等到這個生成模型成功訓練之後，孟繁岐便可以用它去對現在世面上的先進人臉識別演算法發起針對性的挑戰。
這些市面上的人臉演算法，許多都基於傳統的特徵方式，就連剛剛孟繁岐回憶到的DeepFace都還沒有釋出。
原本，它們最多就只有9495左右的水平，距離孟繁岐可以做到的99.6差了不少。
在這樣的基礎之上，它們還完全不具備辨別生成式虛假影象的能力。
孟繁岐可以隨意地用各種虛假的人臉圖片去欺騙這些演算法，甚至可以針對某一些特定的面孔，去生成對應的人臉影象，並騙過基於這些演算法的各種安檢產品。
直接從安全性這個最根本的問題上徹底動搖對方的商用價值。
試想，既然現在市面上已經擁有這樣任意生成虛構面孔的演算法能力，而臉書的人臉識別技術竟然毫無對策，完全無法分辨。
這就帶來了巨大的隱患，真假不辨，產品識別成功放行透過的，誰都不確定到底是什麼鬼東西。
同時，這些產品的識別精確度，識別速度又都遠遠遜色於孟繁岐的技術產品。
在這樣的情況之下，所有的甲方，尤其是注重安全性的政府機構，都會做出最為明智的選擇。
而作為演算法設計者的孟繁岐，當然非常清楚這樣的生成策略會有什麼問題和漏洞，生成出來的影象又有什麼人類無法發現的規律。
孟繁岐的人臉識別演算法，將會同時具有首次突破人類水平的精確度，數十倍於目前世界一流演算法的檢測速度，以及當下獨一無二別無分號的偽造檢測能力。
與此同時，對孟繁岐的新計劃一無所知的臉書DeepFace團隊，正在集體研究孟繁岐的論文和程式碼，完全不清楚自己將會遭遇什麼。
“我們正在做的事情是首個將深度學習用於人臉識別的開創性工作，用到的資料規模也高達百萬，如果這個時候替換掉如此多的演算法元件，會不會耽誤太久時間？” DeepFace四人組中，楊明是唯一的華國人，他對此稍微有所擔憂。
“楊，現在孟的殘差網路已經席捲了整個AI界，如果我們還是使用去年的8層網路，這真的可以稱得上是首個將深度學習應用在人臉識別上的工作嗎？”沃夫人如其名，工作上很有狼性。
在他看來，孟繁岐對深度學習的核心，網路結構本身已經做出了革命性的突破。
如果不採用這種新的技術，那麼自己釋出出去的文章又或者是程式碼，根本就只是曇花一現，幾個月之後，一定到處都是基於孟繁岐殘差技術的版本。
既然已經意識到了自己的不足，那就一定要修正，不能怕麻煩，也不能怕時間不夠。
殘差網路開源釋出出來，就是幾天前的事情，所有人都在同一條起跑線上。
沒有什麼可擔憂的。
DeepFace團隊已經在這個方向上努力了大半年，如今只是更換一些元件，迅速地將終版的實驗迭代一下，這耽誤不了太久。
這麼久的技術積累，難道會別人隨意趕超不成？
“楊，你不必擔心，我們的主要步驟是檢測>校正>再表達>分類驗證，後面幾個步驟都已經相當成熟了，只是現在有了更好的特徵提取辦法。”
泰戈曼也出言安慰楊明，他知道這個新加入臉書的小夥子急需一些成績，“更換了方法之後，我們可以做得更好！”