Ένα σύστημα Τεχνητής Νοημοσύνης "έσπασε" τελευταία το πιο γνωστότερο Αλγοριθμικό πρόγραμμα CAPTCHA - αρχικά των λέξεων για το "Completely Automated Public Turing Test to tell Computers and Humans Apart". Το διαδεδομένο τεστ CAPTCHA μπορεί να ξεχωρίσει αν ο χρήστης του υπολογιστή είναι άνθρωπος ή «μποτ» (λογισμικό «ρομπότ» που εκτελεί αυτοματοποιημένα έργα).  Το CAPTCHA ζητά από τους χρήστες να διαβάσουν ένα παραμορφωμένο κείμενο που θεωρητικά μπορεί να πάρει οποιαδήποτε μορφή. 

Η εκδοχή του κειμένου έχει αποδειχθεί αποτελεσματική για την αντιμετώπιση των spam και των κακόβουλων λογισμικών bot και αποτελεί έναν διαδεδομένο τρόπο στο διαδίκτυο  για να προσδιορίζουν οι ιστοσελίδες αν ένας χρήστης είναι άνθρωπος ή όχι. Και αυτό γιατί οι άνθρωποι, μπορούν να αναγνωρίσουν σχεδόν άπειρες παραλλαγές ενός γράμματος από τη στιγμή που θα το έχουν δει μόλις μερικές φορές, ενώ τα λογισμικά δυσκολεύονται να αποκρυπτογραφήσουν κείμενα όταν τα γράμματα είναι παραμορφωμένα, ή "ανακατεύονται" με τυχαίες γραμμές, εικόνες και χρώματα. 

Στο Γιούνιον Σίτι στης Καλιφόρνια, η εταιρείαVicarious, ανακοίνωσε πριν λίγο καιρό ότι κατάφερε να ξεπεράσει αυτό το εμπόδιο, αναπτύσσοντας ένα επίτευγμα της Τεχνητής Νοημοσύνης, ένα νευρωνικό δίκτυο όπου οι νευρώνες συνδέονται σε ένα δίκτυο σχεδιασμένο με βάση τον ανθρώπινο εγκέφαλο. Το δίκτυο  εκπαιδεύεται  με "λυμένα" CAPTCHA και βίντεο με γράμματα που κινούνται. Αυτό επιτρέπει στο σύστημα να αναπτύξει τη δική του απεικόνιση,  αντί να κάνει αντιπαράθεση μέσα σε μια βάση δεδομένων με πιθανές απεικονίσεις του γράμματος.

Η Vicarious  έχει αναπτύξει ένα νευρωνικό δίκτυο το οποίο μπορεί να διαβάσει παραμορφωμένα κείμενα, η εταιρεία όμως τρέφει μεγαλύτερες φιλοδοξίες σχετικά με την τεχνητή νοημοσύνη.
Ενα CAPTCHA δεν περιορίζεται  μόνο σε κείμενο - μπορεί να είναι οποιοδήποτε αυτοματοποιημένο τεστ που ξεχωρίζει τους ανθρώπους από τα λογισμικά.

Ο επόμενος στόχος της Vicarious είναι οι οφθαλμαπάτες. Ο Ντιλίπ Τζορτζ, ένας από τους συνιδρυτές της εταιρείας, πιστεύει ότι με περισσότερη εκπαίδευση το δίκτυο που έχουν αναπτύξει θα μπορούσε να αναγνωρίζει δυσκολότερα τεστ, όπως την αναγνώριση τρισδιάστατων συμβόλων σε μια εικόνα δύο διαστάσεων.