“小扎那个图片识别的雏形软件做出来之后，我看过内测报告，想要在一张照片上识别出人脸来，只有不到10%的成功率。要是想进一步识别这张脸是谁，就更可怜了，准确率1%都不到——而且是在内测时被识别样本只有人的基础上。要是选项更多一些，误读率就更高了。这份测试报告，你应该在小扎的邮件里见过吧。”
李莹轻柔地跟着顾诚的节奏，渐渐有点儿弗拉明戈的意思了。嘴里说着的，却是严肃得不能再严肃的生意话题。
因为是在舞池里，双方都怕说话声音太响泄密，只能贴着耳朵说，这场景实在是很诡异。
顾诚也附耳说道：“看过，这方面我可是专业的，我估计他这套软件，至少还要半年的时间，才能把‘识别照片上某个区域是不是一张人脸’这个判断的正确率提高到30%，至于认出这张脸是谁，没两年时间想都别想。”
人脸识别技术是用机器学习解决模糊算法问题的典范，历史上FAcEbooK对该项技术最早的应用场景，就是让用户在分享照片之后，一旦点击照片上的人头位置，软件就可以自动识别出这个位置是一个人头，然后形成一个方框，让用户可以往里面填写名字。
如此一来，一张有好多人合照的照片，就可以被一个个标注上合影人的名字了。
这项技术再往下发展，某些人被标注得多了，数年后就可以形成“鼠标点到照片上的某个头像上，自动跳出这个人是谁”的功能。
再往后，则是人们常见的“智能手机拍照时自动识别哪里有人脸、以便自动对焦”乃至支付宝的“刷脸识别”。
那都是第二代、第三代人脸识别技术了，比如dEEpId，起码再有七八年的技术积累才可能实现。
初代的人脸识别技术，在平行时空的华夏SNS社区领域也有过应用——人人网的个人空间里，照片也都是可以对着人脸写名字的。
但那个时空的人人网技术不太扎实，在网站衰落之前也没做到“机器看多了某张脸之后，下次另一张照片上再标注这个人时就举一反三自动标示”这种程度（FAcEbooK做到了）。
顾诚知道这些历史轨迹的大概脉络，所以并没有期待扎克伯格能更逆天。
然而现在，没有被任何存量束缚形成路径依赖的李莹，却告诉他：她对这项技术的早期应用另有妙招。
“我就是这么给小扎泼冷水的，希望他能认清自己目前做出来的这个东西根本不值钱，别为这点小成就沾沾自喜——”李莹说到这儿，顿了一顿拖了个长音，似乎在观察顾诚的反应，“但是，背地里我却想到了另外一条路子，一个让‘还处在残次品阶段的人脸识别算法也能得到商业化应用’的场景。”
顾诚终于觉得自己提起了点兴趣：“干脆点儿，说。”
李莹的眼神闪过一丝埋怨，似乎在怪顾诚都不赏赐她，但还是很利落地说：“我觉得，YY网目前之所以用不到这项技术，是因为在米国不存在娱乐圈选秀活动。大家在朋友圈里人脸识别，就是图一个认得准，不准就没有意义。但是在华夏，我听说你搞了一个娱乐圈的选秀活动，将来还会有更大规模的让普通粉丝投票支持之类的举动——我觉得，照片的人脸识别技术，和这个活动结合起来，就有很大的操作空间。”
顾诚的表情渐渐认真起来。场内的弗拉明戈舞曲已经结束，他也不顾李莹是否反对，拉着她就回到包厢，关起门来密谈：“说说看具体怎么做。”
李莹端起酒杯，又给自己倒了一杯喝下，把剩下的想法和盘托出：“很简单，我觉得你可以推出一个‘人人热度指数’。比如百度提供的是搜索引擎服务，就有相应的百度指数，可以看哪个关键词目前最热、每个关键词搜索后有多少条搜索结果。
‘人人热度指数’，可以在人人网和那些选秀节目结合起来之后，总结出每个候选艺人目前在人人网上的被关注热度、被搜索图片的数量、频次。乃至最关键的——被人在照片头像上标注名字的次数、以及其头像当前被识别的估算准确率。
我们可以开诚布公地坦言：到时候人人网的‘人脸识别算法’依然是不完善的，识别率很低。但是我们也明说这是一个会‘自我学习、自我进化’的软件，在网上被爆照爆得张数越多、各种角度脸型数据越充分、被网民标示识别频次越高的人，就越容易被识别对。
如此一来，人脸识别算法哪怕认错人，用户也不会怪我们公司，而是会认为因为自己爆照不够多、被网民标示频次不够高，所以才认不准。她们只会更努力地爆照、更努力的吸粉，更努力地拉人标注，并且以‘我在人人网上被机器认对的概率比其他网红女更高’为荣。”
顾诚眼前一亮。
妙啊！
人脸识别技术，本该以求准为奋斗目标，不准就会被用户鄙夷。
这章没有结束，请点击下一页继续阅读！