Abo
  • Services:
Anzeige

Über 17.000 Bücher mit Recaptcha transkribiert

Initiatoren ziehen nach einem Jahr positive Bilanz des Projektes

Im Frühjahr 2007 haben Wissenschaftler der Carnegie Mellon Universität reCAPTCHA ins Leben gerufen, ein System, um Bücher mit Hilfe von Spamschutzmaßnahmen zu digitalisieren. In einem Aufsatz im Wissenschaftsmagazin Science ziehen sie jetzt eine erste Bilanz des Projekts.

Captcha heißen die Bilder mit den merkwürdig verformten Buchstaben, die Nutzer auf vielen Websites bei der Anmeldung eingeben müssen. Ausgeschrieben bedeutet das "Completely Automated Public Turing Test to tell Computers and Humans Apart", auf Deutsch etwa: voll automatischer öffentlicher Turing-Test, um Computer und Menschen zu unterscheiden, und stellte eine halbwegs wirksame Maßnahme zum Schutz vor Spam dar. Die Idee dahinter ist, dass nur Menschen, nicht aber Maschinen in der Lage sind, die Buchstaben zu erkennen und einzugeben. Das soll verhindern, dass Computerprogramme sich in Webangeboten wie Blogs anmelden und dort unerwünschte Werbebotschaften hinterlassen. Immer funktioniert dies nicht.

Anzeige

Im Jahr 2007 hatte Luis von Ahn, einer der Erfinder der Captchas, die Idee, die Abfragen noch zu einem weiteren Zweck einzusetzen: Statt willkürlich generierter Buchstabenfolgen bekommen Nutzer Buchstabenfolgen aus digitalisierten Texten eingeblendet, die Texterkennungssoftware (Optical Character Recognition, OCR) nicht lesen konnte. Die Textbrocken stammen aus alten Büchern und Zeitungen, die das Internet Archive im Rahmen der Open Content Alliance scannt. Lösen sie das Puzzle, tragen sie nicht nur zum Spamschutz bei, sondern helfen auch dabei, Bücher zu digitalisieren.

Die Betreiber von mehreren tausend Webseiten auf der ganzen Welt setzten inzwischen die reCAPTCHA genannte Variante der Spamschutzpuzzles ein, schreiben die Informatiker um Luis von Ahn von der Carnegie Mellon Universität in Pittsburgh, Pennsylvania, in der aktuellen Ausgabe des US-Wissenschaftsmagazins Science. An jedem Tag würden über 100 Millionen dieser Tests gelöst. Das seien mehr als vier Millionen Wörter. Die Fehlerquote liege bei unter einem Prozent.

Das Ergebnis des ersten Jahres kann sich sehen lassen, berichtet von Ahn: Seit Projektbeginn haben die Nutzer mehr als 1,2 Milliarden Recaptchas gelöst und dabei 440 Millionen für Computer unlesbare Wörter entschlüsselt. Das entspricht einer stattlichen Bibliothek mit 17.600 Bänden. Und jeden Tag, so von Ahn, "führen mehr Websites Recaptchas ein, so dass die Zahl der Umschreibungen kontinuierlich wächst."

Allerdings geht es von Ahn nur bedingt darum, alte Bücher und Zeitungen vom Papier in die digitale Welt zu überführen. Er hat Größeres im Sinn: "Wir zeigen, dass wir menschliche Anstrengung, menschliche Rechenleistung, die sonst verschwendet würde, dazu nutzen können, um Aufgaben zu erfüllen, an denen Computer noch scheitern", erklärt er das Ziel seines Projektes. Eine solche Aufgabe ist beispielsweise, Fotos oder Audioaufzeichnungen zu analysieren und mit Beschreibungen zu versehen. Auch hierfür spannen die Wissenschaftler der Carnegie Mellon Universität menschliche Nutzer ein, die diese Aufgaben in Onlinespielen lösen.


eye home zur Startseite
fvys53gv 12. Aug 2010

Es sind 2 Wörter: Ein Wort kennt er, eins nicht.

pcmkr 16. Sep 2009

"Rein wirtschaftlich".... was soll das denn sein? Klar, wenn in der dritten Welt das...

