روزانه چیزی حدود 200 میلیون کپچا در سرتاسر دنیا توسط انسان حل میشه. هر نفر به طور میانگین 10 ثانیه از عمرشو صرف حل اون می کنه. برای یک نفر چیزی نیست ولی با یه ضرب و تقسیم ساده متوجه میشیم که در مجموع روزانه هزاران ساعت وقت صرف حل این کپچا ها میشه. اما آیا میشه از این همه وقتی که داره صرف میشه استفاده مفید هم کرد؟ جواب مثبته

برای آرشیو کردن ، دسترسی و نگه داری راحت تر  دانسته های انسان، کتاب هایی که قبل از عصر کامپیوتر نوشته و چاپ شدن به فرم دیجیتالی تبدیل میشن. صفحات کتاب ها اسکن میشه  و توسطOCR که مخفف Optical Character Recognition به صورت نوشته های دیجیتالی در میان که مزایای زیادی نسبت به نسخه اسکن شده داره. از جمله اینکه امکان سرچ لغت داره و خیلی خیلی کم حجم تره. اما مشکلی که هست اینه که OCR ایده آل نیست. یعنی نمیتونه همه کلمات رو به درسی تشخیص بده. 

هر کلمه ای که OCR قادر به خوندنش نیست به صورت یه فایل عکس در میاد و به عنوان یک کپچا تو اینترنت استفاده میشه و لغت توسط کاربر ها به صورت دیجیتالی در میاد.

اما سوالی که اینجا مطرحه اینه که وقتی سیستم خودش نتونسته یه کلمه رو تشخیص بده چطور میتونه بفهمه که کاربر اونو درست وارد کرده؟ جواب اینه که هر کلمه ای که OCR قادر به خوندنش نبوده همراه با یه کلمه که برای OCR قابل فهمه در اختیار کاربر قرار می گیره. اگه کاربر به کلمه ای که سیستم میشناسه درست جواب بده، سیستم فرض می کنه که جوابش به اون کلمه دیگه هم درست بوده. و همچنین برای اطمینان از صحت جواب، تصویر اون کلمه رو در اختیار چند کاربر دیگه هم قرار میده. اگه اکثرا به یک کلمه اشاره کرده بودن سیستم اون کلمه رو به عنوان نسخه دیجیتالی شده اون تصویر در نظر می گیره.

پس اگه دفه دیگه موقع ثبت نام تو سایتی با یه همیچین کپچایی مواجه شدین خوشحال باشین؛ چون سهمی تو روند جهانی آرشیو و دیجیتالی کردن دانسته های انسان دارین ;)