因為是在舞池裡，雙方都怕說話聲音太響洩密，只能貼著耳朵說，這場景實在是很詭異。
顧誠也附耳說道：“看過，這方面我可是專業的，我估計他這套軟體，至少還要半年的時間，才能把‘識別照片上某個區域是不是一張人臉’這個判斷的正確率提高到30％，至於認出這張臉是誰，沒兩年時間想都別想。”
人臉識別技術是用機器學習解決模煳演算法問題的典範，史上facebook對該項技術最早的應用場景，就是讓使用者在分享照片之後，一旦點選照片上的人頭位置，軟體就可以自動識別出這個位置是一個人頭，然後形成一個方框，讓使用者可以往裡面填寫名字。
如此一來，一張有好多人合照的照片，就可以被一個個標註上合影人的名字了。
這項技術再往下發展，某些人被標註得多了，數年後就可以形成“滑鼠點到照片上的某個頭像上，自動跳出這個人是誰”的功能。
再往後，則是人們常見的“智慧手機拍照時自動識別哪裡有人臉、以便自動對焦”乃至支付寶的“刷臉識別”。
那都是第二代、第三代人臉識別技術了，比如deepid，起碼再有七八年的技術積累才可能實現。
初代的人臉識別技術，在平行時空的華夏sns社群領域也有過應用人人網的個人空間裡，照片也都是可以對著人臉寫名字的。
但那個時空的人人網技術不太紮實，在網站衰落之前也沒做到“機器看多了某張臉之後，下次另一張照片上再標註這個人時就舉一反三自動標示”這種程度（facebook做到了）。
顧誠知道這些史軌跡的大概脈絡，所以並沒有期待扎克伯格能更逆天。
然而現在，沒有被任何存量束縛形成路徑依賴的李瑩，卻告訴他：她對這項技術的早期應用另有妙招。
“我就是這麼給小扎潑冷水的，希望他能認清自己目前做出來的這個東西根本不值錢，別為這點小成就沾沾自喜”李瑩說到這兒，頓了一頓拖了個長音，似乎在觀察顧誠的反應，“但是，背地裡我卻想到了另外一條路子，一個讓‘還處在殘次品階段的人臉識別演算法也能得到商業化應用’的場景。”
顧誠終於覺得自己提起了點興趣：“乾脆點兒，說。”
李瑩的眼神閃過一絲埋怨，似乎在怪顧誠都不賞賜她，但還是很利落地說：“我覺得，yy網目前之所以用不到這項技術，是因為在米國不存在娛樂圈選秀活動。大家在朋友圈裡人臉識別，就是圖一個認得準，不準就沒有意義。但是在華夏，我聽說你搞了一個娛樂圈的選秀活動，將來還會有更大規模的讓普通粉絲投票支援之類的舉動我覺得，照片的人臉識別技術，和這個活動結合起來，就有很大的操作空間。”
顧誠的表情漸漸認真起來。場內的弗拉明戈舞曲已經結束，他也不顧李瑩是否反對，拉著她就回到包廂，關起門來密談：“說說看具體怎麼做。”
李瑩端起酒杯，又給自己倒了一杯喝下，把剩下的想法和盤托出：“很簡單，我覺得你可以推出一個‘人人熱度指數’。比如百度提供的是搜尋引擎服務，就有相應的百度指數，可以看哪個關鍵詞目前最熱、每個關鍵詞搜尋後有多少條搜尋結果。
‘人人熱度指數’，可以在人人網和那些選秀節目結合起來之後，總結出每個候選藝人目前在人人網上的被關注熱度、被搜尋圖片的數量、頻次。乃至最關鍵的被人在照片頭像上標註名字的次數、以及其頭像當前被識別的估算準確率。
我們可以開誠佈公地坦言：到時候人人網的‘人臉識別演算法’依然是不完善的，識別率很低。但是我們也明說這是一個會‘自我學習、自我進化’的軟體，在網上被爆照爆得張數越多、各種角度臉型資料越充分、被網民標示識別頻次越高的人，就越容易被識別對。
如此一來，人臉識別演算法哪怕認錯人，使用者也不會怪我們公司，而是會認為因為自己爆照不夠多、被網民標示頻次不夠高，所以才認不準。她們只會更努力地爆照、更努力的吸粉，更努力地拉人標註，並且以‘我在人人網上被機器認對的機率比其他網紅女更高’為榮。”
顧誠眼前一亮。
妙啊！
人臉識別技術，本該以求準為奮鬥目標，不準就會被使用者鄙夷。
但李瑩這麼一來，一項原本“對了是本分，不對是失職”的技術，就變成了“對了說明你名氣大、牛逼；不對也是本分，說明網上你的照片不夠多、看的人不夠多”的攀比遊戲。