調與溝通的人為成本。所有這些都被包裹在工作票、規劃會議和敏捷儀式的迷宮中。 這些原本旨在提升品質的流程,往往比撰寫程式碼本身更能拖慢我們的速度,因為它們需要思考、共享理解和健全的判斷力。 如今,隨著大型語言模型(LLMs)使生成可運行程式碼變得比以往更快,一種新的說法出現了:撰寫程式碼曾經是瓶頸,而我們終於突破了它。 但這種說法並不完全正確。 新增軟體的邊際成本正趨近於零,尤其是有了LLMs的幫助。但理解、測試和信任該程式碼的代價是什麼?比以往更高。 LLMs轉移了工作負載——而非消除它 像Claude這樣的工具可以加快初始實現速度。但結果往往是更多的程式碼流入系統,以及對負責審查、整合和維護它的人員施加更大壓力。 這在以下情況尤為明顯: * 不清楚作者是否完全理解他們提交的內容。 * 生成的程式碼引入了不熟悉的模式或違反了既定慣例。 * 邊緣案例和非預期的副作用並不明顯。 我們最終陷入這樣一種情

By Eric Lau
每位員工250K的KPI文化:導致科技業裁員潮的主因

每位員工250K的KPI文化:導致科技業裁員潮的主因

為何我們的工作永遠充滿不確定性 在科技產業中,尤其是SaaS(軟體即服務)領域,我們正見證著一場靜默卻深刻的變革。這場變革不僅關乎技術創新,更與一個經常被忽略的關鍵績效指標(KPI)有關:每位員工創造的收入。當這個數字低於行業標準—通常為每位員工25萬美元—大規模裁員往往就在眼前。讓我們深入探討這個現象如何影響亞洲科技生態系統,以及您如何在這個波動的環境中保障自己的職業發展。 SaaS市場的爆炸性增長與現實 SaaS行業正經歷前所未有的擴張。根據最新數據: * 2020年(疫情前,AI風潮前):美國年收入超過100萬美元的SaaS公司約5,000家(其中48%採用產品主導增長策略PLG) * 2025年(AI時代,PLG效率提升):此類公司增至約15,000家(其中72%採用PLG策略) 簡而言之,越來越多的SaaS公司正競逐同一塊市場蛋糕,而這一趨勢沒有放緩的跡象。雖然個別成功的公司增長速度比以往更快,但整體競爭也更為激烈。 值得注意的是,典型SaaS/PLG業務結構中,約70%或更多的成本與員工相關。儘管AI現已成為較大的成本中心,大多數SaaS公司仍主要由人類運

By Eric Lau
少即是多:當產品出現問題時,該減少而非增加功能

少即是多:當產品出現問題時,該減少而非增加功能

在科技產業中,我們經常會有這樣的迷思:當產品不盡理想時,增加更多功能就能解決問題。然而,現實往往恰恰相反。如果您的產品核心價值不明確,添加再多花俏功能也只是掩蓋根本問題,而非真正解決它。本文將深入探討為何在產品開發中,「少即是多」的理念至關重要。 為何我們總是想要增加更多功能 作為產品開發者,我們熱愛創造。這種創造的過程令人著迷,彷彿一種有趣的嗜好而非工作。當面對產品問題時,我們的本能反應往往是:「讓我們再加些功能來解決它!」這裡加點新特性,那裡更新一些設計,然後所有策略問題就迎刃而解了,對吧? 可惜,事實並非如此。對於產品成長緩慢、用戶參與度低和留存率差等問題,這些都反映出產品整體基礎的弱點,而非僅僅缺少幾個功能。每個產品都有其核心價值主張,更多功能可以使這一價值更好,但它不能修復核心本身的問題。 產品過度擴張的危險信號 這種傾向於通過增加功能來解決問題的偏見在整個科技行業非常普遍。太多團隊在面臨困境時,他們的解決方案似乎總是構建更多產品!構建是有趣的,他們擅長這樣做,然後一切問題都變成了他們手中錘子的釘子。 然而,現實是,當業務運作不良時,正確的做法是後退一步,不是

By Eric Lau
Google 在 AI 搜尋結果中塞入更多廣告:AI 模式和 AI 概覽廣告擴展

Google 在 AI 搜尋結果中塞入更多廣告:AI 模式和 AI 概覽廣告擴展

在人工智能搜尋領域競爭日益激烈的今天,Google 正採取進一步的商業化策略,將更多的廣告內容整合到其 AI 驅動的搜尋結果中。根據最新消息,Google 即將在其 AI 模式中測試廣告投放,同時將 AI 概覽中的廣告擴展到更多平台和地區。這一舉措不僅反映了 Google 尋求更多變現渠道的努力,也揭示了 AI 搜尋商業模式逐漸成熟的趨勢。 AI 模式將開始測試廣告投放 5月21日,Google 官方宣布將開始在 AI 模式中測試廣告投放。AI 模式是 Google 最近在美國全面推出的新功能,它為用戶提供了一個類似聊天機器人的界面,使用者可以獲得搜尋內容的概述,以及相關網站的連結。 根據 Google 的說明,當用戶在 AI 模式中查詢如何建立網站時,該功能可能會提供一個循序漸進的指南,指導用戶如何入門。除此之外,還可能顯示一個被標記為「贊助」的「有用廣告」,例如網站建設工具的推薦。Google 表示,

By Eric Lau