OpenAIのGPT、AnthropicのClaude、GoogleのGeminiといった最先端AIは画像認識CAPTCHAを正確に解けるようになったが、その「解き方」は人間と根本的に異なり、プロセスの差異によって依然としてAIエージェントを検出できることが機械学習の新研究によって明らかになった。

「解けるか」と「どう解くか」は別問題

VLM（視覚言語モデル）が信号機・消火栓・煙突といったCAPTCHA画像を正確に識別できることは、2010年代前半の深層学習の普及以来すでに既知の事実だ。「CAPTCHAはもう意味がない」という声があるのも無理はない。

しかし研究チームが着目したのは出力（Output）ではなくプロセス（Process）だ。CAPTCHAを解く際のクリックの順序パターン、方向転換の回数、過剰選択（Overselection）行動——これらの特徴量において、人間とAIエージェントの間には統計的に有意な差異が存在することが示された。

わかりやすく言えば、正解を選ぶかどうかではなく、「どこをどの順番でクリックするか」「迷い方のパターン」「選びすぎるか否か」に、人間とAIの認知的差異が現れるということだ。

CogCAPTCHA30——「プロセスのチューリングテスト」

研究チームはこの知見をもとにCogCAPTCHA30というバッテリーテストを設計した。古典的なCAPTCHAに加え、認知心理学の代表的な29タスク（意思決定・記憶・知覚・推論）を組み合わせた計30タスクで構成される。

対象としたモデルはGPT（OpenAI）、Claude（Anthropic）、Gemini（Google DeepMind）というフロンティアモデル3社に加え、オープンソースのQwen（1.5Bパラメータ）とCentaur（人間の認知を模した70Bパラメータモデル）。

実験の結果、出力の類似度（Cohen’s d）とプロセスの類似度（AUC）は無相関だった。つまり「答えが同じ＝解き方も同じ」は成立しない。これは非常に重要な発見だ。

ここから研究チームは「プロセスのチューリングテスト（Process Turing Test）」という概念を提唱する。1950年にアラン・チューリングが提案したオリジナルのテストが「出力の区別のつかなさ」を基準としたのに対し、プロセスのチューリングテストは「行動プロセスの区別のつかなさ」を問う。

実務への影響——Webセキュリティとアクセス制御の再設計

この研究はWebサービス開発・運用に携わるエンジニアにとって実践的な示唆をもたらす。

短期的にできること：

  • 静的な画像選択型CAPTCHAに加え、クリック順序・タイミング・マウス軌跡といった行動ログを組み合わせたボット判定の有効性を再評価する
  • reCAPTCHA v3のようなスコアベース判定は背後で類似の行動シグナルを使っているが、内部ロジックはブラックボックス。独自サービスでの実装を検討する場合は、静的正誤判定だけに依存しない設計を意識する

中長期的に注目すべきこと：

  • AIエージェントが増殖する世の中では、「人間のユーザーだけをターゲットにしたサービス」と「APIやエージェントを歓迎するサービス」の設計思想を明確に分ける必要が出てくる
  • 逆に、AIエージェントをファーストクラス市民として認識した認証・認可設計（OAuth的なエージェント向けトークン発行など）を先手で構築しておくことが競争優位につながる
  • 日本のWebサービスは不正ログイン・スクレイピング対策でCAPTCHAに依存しているケースが多い。本研究の知見は、それらの対策をゼロベースで見直す契機になりうる

筆者の見解

この研究が面白いのは、「AIは人間と同じことができるか」という問いから「AIは人間と同じように考えるか」という問いへの転換を鮮やかに示している点だ。

出力等価性とプロセス等価性が無相関だという事実は、AIが「模倣によって知能を示す」段階から「独自の認知様式を持つ別種の知性」として扱われるべき段階に入ったことを示唆している。これはセキュリティの文脈にとどまらず、AIを組織やプロダクトに組み込む際の設計哲学全体に関わる話だ。

AIエージェントをどう「認証」するか、どう「識別」するか、どんな権限を与えるか——これらはこれから数年で急速に実装が求められる領域になるだろう。CAPTCHA研究がそのフロンティアを先取りして整理してくれているという意味で、実務家として注目しておきたい一本だ。

出典: この記事は CAPTCHAs can still detect AI agents の内容をもとに、筆者の見解を加えて独自に執筆したものです。