你大概做過(guò)無(wú)數(shù)次這件事：在登錄銀行賬戶、注冊(cè)郵箱或者提交一個(gè)表單時(shí)，屏幕上彈出一組模糊的街景照片，要求你“點(diǎn)擊所有包含紅綠燈的圖片”或者“選出每一個(gè)人行橫道”，反復(fù)證明自己“不是機(jī)器人”。幾秒鐘后，驗(yàn)證通過(guò)，你繼續(xù)你的操作，不會(huì)再多想一秒。

但你有沒(méi)有想過(guò)，你點(diǎn)擊的那些紅綠燈和人行橫道的圖片，來(lái)自哪里？又去了哪里？

最近，一篇博文把這個(gè)問(wèn)題再次推到了聚光燈下。用戶 @sharbel 撰寫(xiě)了一篇長(zhǎng)文，詳細(xì)梳理了 reCAPTCHA（re-Completely Automated Public Turing test to tell Computers and Humans Apart）從誕生到今天的演變，并提出了一個(gè)尖銳的論點(diǎn)：過(guò)去十幾年里，數(shù)以?xún)|計(jì)的互聯(lián)網(wǎng)用戶在不知情的情況下，免費(fèi)為 Google 標(biāo)注了海量圖像數(shù)據(jù)，而這些數(shù)據(jù)最終流入了 Google Maps 和 Waymo 自動(dòng)駕駛系統(tǒng)的訓(xùn)練管線。

這不是什么新近泄露的秘密。reCAPTCHA 作為數(shù)據(jù)采集工具的雙重身份，在技術(shù)圈里已經(jīng)是公開(kāi)的常識(shí)。Google 甚至在自己的 reCAPTCHA 開(kāi)發(fā)者網(wǎng)站上寫(xiě)得很清楚：reCAPTCHA 會(huì)“將用戶解決驗(yàn)證碼所花費(fèi)的時(shí)間積極用于文本數(shù)字化、圖像標(biāo)注和構(gòu)建機(jī)器學(xué)習(xí)數(shù)據(jù)集”。但對(duì)絕大多數(shù)普通用戶來(lái)說(shuō)，他們從未讀過(guò)這行字。隨著如今 AI 數(shù)據(jù)的價(jià)值愈發(fā)重要，這個(gè)問(wèn)題隨著這條博文再度進(jìn)入公眾視野。

故事要從 2000 年講起。那時(shí)候的互聯(lián)網(wǎng)正被垃圾郵件和自動(dòng)注冊(cè)機(jī)器人搞得一團(tuán)糟。卡內(nèi)基梅隆大學(xué)的危地馬拉裔計(jì)算機(jī)科學(xué)家 Luis von Ahn 和他的團(tuán)隊(duì)提出了一種區(qū)分人類(lèi)和機(jī)器的方法，后來(lái)被命名為 CAPTCHA。原理很直觀：給用戶展示一段扭曲變形的文字，人類(lèi)能看懂，機(jī)器識(shí)別不了。

圖丨Luis von Ahn（來(lái)源：MIT News）

Von Ahn 很快意識(shí)到，全世界每天有幾億人在做這件事，每次花大約十秒鐘。這些認(rèn)知?jiǎng)趧?dòng)加在一起是一個(gè)驚人的數(shù)字，全部被浪費(fèi)了。2007 年，他推出了 reCAPTCHA。核心改動(dòng)很簡(jiǎn)單：驗(yàn)證碼里展示的不再是隨機(jī)生成的亂碼，而是兩個(gè)詞。一個(gè)是系統(tǒng)已知的答案，用來(lái)驗(yàn)證你是不是人；另一個(gè)則來(lái)自掃描的舊書(shū)籍和報(bào)紙，是光學(xué)字符識(shí)別（OCR）軟件無(wú)法辨認(rèn)的文本。你輸入答案的同時(shí)，也在幫助把這些紙質(zhì)文字轉(zhuǎn)化成數(shù)字文本。

