فرض کنید می‎خواهید آرشیو بزرگی از اسناد و مدارک چاپی خود را دیجیتال‎سازی کنید. البته نه به معنای تبدیل به فایل‎های عکسی که در فضای ابری ذخیره می‎شود، بلکه تبدیل اسناد به فایل‎های متنی قابل ویرایش و جست‎وجو ؛ ساده‎ترین و کم‎هزینه‎ترین راه برای تبدیل انبوهی از اسناد کاغذی به فایل‎های متنی چیست؟

راه معمول در ایران، پرداخت هزینه زیاد به یک شرکت بزرگ در حوزه تایپ است که با به کارگیری ده‎ها تایپیست اسناد شما را بعد از گذشت مدت خیلی زیادی دیجیتال‎سازی می‎کنند. با این روش هم هزینه زیادی پرداخت کرده‎اید و هم اسناد خود را به صورت کامل در اختیار یک شرکت خصوصی قرار داده‎اید، اما تصور کنید می‎توانستید اسناد خود را تا سطح کلمات خورد کنید و در اختیار میلیون‎ها نفر قرار دهید تا این کلمات بی‎معنی را برای شما تایپ کنند. بدونه این که از هویت واقعی این کلمات، اسناد و مجموعه شما با خبر باشند. با کم‎ترین هزینه و بیشترین سرعت به اسناد دیجیتال خود دست پیدا می‎کنید.

پروژه کپچا که برای تشخیص ربات از کاربر حقیقی در اینترنت طراحی شده، این رویا را به واقعیت تبدیل کرده است. قطعا برای شما هم پیش آمده که هنگام ورود به یک سایت با یک عبارت امنیتی روبه رو شوید. ایده شگفت انگیز کپچا همین است. رمز تصادفی که کاربر با آن مواجه می‌شــود، از دو بخش تشکیل شده‌است. قسمت اول، کلمه‌ایست که توسط نرم‌افزار بصورت تصادفی تولید می‌شــود و همان هدف پیشــگیری از ورود ربات به ســایت، را محقق می‌سازد. قســمت دوم، یک کلمه از اسکن‌شده یک متن اســت که کاربر بایــد آن را تایپ کند. ســؤالی که مطرح می‌شود این اســت که چگونه باید صحت عبارات نوشته‌شــده توســط کاربران را ارزیابی کرد؟ در این مکانیزم فرض بر این اســت که تمامی عبارات واردشده صحیح هستند و پس از واردکردن رمز، هیچ کنترلی اعمال نمی‌شــود و فقط مبتنی بر قسمت اول رمز ربات از کاربر شناسایی می‎شود اما نکته اینجاســت که هر عبارت ناخوانا در قسمت دوم به «انبوهی از کاربران» ارسال می‌شــود. در نتیجه با جمع‌آوری نظر افراد زیادی و با یک تحلیل آماری ساده می‌توان به عبارت صحیح پی‎برد.

نکته دیگر این پروژه این است که این پروژه در صورتی می‌تواند موفق باشد که این ابزار از سوی ســایت‌های زیادی مورد استفاده قرار گیرد. به واسطه اســتفاده از ری‌کپچــا، در بیش از یکصد هزار ســایت، روزانه بیش از 200 میلیون کپچا بازنویسی می‌شود.

روزنامه نیویورک تایمز، با اســتفاده از این ابزار، آرشــیو چاپی روزنامه را از ابتدای سال 2009 تا سپتامبر همان سال، دیجیتال‌سازی کرد. پروژه‌ای که اگر با استفاده از روش‌های معمول سال‌ها طول می‌کشید با استفاده از جمع‌سپاری تنها چند ماه به طول انجامید.

منبع: فصلنامه راهبردی رویش، شماره اول، پاییز 94

شعارسال، با اندکی تلخیص و اضافات بر گرفته از سایت اندیشکده ایران برای شفافیت ، تاریخ انتشار: 31 فروردین 1398 ، کدخبر:769 www.blog.tp4.ir،