Facebook DeepFace系統
據國外媒體報道，Facebook在臉部識別上要勝過FBI，原因在於它擁有更加龐大的照片數據庫等優勢。
要是你對實行“老大哥”式監視的政府和計算機化的臉部識別心存擔憂，那這個夏天你恐怕要坐立不安瞭。執法部門研究臉部識別也有一段時間，美國聯邦調查局（FBI）要部署其名為“下一代身份識別”（以下簡稱“NGI”）的自有系統，定於今夏開始全面運行。NGI將匯集數百萬張照片到一個中央聯邦數據庫，年底前覆蓋所有的50個州。經過多年的低調運作後，今年似乎會是執法部門終於能夠識別你的臉部的一年。
但事實上，FBI的新系統並不是很好。得益於電子前線基金會的廣泛工作，人們得以對NGI有一點瞭解，數據顯示它並不算很擅長識別臉部。給出一個嫌犯的臉部照片，NGI會返回含50個可能性的列表，而且僅承諾85%的返回嫌犯姓名概率。
對比Facebook本月早些時候亮相於IEEE計算機視覺大會的DeepFace系統，NGI顯得更加糟糕。給Facebook兩張照片，它準確識別它們裡面的人是否同一個人的可能性高達97%。公平地說，Facebook擁有龐大的數據網絡，它可以在更小的范圍內對比每張臉。這並非準確的比較，但無可否認：美國最強大的執法機構在那方面比不上一傢社交網絡。
雖然有不少承包商承諾能夠提供“精準度接近人類”的識別技術，但現實中的臉部識別比行業想象的要復雜得多。FST Biometrics首席技術官沙哈·貝爾金（Shahar Belkin）指出，“那些自稱能夠提供精準臉部識別技術的公司都在說謊。要知道，人腦與計算機大腦之間的差別非常巨大。”
FST的臉部識別系統適用於公寓大樓的住戶，他們屬於願意配合在鏡頭前拍照的人員，因而識別的難度要遠遠低於FBI的任務。該公司還增加瞭諸如身高和步態追蹤的其它識別層來進行篩選。
FBI系統不具備上述的那些條件。它寄望臉部識別能夠像指紋識別那樣操作。目擊者能夠輕松識別人臉，但自動化系統要解決的問題還很多。“將會扼殺這些系統的是誤判率。”貝爾金說道，“我不認為五到十年內會出現很好的解決方案。”
NGI糟糕的原因之一是，FBI使用的照片質量不佳。貝爾金說，臉部識別系統通常需要人正面拍照，與中心軸相差不超過15度。對於幹擾性較大的用途，如通過公共攝像頭識別犯人面容，這是一個十分棘手的問題。監控攝像頭通常安裝在天花板或者街燈上，因而嫌犯足夠接近鏡頭的時候，拍攝角度通常都很糟糕。所以識別技術難以派上用場。
Facebook能夠避免這一問題，因為它已經知道你有哪些朋友，誰很有可能出現在你的照片中。它也擁有更加龐大的照片庫，托管的照片達到2500億張，遠遠超過FBI的5000萬張。因此，Facebook的工程師更有機會找到質量好的照片以及更多的數據來進行歸納。Facebook也有更大的犯錯餘地，畢竟照片貼錯標簽的影響不能跟搞錯嫌犯身份相提並論。臉部識別是很好的照片自動化標記工具，但對於識別嫌犯身份並無幫助。
這對於隱私倡導者來說可謂好消息，但也不足以令人放心。FBI還是能夠建立一個可行的臉部追蹤系統的，它需要的就隻是更多的照片、更多的姓名信息、更加智能的信息組織網絡：簡單來說，它需要Facebook的幫助，或許隻需一個法院指令即可實現。
Facebook正因檢察官能夠多大程度地收集它的用戶數據問題陷入激烈的法律爭端。倘若它輸掉瞭這場戰鬥，檢察官和執法機構就有可能得到足夠多的數據來升級它們的臉部識別系統，通過自動標記的照片進行篩選，建立已知聯系人名單。