AI ఏజెంట్లు మనుషులలా ప్రవర్తించగలవా?

నేను StoryCaptchaని పరీక్షించడానికి 12 గంటలు కేటాయించాను. ఇది ఒక ప్రయోగాత్మక CAPTCHA. ఇది ట్రాఫిక్ లైట్లను గుర్తించమని మిమ్మల్ని అడగదు. ఇది ఒక ప్రాంప్ట్ ఆధారంగా కథ రాయమని మిమ్మల్ని అడుగుతుంది. ఆ తర్వాత మీరు మనిషినా కాదా అని తెలుసుకోవడానికి మీ ప్రవర్తనను తనిఖీ చేస్తుంది.

నేను Playwright, VS Code, GitHub Copilot మరియు Chromium ఉపయోగించాను. ఒక AI ఏజెంట్ మనుషుల నమూనాలను (patterns) అనుకరించగలదా అని చూడటమే నా లక్ష్యం.

నా మొదటి ప్రయత్నం 56/100 స్కోరుతో విఫలమైంది. AI మరీ ఎక్కువగా సమర్థవంతంగా ఉంది. అది టెక్స్ట్‌ను కాపీ చేసి పేస్ట్ చేసింది. అది ఏమాత్రం సంకోచించకుండా వెంటనే స్పందించింది. అది ఖచ్చితమైన నమూనాలను అనుసరించింది. ఆటోమేషన్ సమర్థవంతంగా ఉంటుంది, కానీ అది మనిషిలా ఉండదు.

StoryCaptcha తాను ట్రాక్ చేసే మెట్రిక్స్‌ను చూపిస్తుంది:

  • టైప్ చేయడం vs పేస్ట్ చేయడం (Typed vs Pasted)
  • కీస్ట్రోక్ రిథమ్ (Keystroke rhythm)
  • కాగ్నిటివ్ పాజ్ES (Cognitive pauses)
  • మౌస్ పాత్ కర్వేచర్ (Mouse path curvature)
  • బ్యాక్‌స్పేస్ వినియోగం (Backspace usage)
  • సరిదిద్దే ప్రవర్తన (Correction behavior)

నేను ఏజెంట్‌ను సర్దుబాటు చేయడం ప్రారంభించాను.

మొదట, నేను ఏజెంట్ పేస్ట్ చేయకుండా ఆపాను. అక్షరం అక్షరం టైప్ చేయమని దానికి చెప్పాను. స్కోరు పెరిగింది.

తర్వాత, నేను టైపింగ్ వేగాన్ని (cadence) సరిచేశాను. మనుషులు ఖచ్చితమైన సమయంతో టైప్ చేయరు. మనం ఆలోచించడానికి విరామం తీసుకుంటాము. మనం వేగాన్ని పెంచుతాము మరియు తగ్గిస్తాము. కీల మధ్య యాదృచ్ఛిక ఆలస్యాలను (random delays) జోడించాను. స్కోరు మళ్ళీ పెరిగింది.

ఆ తర్వాత, నేను తప్పులను జోడించాను. మనుషులు పదాలను తప్పుగా రాస్తారు. వాటిని సరిదిద్దడానికి మనం బ్యాక్‌స్పేస్‌ను ఉపయోగిస్తాము. తప్పులు చేసి, వాటిని సరిదిద్దమని నేను ఏజెంట్‌కు సూచించాను. స్కోరు ఇంకా మెరుగుపడింది.

నేను మౌస్ కదలికలను కూడా మార్చాను. మనుషులు మౌస్‌ను సరళ రేఖలలో కదపరు. వారు మౌస్‌ను అటు ఇటు తిప్పుతూ (hover) అన్వేషిస్తారు. మౌస్ పాత్‌లకు వంపులను (curvature) జోడించాను.

నా స్కోరు పెరిగినప్పటికీ, ఒక మెట్రిక్ 0% వద్దే ఉంది. అది కీ-ఓవర్‌ల్యాప్ (key-overlap). మనుషులు తరచుగా చివరి కీని వదిలేలోపే తదుపరి కీని నొక్కుతారు. చాలా ఆటోమేషన్లు ఖచ్చితమైన క్రమ పద్ధతిలో (sequential) సిగ్నల్స్‌ను పంపుతాయి. దీనిని నకిలీ చేయడం చాలా కష్టం.

నా ఫలితాలు:

  • ప్రారంభ స్కోరు: 56
  • మధ్యంతర స్కోరు: 60–70
  • ఆప్టిమైజ్ చేసిన స్కోరు: 76–77

ఏజెంట్ చివరకు పాస్ అయింది. కానీ అసలైన పాఠం స్కోరు కాదు. చాలా మంది బ్రౌజర్ ఫింగర్‌ప్రింట్లు లేదా IP అడ్రస్‌లపై దృష్టి పెడతారు. ప్రవర్తన అనేది ఒక శక్తివంతమైన సంకేతమని ఈ ప్రయోగం నిరూపిస్తుంది.

మీరు ఏమి చేస్తారు అన్నది మాత్రమే కాదు, మీరు దానిని ఎలా చేస్తారు అన్నదే ముఖ్యం.

AI ఏజెంట్లు పెరుగుతున్న కొద్దీ, ప్రవర్తనా గుర్తింపు (behavioral detection) చాలా కీలకం అవుతుంది. మనిషిగా ఉండటంలో కష్టమైన భాగం పని కాదు. అది అపరిపూర్ణత (imperfection).

Source: https://dev.to/shahraan_hussain_b42640e7/can-an-ai-agent-behave-like-a-human-a-12-hour-experiment-with-storycaptcha-1661

Optional learning community: https://t.me/GyaanSetuAi