這個(gè)設(shè)計(jì)確實(shí)稱(chēng)得上一石二鳥(niǎo)。reCAPTCHA 被部署到超過(guò)十萬(wàn)個(gè)網(wǎng)站上，到 2011 年，它已經(jīng)完成了整個(gè) Google Books 檔案的數(shù)字化，還幫助轉(zhuǎn)錄了《紐約時(shí)報(bào)》從 1851 年至今超過(guò) 1,300 萬(wàn)篇文章。Von Ahn 后來(lái)在接受 NPR 采訪時(shí)說(shuō)，他把 CAPTCHA 的創(chuàng)意免費(fèi)送了出去，而 reCAPTCHA 被 Google 在 2009 年收購(gòu)，價(jià)格據(jù)他本人透露是“數(shù)千萬(wàn)美元級(jí)別”。收購(gòu)之后，Von Ahn 又去做了另一件事：創(chuàng)辦多鄰國(guó)，繼續(xù)用眾包的邏輯做語(yǔ)言教育。

Google 拿到 reCAPTCHA 之后，事情開(kāi)始轉(zhuǎn)向。

大約在 2012 年，扭曲文字時(shí)代結(jié)束了。Google 當(dāng)時(shí)面對(duì)的新挑戰(zhàn)是：Street View 拍攝車(chē)已經(jīng)在全球幾乎每條道路上跑過(guò)了，積累了海量街景照片。但照片本身只是原始像素，要讓這些數(shù)據(jù)對(duì)導(dǎo)航和地圖服務(wù)有用，系統(tǒng)需要知道照片里有什么，哪個(gè)是門(mén)牌號(hào)，哪個(gè)是路標(biāo)，哪個(gè)是店面招牌。于是 reCAPTCHA v2 出現(xiàn)了。用戶不再輸入文字，取而代之的是圖片網(wǎng)格。“點(diǎn)擊所有包含交通信號(hào)燈的方塊”“選出每個(gè)人行橫道”“識(shí)別所有店面”。

這些圖片來(lái)自 Google Street View。用戶每一次點(diǎn)擊都在告訴 Google 的計(jì)算機(jī)視覺(jué)模型：這塊像素區(qū)域是紅綠燈，這個(gè)形狀是斑馬線。Google 以免費(fèi)安全服務(wù)的名義，將這個(gè)工具嵌入了銀行、政府網(wǎng)站、電商平臺(tái)和幾乎所有需要登錄驗(yàn)證的網(wǎng)頁(yè)。你別無(wú)選擇。想訪問(wèn)你的賬戶？先幫我標(biāo)注幾張圖片。

規(guī)模有多大？據(jù)多個(gè)來(lái)源估計(jì)，reCAPTCHA 在高峰期每天被解答約 2 億次。加州大學(xué)爾灣分校（UC Irvine）2023 年發(fā)表的一篇論文《Dazed & Confused: A Large-Scale Real-World User Study of reCAPTCHAv2》給出了更系統(tǒng)的計(jì)算：從部署至今的 13 年多時(shí)間里，人類(lèi)總共花費(fèi)了約 8.19 億小時(shí)在 reCAPTCHA 上，按工資折算至少相當(dāng)于 61 億美元。

研究團(tuán)隊(duì)還估算，reCAPTCHAv2 產(chǎn)生的追蹤 Cookie 數(shù)據(jù)，終身價(jià)值高達(dá) 8,880 億美元。論文的主要作者 Andrew Searles 在接受 The Register 采訪時(shí)直言：他認(rèn)為 reCAPTCHA 的真正目的是收集用戶信息和免費(fèi)勞動(dòng)。

圖丨相關(guān)論文（來(lái)源：arXiv）

這些標(biāo)注數(shù)據(jù)去了哪里？最顯而易見(jiàn)的方向是 Google Maps。它今天能自動(dòng)識(shí)別路標(biāo)、讀取門(mén)牌號(hào)、理解城市地理結(jié)構(gòu)，背后依賴(lài)的計(jì)算機(jī)視覺(jué)能力，有一部分基礎(chǔ)就來(lái)自 reCAPTCHA 用戶年復(fù)一年的標(biāo)注積累。

