“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。更新最快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煳算法问题的典范，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