MarvinM 18. Aug 2008

Sorry, hätte erst die anderen threads lesen sollen ;-) thx 4 the info

Lino 18. Aug 2008

Wieso ändern? Eine nicht funktionierende Schätzmethode ist nun mal genau das. Nicht...

Otis 17. Aug 2008

enben... und ich wollte nur wissen, ob es ähnliche Projekte gibt, die diesen Effekte auf...



Anzeige

Stellenmarkt
  1. Daimler AG, Sindelfingen
  2. ProMinent GmbH, Heidelberg
  3. Computacenter AG & Co. oHG, Leverkusen
  4. Meierhofer AG, München, Hannover, Berlin


Anzeige
Hardware-Angebote
  1. 149,99€
  2. (u. a. Ryzen 5 1400 für 151,99€, Ryzen 5 1600 für 198,95€ und Ryzen 7 1700 für 292,99€)
  3. ab 799,90€

Folgen Sie uns
       


  1. Netzneutralität

    Warum die Telekom mit Stream On noch scheitern könnte

  2. Polestar

    Volvo will seine Elektroautos nicht verkaufen

  3. Ivoxia NVX 200

    Tischtelefon für die Apple Watch 3

  4. Ultrabook

    Razer steckt vier Kerne in das Blade Stealth

  5. Flughafen

    Mercedes Benz räumt autonom Schnee

  6. Kündigungen

    Tesla soll Mitarbeiter zur Kostensenkung entlassen haben

  7. Datenbank

    Microsofts privater Bugtracker ist 2013 gehackt worden

  8. Windows 10

    Fall Creators Update wird von Microsoft offiziell verteilt

  9. Robert Bigelow

    Aufblasbare Raumstation um den Mond soll 2022 starten

  10. Axon M

    ZTE stellt Smartphone mit zwei klappbaren Displays vor



Haben wir etwas übersehen?

E-Mail an news@golem.de


Anzeige
Flettner-Rotoren: Wie Schiffe mit Stahlsegeln Treibstoff sparen
Flettner-Rotoren
Wie Schiffe mit Stahlsegeln Treibstoff sparen
  1. Hyperflight China plant superschnellen Vactrain
  2. Sea Bubbles Tragflächen-Elektroboote kommen nach Paris
  3. Honolulu Strafe für Handynutzung auf der Straße

Cybercrime: Neun Jahre Jagd auf Bayrob
Cybercrime
Neun Jahre Jagd auf Bayrob
  1. Antivirus Symantec will keine Code-Reviews durch Regierungen mehr
  2. Verschlüsselung Google schmeißt Symantec aus Chrome raus
  3. Übernahme Digicert kauft Zertifikatssparte von Symantec

Passwortmanager im Vergleich: Das letzte Passwort, das du dir jemals merken musst
Passwortmanager im Vergleich
Das letzte Passwort, das du dir jemals merken musst
  1. 30.000 US-Dollar Schaden Admin wegen Sabotage nach Kündigung verurteilt
  2. Cyno Sure Prime Passwortcracker nehmen Troy Hunts Hashes auseinander
  3. Passwortmanager Lastpass ab sofort doppelt so teuer

  1. Re: Kommt da evtl noch eine qwertz Version?

    Jesterfox | 09:36

  2. Re: End of ownership

    VirtuellerForum... | 09:36

  3. Re: Im Vergleich zum Fernsehen

    Dwalinn | 09:36

  4. Re: Der "Fortschritt" ist inzwischen nur noch...

    Crossfire579 | 09:34

  5. Re: Großhandelstarif 7,70?

    AllDayPiano | 09:34


  1. 09:01

  2. 08:36

  3. 07:59

  4. 07:46

  5. 07:34

  6. 07:23

  7. 21:08

  8. 19:00


  1. Themen
  2. A
  3. B
  4. C
  5. D
  6. E
  7. F
  8. G
  9. H
  10. I
  11. J
  12. K
  13. L
  14. M
  15. N
  16. O
  17. P
  18. Q
  19. R
  20. S
  21. T
  22. U
  23. V
  24. W
  25. X
  26. Y
  27. Z
  28. #
 
    •  / 
    Zum Artikel