关于是什么让人类独一无二，这是一个有趣的问题。Hubert Dreyfus有一本关于该主题的好书，名为What Computers Cant Do。

计算机无法处理的一项任务（至少目前）是对重要事物进行排名。例如，CAPTCHA 要求您按重要性随机排列物品（小件、五件或六件）。这种特殊的练习需要人工智能根据人类判断做出决定（并不总是理性的）。

一种可能有效的方法是利用视觉错觉，例如走廊上的两条线相同但人眼看起来更长的错觉，然后可以提示他们选择关于线状态的多项选择问题，以我们的眼睛看起来更长了，但对着电脑来说，还是一样长的线。当然，眼睛残疾的人总是无法完成它们的问题，但可以使用不同的错觉来适应这种情况。

例子

让用户标记视频中最先进的分类器无法解决的突出显示对象

创建最先进的视频分类器。不妨在 Google 的YouTube-8M视频训练数据上对其进行训练。但是您也需要不断地为其提供原始视频。

让分类器标记尽可能多的对象。让它隔离哪些对象可以识别为对象但无法标记。

让它输出概述对象的视频。最好是 GIF，它可以很容易地嵌入到表单中。

对于其中的 100 个，询问 100 个用户对象是什么。如果 90% 的用户同意对象的名称，则将该视频添加到验证集。将此称为预训练集。

每次用户需要进行身份验证时，向他们展示视频中突出显示的对象之一，而不是来自预训练集。如果图像的展示次数少于 100，则记录标签并给用户另一个预训练集中的标签。如果他们做对了，让他们通过，如果没有，从预训练集中再给他们一个。

一旦未经预训练的视频有超过 100 次放映并且超过 90% 的验证码用户同意，将该视频添加到经过训练的集合中。

随着时间的推移，慢慢移除预训练集。对后训练集中的每个视频都设置过期时间，过期后将其删除，这样它们就不会被使用太多次。

理想情况下，此过程将不断改进视频分类器，使其保持最先进的水平并略微领先于其他分类器。也许它也可以偏爱不太常见的词和对象以及更深奥的东西，从而使这个分类器专门针对其他分类器。

图像标签也可以这样做，但鉴于人工智能的进步，视频分类器的实用性可能会持续更长时间。

不过，严格来说，除了一些量子诡计之外，没有哪一种验证码系统有一天不会被外部人工智能系统解决。

（编辑：哦，我刚刚注意到您特别提到了“文本验证码”。如果这就是您的意思，那么不，我认为文本分类没有太多神秘之处。计算机现在可能比人类更好地从图片中收集文本。但从技术上讲，上述验证码系统中的输入是文本的。）