更受爭(zhēng)議的方向是 Waymo。Waymo 的前身是 Google 在 2009 年啟動(dòng)的自動(dòng)駕駛項(xiàng)目，2016 年獨(dú)立為 Alphabet 旗下子公司。一輛自動(dòng)駕駛汽車(chē)要安全運(yùn)行，必須以接近完美的準(zhǔn)確率識(shí)別交通燈、人行橫道、行人、停車(chē)標(biāo)志等成千上萬(wàn)種視覺(jué)模式。

而 reCAPTCHA 要求用戶識(shí)別的，恰恰就是這些元素。有人推測(cè) reCAPTCHA 數(shù)據(jù)被用于訓(xùn)練 Waymo 的自動(dòng)駕駛系統(tǒng)，但一位未具名的 Google 代表否認(rèn)了這一點(diǎn)，聲稱(chēng)截至 2021 年中，這些數(shù)據(jù)僅用于改進(jìn) Google Maps。UC Irvine 的研究者在論文中則認(rèn)為，reCAPTCHA 提出的圖像識(shí)別任務(wù)，如辨認(rèn)紅綠燈和自行車(chē)，看起來(lái)非常像是在為自動(dòng)駕駛收集訓(xùn)練數(shù)據(jù)。

Google 從未正式確認(rèn) reCAPTCHA 數(shù)據(jù)直接進(jìn)入了 Waymo 的訓(xùn)練流程。這一點(diǎn)需要說(shuō)清楚。不過(guò)從外部來(lái)看，質(zhì)疑并非沒(méi)有道理。reCAPTCHA v2 讓用戶標(biāo)注的物體類(lèi)別，與自動(dòng)駕駛感知系統(tǒng)需要識(shí)別的物體類(lèi)別高度重合。而 Google/Alphabet 同時(shí)擁有 reCAPTCHA 和 Waymo，內(nèi)部數(shù)據(jù)管線是否有交叉使用，外界無(wú)從審計(jì)。

Waymo 如今的體量讓這個(gè)問(wèn)題變得更加敏感。截至 2026 年 2 月，Waymo 已完成超過(guò) 2,000 萬(wàn)次付費(fèi)載客，自主駕駛里程超過(guò) 2 億英里。僅 2025 年一年，它的年度載客量就增長(zhǎng)了兩倍，達(dá)到 1,500 萬(wàn)次。

2026 年 2 月，Waymo 完成了一輪 160 億美元的融資，估值達(dá)到約 1,260 億美元，超過(guò)了大多數(shù)全球主流車(chē)企。它計(jì)劃在 2026 年進(jìn)入包括倫敦和東京在內(nèi)的 20 多個(gè)新城市。從一個(gè) Google 內(nèi)部的研究項(xiàng)目，到一家估值千億美元的獨(dú)立公司，Waymo 走了不過(guò)十多年。

圖丨 Waymo 無(wú)人駕駛出租車(chē)（來(lái)源：Waymo）

與此同時(shí)，職業(yè)數(shù)據(jù)標(biāo)注是一個(gè)相當(dāng)昂貴的行業(yè)。Scale AI、Appen、Labelbox 等公司雇傭了大量工人來(lái)完成圖像標(biāo)注工作，每小時(shí)的報(bào)酬從幾美元到幾十美元不等。Google 通過(guò) reCAPTCHA 做到了同樣的事，只是標(biāo)注者不是被雇傭的工人，而是想登錄自己銀行賬戶的普通人。

沒(méi)有報(bào)酬，沒(méi)有合同，甚至不需要征得同意。reCAPTCHA 的服務(wù)條款當(dāng)然存在，但絕大多數(shù)用戶既沒(méi)有閱讀過(guò)，也無(wú)法選擇拒絕，因?yàn)樗皇?Google 的產(chǎn)品頁(yè)面上的可選項(xiàng)，而是橫亙?cè)谀愫湍阆朐L問(wèn)的任何網(wǎng)站之間的一道必經(jīng)關(guān)卡。

