“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。”
请收藏:https://m.bqghh.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)