为了证明自己是人，以后得对着摄像头挥手

自打AI大模型技术问世，在互联网上证明“自己是人”这件事就变得越来越难。互联网行业用了二十余年的验证码系统，在AI面前几乎跟纸糊的差不多。要知道，整个互联网信任体系的基石就是默认所有访问者都是人类，所以如何区分人与机器，就成了科技公司必须啃下的硬骨头。

最近有消息说，全球应用最广的验证码系统——谷歌的reCAPTCHA，正在测试一种新的手势验证机制。具体来说，就是要求用户录下一小段挥手的视频，然后系统会分析手部运动情况，提取手指关节、手掌位置等21个关键点的坐标。按照官方说法，这套机制能有效抵御机器人批量注册账号、凭证填充攻击等网络欺诈行为。

谷歌之所以要给reCAPTCHA升级成手势验证，说到底还是因为传统的文字、图片验证已经难不倒AI了。早在2024年，美国加州大学欧文分校的研究团队就做过实证测试，结果发现AI识别验证码的准确率已经超过95%，而人类的平均准确率呢？只有50%到86%。而且，受疲劳、界面模糊、时间压力等因素影响，人类反而更容易出错。

最初，验证码通常是显示扭曲的字母让用户辨认，后来随着计算机视觉技术的发展，演变成了选择图片。但早期的AI识别图片，本质上是将图片拆解成像素点组成的矩阵，对图片内容的理解能力几乎跟幼儿没什么两样。

不过，多模态大模型的出现改变了这一切。以DeepSeek开放的识图模式为例，AI不仅能精准描述图片中的视觉元素、风格和细节，甚至还能根据简谱推理出一首曲子。说白了，人类怎么理解一张图片，AI大模型也怎么理解，而且更快、更准。

如今，AI已经能够精确模拟人类的键盘和鼠标移动轨迹，像真人一样“骗过”验证码系统。有互联网从业者感叹，“AI越来越聪明，未来的验证码可能会复杂到大部分人类都答不出来”。如果继续走正面对抗的路子，验证码要么变成“魔怔”版，要么变得“反人类”——就像12306验证码那样，不仅难住了机器，也没放过真人。

reCAPTCHA这次的手势验证码，没有选择跟AI正面硬刚，而是直指AI的软肋——无法精准且高效地还原人类的手部。尽管现在用AI绘制宣传海报已经是互联网厂商的常规操作，但即便到今天，AI画出来的人手也常常出错。

其实不是AI不给力，而是人类的手部实在太复杂了。相比之下，人脸要简单得多：眼睛总是在鼻子上面，嘴巴总是在鼻子下面，结构相对固定，AI很容易找到规律。但手部就不一样了——攥拳是一种样子，比耶是一种样子，拿着杯子又是一种样子。人类的手有20多个关节，能摆出无数种姿势，而且手指之间还经常互相遮挡。

对人类艺术家来说，画手也是肖像或人体素描中的难点。所以AI要理解并捕捉这些精细的几何关系和形态变化，难度相当高。现在一些能力有限的AI大模型还很难生成精准的人类手部，更别说生成包含手势的视频了。通过将动作转化为骨骼点坐标，reCAPTCHA就能轻松分辨出人和机器。

手势验证还有一个额外优势：它需要一个摄像头（或者具备摄像能力的设备），这无形中增加了机器人的运营成本。

不过，这项新技术并未得到普遍认可。谷歌强调，验证流程结束后不会保留用户手势的任何图片或视频，数据也不会用于其他目的，完成验证后会自动删除。但依然有大批网友认为，这可能是互联网厂商大规模采集用户生物特征的开端。

只要所采集的坐标数据存在被关联的可能，或者系统在某个环节与用户身份挂钩，就有可能从“挥手验证”演变成对肢体特征的监控。其实这也不怪网友多疑，毕竟只要有利可图，互联网厂商的底线下滑速度能快到让人猝不及防。还记得谷歌reCAPTCHA v2吗？它就曾明确“白嫖”用户的劳动力，让用户当自己的数据标注工。

说到这儿，值得注意的一点是：AI之所以无法准确还原人类手部，跟手部数据集匮乏有很大关系。目前全球最大的手部姿态数据集Kaggle只有五十多万张图片，而人脸数据集的平均水平都在数百万张。在这个背景下，谷歌确实有足够的动力去收集用户的手部数据，用来完善自家的Veo视频模型和Nano Banana图像模型。