2018 年，Google 推出了 reCAPTCHA v3。這一版本不再給用戶展示任何驗(yàn)證挑戰(zhàn)。它在后臺(tái)默默運(yùn)行，通過(guò)監(jiān)測(cè)你的鼠標(biāo)軌跡、滾動(dòng)模式、懸停時(shí)長(zhǎng)和瀏覽器環(huán)境來(lái)判斷你是不是人類(lèi)。

UC Irvine 的研究發(fā)現(xiàn)，reCAPTCHA 廣泛監(jiān)控用戶的 Cookie、瀏覽歷史和瀏覽器環(huán)境信息，包括畫(huà)布渲染、屏幕分辨率、鼠標(biāo)移動(dòng)和用戶代理數(shù)據(jù)，所有這些都可以被用于廣告和追蹤。Google 堅(jiān)稱(chēng)這些數(shù)據(jù)不會(huì)被用于個(gè)性化廣告。但 2020 年，Cloudflare 出于隱私擔(dān)憂從 reCAPTCHA 切換到了競(jìng)爭(zhēng)對(duì)手 hCaptcha，也說(shuō)明業(yè)界并非所有人都對(duì) Google 的說(shuō)法買(mǎi)賬。

更有意思的是，UC Irvine 的研究發(fā)現(xiàn)，早在 2016 年就有研究者能以 70% 的準(zhǔn)確率擊敗 reCAPTCHA v2 的圖像驗(yàn)證，而 v2 的復(fù)選框驗(yàn)證更是可以被 100% 破解。

換句話說(shuō)，reCAPTCHA 作為安全工具的有效性在持續(xù)下降，但它作為數(shù)據(jù)采集和用戶追蹤工具的功能卻一直在運(yùn)轉(zhuǎn)。研究者的結(jié)論相當(dāng)犀利：reCAPTCHA 本質(zhì)上是一個(gè)偽裝成安全服務(wù)的免費(fèi)圖像標(biāo)注勞動(dòng)力來(lái)源和追蹤 Cookie 農(nóng)場(chǎng)。

需要指出的是，這個(gè)結(jié)論不代表學(xué)術(shù)界的共識(shí)。也有人認(rèn)為，reCAPTCHA 確實(shí)在防御層面提供了一定價(jià)值，至少增加了機(jī)器人的攻擊成本，不應(yīng)該完全否定它的安全功能。Google 自身的立場(chǎng)也一直是，reCAPTCHA 首先是一個(gè)安全產(chǎn)品。

但爭(zhēng)論的核心不在于 reCAPTCHA 有沒(méi)有安全價(jià)值。核心問(wèn)題是：當(dāng)一個(gè)安全工具同時(shí)也是數(shù)據(jù)采集工具時(shí)，用戶是否應(yīng)該被告知？是否應(yīng)該有選擇權(quán)？

Luis von Ahn 最初發(fā)明 reCAPTCHA 的想法其實(shí)很漂亮：既然人們已經(jīng)在做驗(yàn)證了，為什么不順便把這些認(rèn)知?jiǎng)趧?dòng)用在有益的事情上？幫助數(shù)字化全世界的書(shū)籍，這是一個(gè)能讓人心生敬意的目標(biāo)。但從 Google 收購(gòu) reCAPTCHA 之后的演變來(lái)看，“有益”的定義被悄悄替換了。數(shù)字化公共圖書(shū)館的藏書(shū)是公益，訓(xùn)練價(jià)值千億美元的商業(yè)產(chǎn)品則是另一回事。

奧地利的聯(lián)邦法院已經(jīng)裁定 reCAPTCHA 違反了 GDPR，因?yàn)樗谖唇?jīng)充分知情同意的情況下向 Google 傳輸用戶數(shù)據(jù)。歐洲的監(jiān)管壓力在上升，但在全球范圍內(nèi)，reCAPTCHA 仍然部署在數(shù)百萬(wàn)個(gè)網(wǎng)站上，每天默默地運(yùn)行著。

運(yùn)營(yíng)/排版：何晨龍