在 SIGBOVIK 2019 会议上展示的一项研究发现,93% 的随机油漆溅痕可被解析为有效的 Perl 程序。通过使用光学字符识别 (OCR) 软件来分析包含 100 张油漆溅痕图像的数据集,研究人员 Colin McMillen 探讨了编程社区中一个关于该语言宽松语法的长期笑话。

一张 Twitter 对话的截图,其中包含一个关于在墙上涂抹油漆并创建有效 Perl 代码的笑话。
启发了关于油漆溅痕语法的研究的原始 Twitter 交流。www.mcmillen.dev

这张图片捕捉到了促使研究 Perl 宽松语法的社交媒体互动。

实证方法与发现

该研究采用实证方法来确定是否可能在墙上涂抹油漆而不创建一个有效的 Perl 程序。作者使用 OCR 软件将 100 张不同的油漆溅痕图像转换为文本字符串,然后针对 Perl 解释器进行测试。

分析显示,其中 93% 的溅痕成功解析为有效的 Perl。对于剩余 7% 的非有效溅痕,作者提供了具体的视觉示例来展示该语言语法的边界。

一张表面上彩色油漆溅痕的特写照片。
一个成功解析为有效 Perl 程序的油漆溅痕示例。www.mcmillen.dev

此视觉效果代表了研究发现为有效 Perl 代码的混乱噪声类型。

“我们对这个问题给出了肯定的回答:在墙上涂抹油漆而不创建一个有效的 Perl 程序是可能的。”

— 93% of Paint Splatters are Valid Perl Programs | Colin McMillen

油漆溅痕 Perl 的本质

从这些溅痕中生成的程序通常评估为简单的数值或字符串。例如,一个溅痕被识别为字符串 `lerzfijglpFiji-j`,在 Perl 中评估为数字 0。

一张多色油漆溅痕的照片。
研究实证方法中分析的另一个油漆溅痕实例。www.mcmillen.dev

该研究使用此类图像的数据集来测试 Perl 解释器的极限。

其他复杂的视觉图案被解释为像 `;i;c;;#\\?z{;?;;fn':.;` 这样的字符串,它评估为字符 `c`。该研究强调了 Perl 处理各种符号和结构的能力如何使其能够在几乎任何视觉噪声中找到“意义”。

局限性与背景

该研究的结果取决于所使用的 OCR 软件的具体设置。如果采用不同的 OCR 配置,软件可能会从相同的物理溅痕中识别出不同的有效程序。

虽然该研究专注于 Perl,但它与其他更容易实现无效性的系统形成了鲜明对比。例如,Java 属性文件只有在包含特定的错误 Unicode 转义序列时才无效,这使得它与 Perl 相比,极不可能是“意外”有效的。