“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10000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，双方都怕话声音太响泄密，只能贴着耳朵，这场景实在是很诡异。

顾诚也附耳道：“看过，这方面我可是专业的，我估计他这(套ta)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0，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fek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deeid，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fek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，别为这点成就沾沾自喜”李莹到这儿，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，。”

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：“我觉得，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a)a)作空间。”

顾诚的表(情qing)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：“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re)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re)、每个关键词搜索后有多少条搜索结果。

人人(热re)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re)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。

但李莹这么一来，一项原本“对了是本分，不对是失职”的技术，就变成了“对了明你名气大、牛((逼i)i)不对也是本分，明网上你的照片不够多、看的人不够多”的攀比游戏。


本章未完，请翻下一页继续阅读......... 文娱救世主 最新章节第39章 剑魔方可御残剑,网址：https://www.555t.org/146179/268.html