2014年1月，面对生成式技术FaceGAN在人脸数据上的安全性问题，脸书的DeepFace和港中文的汤小鸥实验室顶住了压力，硬着头皮强行放出了各自的最新进展。
两边的想法其实差不多，发布技术可能会面临一些安全性问题和质疑，但不发布，肯定是什么都没剩下了。
毕竟两边在性能上，还是均做出了一些突破的，不会真的因为这种事情裹足不前。
相比于人眼识别能力在LFW数据集上97.53%的能力，两边发布的技术DeepFace和DeepID均突破了这一界限。
原本时间线上仅有97.35的脸书团队，借助孟繁岐的一些思想，将该精度提升到了97.89%。
而原本时间线上有高达98.52%能力的汤小鸥团队，由于提前两个多月发布，则遭遇了性能的降低问题，发布水平为97.95%。
不过仍旧以微弱优势战胜了脸书团队。
“脸书的算法比我们拥有更多的人类真实图像资源，我们作为实验室在这方面有巨大的劣势，双方的实力差距很大。不过我们仍旧顶住了压力，克服了困难。”汤小鸥面对采访的时候，如此回复到。
这是人工智能方法首次在人脸识别领域突破人类水准，在全球引发了巨大的轰动。
同时，也让原本就火热的虚假生成人脸问题热度再创新高，所有吃瓜群众看到这些新技术之后，第一个想问的问题就是，你这个最新的算法，它到底能不能分辨虚假的生成的人脸？
“利用城市各个角落的摄像头抓拍的人脸图像进行对比，自动识别犯罪并发出劲爆。根据性别，年龄等属性表情快速查询人物信息，这些科幻电影中的情节，脸书正在逐渐让它们成为可能。”
脸书有一些新闻稿在宣传自己的技术，但似乎下面的围观群众们不是很吃这一套。
“别吹了别吹了，我们就想知道你们的新算法能识别生成的假脸吗？”
“你们的新算法能处理人工智能的安全危机吗？”
“.......”，面对不明内情的群众，脸书的技术团队也比较无奈。
很多技术都并不是完全安全的，只是眼下这个时间点，这个问题实在热度太高，也太过敏感。
脸书的宣发策略是，不正面回答。
但大家心里都很清楚，不回答其实很多时候就是一种回答。
此情此景，如果不能正面回答这个问题，那
本章未完，请点击下一页继续阅读！