按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
顾诚好气又好笑：“你当然轻松了，累都是我在累没见过跳弗拉明戈的时候杵得跟个陀螺似的，全靠男人使劲儿帮你转。要是再沉点儿，我绝对把你摔地上。”
“知道你怜香惜玉，那我也奖励你点好处。”李莹被转得头晕，索性环住顾诚的脖子，趴在他耳边低语，“小扎应该没和你说，他最近跟辛顿教授一起鼓捣弄出了一套图片识别的软件雏形，但目前还没法商用吧。”
顾诚心中微微一凛：“有什么正事儿刚才不能说，非要跳舞的时候才来说。他跟我提到过他做出过这么个玩意儿，但是识别率太低了，需要进一步优化算法，而且至少再经过三个月的内测学习、辅以人工的数据标示，才能有点眉目。”
史上，机器学习这门学科刚刚诞生的时候，最初盯上这门学科的就是拉里佩奇和扎克伯格这俩货。前者做了谷歌的图片搜索引擎，后者做了facebook的人脸识别技术。
何况，顾诚当初跟扎克伯格打赌时候赌的“如何识别图上是不是一只猫”课题，已经带来了很大启发。扎克伯格这学期里对这个课题组织力量勐攻，取得如今这么多阶段性成果一点都不值得奇怪。
以顾诚的专业眼光，估计至少还要一年半的努力，才能勉强拿出点够商用的成果。
李莹在mit本科上的就是计算机系，算是典型的复合型人才。如今虽然不搞研发，但技术部门弄出来的成果她光看好歹还是能看懂的。至于她整体的判断，更多是基于自己数年来的摸爬滚打。
对于顾诚的武断，她并不以为意，反而坚持自己的看法：“其实我也给他泼过冷水了，说市场部门目前完全不需要这种残次品的技术，好让他不要居功自傲。但实际上我有想过，这门技术有一个更好的短期市场应用场景只不过不是在米国，而是在华夏国内，给你那个人人网用。”
顾诚眉毛一挑：“我们去那边坐一会儿，慢慢说。”
李莹毫不犹豫地拒绝了顾诚的提议：“不，我就喜欢这种状态，思路特别清晰。你敢把我放下，说不定我就想不起来了。”（未完待续。。）
第39章 剑魔方可御残剑
“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。
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“对了说明你名气大、牛逼；不对也是本分，说明网上你的照片不够多、看的人不够多”的攀比游戏。
虽然人人网只是个朋友圈性质的私密社交产品，眼下还没法做微博类产品。但因为娱乐选秀节目的出现，人人网上明年肯定会有部分娱乐圈名人的账号（至少是那些为了参加选秀而主动公开个人空间的妹子们）具有一定的‘公众号’属性，可以被大众浏览关注。
这种情况下，这些所有成名机会都依赖人人网的萌妹，就会拼命在“人人热度指数”这个指标上攀比，哪怕将来《少女时代》节目不办了，这个社会热度都要很久才能消褪下去。
当然，如果是真正的、成名已久的明星，他们或许不会在乎自己在某一个网站上的“热度指数”正如后世很多投票网站为了凑热度，都喜欢搞“亚洲最美女明星”之类噱头的活动，让大家用付费短信投票。而真正投上去的前几名几乎都是刷子，因为真正牛逼的明星根本对这种活动不屑一顾。
顾诚是个冷静人，知道自己有几斤几两，还没狂妄到和弱智小白文主角那样，因为自己定一个人气指标，全社会都会为追求这个指标的高低而趋之若鹜。
但问题是，顾诚要捧的并不是已经出名的明星，他要捧的只是那些完全靠《少女时代》/《超级女声》/人人网才有可能得到变火渠道的妹子。
换句话说，这些妹子就算红了，一开始也不配叫明星，只配叫网红。只有再经过演艺市场的考验，真的能形成稳定的盈利和广告信任，才算是转型成明星。
顾诚没指望一出手就圈住真明星，他只需要圈住那些想成为华夏第一批网红的人。
对于明星，他们可以不在乎“人人热度指数”。
对于网红，“人人热度指数”就是她们的生命，她们获利的一切根本。
所有想成为第一批网红的爆照妹子，都会被绑上顾诚的战车，然后成为自带干粮帮人人网和yy推广的带路档。
而且，“软件算法会自动进化”，这是多大的噱头呢！如今才2004年，杰夫辛顿那堆成果都还躺在实验室里。地球上那些互联网产业界的人士，除了顾诚之外一个都没认识到这项技术的商业应用场景。
这样一个噱头甩出去，打上一个高科技的幌子，绝对可以吸引到无数用户因为好奇而来验证。只要宣传得当，杀伤力自然也比后世那些没有技术门槛的野鸡选美投票网站强大八条街。
这一系列布局，简直完美。硬生生把一项按照传统用法至少还要一两年时间才能具备商业价值的早期技术，发掘出了一条短期出路。
而且随着这条试用路线的出现，yy网络科技的“人脸识别技术”可以得到更多的大数据资源喂养，从而在“机器学习”的过程中走得更快。
“这个套路有点意思。”顾诚的双眸越来越亮，忍不住地兴奋。他狠狠地感慨了一下李莹的手腕和商业触觉。
这个23岁就坐到艾科诺公司cmo的美貌御姐，果然是名下无虚。也难怪她20岁就能在麻生理工硕士毕业、30岁就能成立云x风投基金。真是一个会让共事者庆幸和她站在了同一条战壕里的女强人。
在如今的yy网，扎克伯格这个技术负责人，就像是一个还在摸索的铸剑师。
负责市场推广的李莹，则像是一个精妙的女剑客。
越好的剑客，才能配合经验方面刚刚蹒跚学步的铸剑师。
一个基本功都不扎实、乱砍乱剁的剑客，只有拿到精钢铸就的韧性好剑，才能用出点效果来。如果给一把脆硬的青铜剑，说不定乱砍几剑就震断了。
而到了草木竹石皆可为剑的剑魔独孤求败境界，再差的剑也能用处惊艳的感觉来。
在一家互联网公司，不可能等cto的技术布局发展到了炉火纯青的地步，cmo才找到将这种技术商用的路子。一个好的cmo，乃至未来一个好的cdo，需要在cto还不那么给力的时候，就想出如何用一把“竹剑/木剑/石剑”杀敌的应用场景。
