聽起來很簡單，事實上卻相當複雜，背後的邏輯只有一個，就是比對兩張照片認定是同一個人。如果兩張照片相同還好辦，但想想就知道前後貼上去的照片，不太會相同，拍攝角度、彩色亮麗、光線明暗、尺寸大小，可能完全不一樣，但臉書卻能認出是同一個人，至少辨識的程度很高。
照片加註標籤 (Tag) 的功能，鼓勵了很多人把照片存放在臉書，因為照片裡有姓名標籤，可以讓記憶保存下來，尤其是事隔多年再看更能回味。但辨認同一個人的兩張不同照片並不容易，由人來辨認也不是百分百，何況是電腦？所以張冠李戴、名字放錯了，並不稀奇，而臉書也稱照片上的姓名標籤僅是「建議」，錯了可以由當事人更改。
照片標籤在 2011 年初推出，但很多人認為侵佔隱私，不久臉書把就這個功能收回，2013 年又再度開放，讓用戶可以自己關閉這一功能。儘管爭議，臉書持續發展照片的比對技術，在月前宣佈了突破性的發展，新的辨識軟體精確度高達 97.25%，接近人腦辨識的 97.53%。新技術還在實驗室，以後用在比對照片上，會比現在減少 27% 的錯誤。
臉書稱這個新軟體為 DeepFace，用兩道手續處理完成。首先是把照片歸位，也就是調整到一般面向正前方的立體化臉形，然後使用一個稱為人工神經網路 (Artificial Neural Network) 做多層次的轉換運算，最後得出來代表照片的數據。如果兩張照片經這個程序所得出來的數據相似到一定的程度，就可以認定這兩張照片是同一個人。
神經網路原指動物的神經系統，特別是腦子的結構，我們的腦子有無數個神經細胞 (Neuron)，細胞之間以神經連接，構成一個超級複雜的網路，每遇到外來的刺激，經過神經在細胞之間層層傳送解碼，最後做出反應。
人工神經網路是電腦軟體，以點與線的連接，來模擬神經系統的細胞與神經，是人工智慧 (Artificial Intelligence) 的重要工具。每一點是一個轉換與加權的運算程序，每一條線是連接兩點的通路，當一個點接受到輸入信息，處理之後就傳到另外的點，處理後再傳下一個點，這樣重複下去，直到取得最終的結果。因為運算的重複，使得神經路有學習的潛能，適用解決複雜的問題，像是視覺與語音的辨識，因為這些問題沒有辦法用一般規則性的電腦程式解決。
那臉書的神經網路有什麼樣的結構？臉書說一共有九層，深度超過一般的人工神經網路，所以稱為"Deep"。每一層有多個點，負責不同的運算，一共用了 1 億 2000 萬個參數做運算的連接。
要訓練這個網路辨識人臉，臉書從資料庫取出 4000 張有代表性的人臉照片，再從中製作出 400 萬種「變臉」，也就是每張臉平均有一千個不同的臉譜，然後把這許多臉譜喂進神經網路，讓它學習辨識照片。外界的評論認為，學習的資料夠多，可以大幅度提升辨識的能力。
DeepFace 目前僅是一個研究計畫，臉書說對 12 億的用戶沒有影響，執行長 Mark Zuckerberg 對臉書進入人工智慧的領域非常高興，但不止於認臉。他上周對投資人說，臉書的目的是要了解世界，除了整理「臉」、更要進一步整理「書」，要分析臉書內文字資料的意義，讓臉書從被動的接收器，轉換成主動的生活互動器。臉書的下一步進展，我們值得關注。
DeepFace 學術論文 DeepFace: Closing the Gap to Human-Level Performance in Face Verification，將在六月底 IEEE 電腦視覺與形體識別年會上發表。
（圖片取自網路）
