據英國《每日郵報》6月25日報道，研究人員發現，在面部數量達百萬級的測試中，飽受爭議的面部識別技術并不像聲稱地那么準確?！　?/p>

　　人工智能可以在數千張面孔中識別出你的面孔，準確率近乎百分之百，，但當其面對更大的面部圖片數量時，它的準確率可就沒那么高了。

　　在華盛頓大學發起的百萬人臉識別挑戰賽上，研究人員致力于提升面部識別算法在百萬數量級的準確率。研究人員希望這次挑戰賽對解決面部識別技術的難題起到積極作用。難題之一就是如何識別出一個人在不同年紀和不同姿勢的照片。　

　　“我們需要在全球范圍內，測試人臉識別算法，以保證它的實際應用。更大規模的測試，可以讓你發現識別算法的缺陷和成功之處?！比A盛頓大學的計算機科學助理教授、項目首席調查員，Ira Kemelmacher-Shlizerman說到。“我們不能只進行小規模測試，就說它已經很完美?！薄?/p>

　　這次挑戰賽有超過300個研究小組參與，他們都致力于評估和提升其算法的準確率。現有許多面部識別算法準確率都近乎完美，但都是基于一個1.3萬張照片的小數據集。在新研究中，實驗人員想要知道這些算法在面對更大數據集時表現如何。為此他們選取了來自世界各地的將近70萬人的100萬張網絡照片，以此來測試算法在識別兩張照片是否為同一個人的表現。

　　研究人員發現，當面部識別算法面對更大的數據集時，它的準確率便會大幅下降。谷歌的FaceNet算法識別準確率最高，在小規模數據集中準確率幾乎完美，但在百萬規模數據下，準確率僅為75%。另一個與之接近的團隊是俄羅斯的N-TechLab，他們實現了73%的準確率。一些在小數量級表現很好的算法，面對百萬規模數據集其準確率驟降至33%。