面部识别能帮助破案吗？当然，我们可以。
我们可以将犯罪分子的面部特征与犯罪嫌疑人进行匹配识别，日常生活中摄像头的辐射范围也到达各个角落。
对于这个问题，这是最常见的思维逻辑。
但现实要困难得多。
首先，如果有犯罪的图像数据，并不一定有助于识别面部特征，因为目前市场上95%的摄像头都是低分辨率的。
此外，故意犯罪的人大多遮住脸部。
这个问题所代表的是，人工智能在沿着技术轴线一步步崛起的同时，却很难在商业上真正落地到行业中。
目前，高度重视人脸识别的AI公司在技术发展上取得了巨大的成就。
FACE++声称最多可以使用3个点来实现即使在快速移动的视频流中，关键点仍然可以完美贴合脸部；百度AI平台给出的人脸识别准确率可达99.77%。
然而，人脸识别最常见的使用场景需要被检查者的配合：在机场排队进行人脸识别，会议的安检通道也需要按顺序匹配参与者。
当真的有人扰乱秩序时，人脸识别的安全能力在哪里？无人驾驶什么时候才能真正“无人驾驶”？译者什么时候才能真正取代翻译？技术乐观主义者认为，只要我们不断提高准确率、继续训练模型、继续发展人工智能技术，这些问题都将得到解决。
到那时，面部识别将不会出现任何错误，无人驾驶将能够识别所有障碍物，翻译将成为世界公民。
商人吴明辉并不同意企业应该最大化技术。
他认为，实现99%的技术是学校和科研应该做的事情，而商业则是如何实现85%的技术。
用“人工智能”来闭合人工智能的业务循环。
回到最初的问题，这位父亲是警察的北大计算机硕士对于如何通过“85%的技术”破案给出了答案，“我们可以利用这个人的身体特征，比如深蓝色衬衫、短发、男性、不戴眼镜等。
如果这个人遮住脸，比如戴着口罩跑进商场换衣服，这时候按照逻辑推理会怎样呢？警察的职责，就是观察有没有人没有进去却出来了。
”吴明辉认为，目前99%以上的案件没有完整的高清人脸识别，但利用数据还是可以破案的，只要识别到人。
将特定行业积累的特殊智慧交给人工智能。
他告诉极客公园创始人张鹏：“互联网上有很多数据，比如快递物流、消费记录、身份信息等，如果把这些数据结构化并应用到行业中，就可以转化为数据。
”知识实际上是一种更高效的数据类型。
例如，这些数据可以供公安情报人员在办案时使用，但这些数据多种多样、异构，需要一个接近大脑破案时思维模式的系统来帮助警方更好地利用这些数据。
数据。
据中国互联网络信息中心发布的统计报告显示，截至2020年6月，我国网民规模达8.02亿，互联网普及率达57.7%。
其中，使用同时，中国有5.69亿手机上网用户，外卖平台、社交网络、电商平台等应用的繁荣背后，还有越来越多的用户。
更多的数据正在加速积累。
2016年斯诺登事件发生后，吴明辉更加确信中国未来一定要有一个拥有自主知识产权的软件平台和数据平台，于是他从自己的其他人那里抽调了20人。
公司“秒针”成立了一家可以帮助人们更好地利用数据的公司“明略数据”，并开发了世界上第一个利用“知识图谱”方法进行推理的公司。
人工智能引擎“智慧系统”结合不同行业的数据，逐步打造公共安全大脑、金融风控大脑、工业安全大脑。
吴明辉表示，这个引擎结合了人类的智慧和数据之间的关系，创造了人类可以理解的知识体系。
在这个知识体系的支持下，所有AI算法的效率都会变得更高。
目前，明略数据已成功服务部分省级公安部门和市级公安局，人民银行、交通银行、光大银行等金融机构以及中车、上海地铁等行业客户。
吴明辉坦言，技术上明略数据可能无法与很多领先的AI初创公司相比，但在实际行业应用中却可以远远领先于大多数公司。
其背后的原因是他们可以针对某个行业。
定制人工智能算法。
他表示，对于大多数技术模块，比如视频、语音，我们比他们稍微好一点也没关系（指专攻技术的AI初创公司）。
他们可以做到95%，而我不必做到94%，只需85%即可。
85%能够帮助警方解决的案件比他们多得多。
他认为AlphaGo就是一个很好的例子：“如果你不告诉AlphaGo一些基本的人类逻辑，它可能会计算得很愚蠢，消耗大量的电量，但输入规则和策略后，就会完全不同。
” AI时代的产品经理 贴近行业还有一个好处。
每天都会有新的数据反馈到这个产品。
“我们在设计产品的过程中都面临的一个难题是必须形成反馈。
”吴明辉拿出了自己的一套产品理论，“广义人工智能就是说你的系统可以自己迭代。
但是这件事不是科学家能够搞定的，因为整个迭代和进步都需要一个商业环境。
”正因如此，与传统企业相比，人工智能企业不仅需要优秀的技术团队，还需要具备强大的品牌开发和营销能力。
他解释说，就像我们提供给派出所的软件一样，警方每天都可以反馈最新的数据，以确定系统输出的判断是否存在问题。
例如，警方会反馈软件提供的犯罪嫌疑人线索是否确实是犯罪分子，这些反馈数据将使软件得以优化和迭代。
数据是智能产品的重要原材料。
同样熟悉的还有AlphaGo，它需要从大量的人类棋局数据中学习如何下棋。
此外，视觉识别还需要大量有用的数据来进行模型训练。
由于拥有如此多与市场上其他公司不同的产品洞察，吴明辉称自己为“企业级服务领域最值得信赖的产品经理”。
在他看来，AI时代所需的产品理念与传统互联网时代有很大不同，尽管仍有一些一致的理念，比如关注所服务的行业赛道的成本。
“当一个产品被定义为人工智能时，每个人都对它抱有非常高的期望。
如果有一点点错误，你就会感觉很糟糕。
但目前的机器学习几乎不可能生产出完全没有错误的产品。
”吴明辉表示，“传统互联网没有如此执着的追求‘完美’。
”产品经理给出了自己的薪酬方案：当人工智能算法没有办法改进时，唯一的选择就是进化AI情商通过巧妙的设计补偿可能出现的错误。
当电梯里挤满人的时候，人们会说：“对不起，我挤进去”。
机器只能依靠AI算法来评估空间大小并决定是否进入电梯。
如果评估错误，人们可能会受到挤压。
吴明辉自信地说，我们此时的产品设计是这样的，在进入之前，机器会说，“我年轻，腿软，请给我让路”。
资本市场似乎也认可了吴明辉的这些策略。
。
今年，明略数据宣布获得10亿元C轮融资。
华兴新经济基金、腾讯产业共赢基金为本轮投资方。
2018年获得硅谷天堂近亿元A轮融资； 2018年8月获得2亿元B轮融资，由红杉中国领投，股份投资、硅谷天堂跟投。
“这些产品创意都是通过烧钱和不断踩坑开发出来的。
历史上，我从投资者那里筹集了数十亿。
如果我没有从第一天开始踩坑，我可能会节省三毛钱。
来第二次”。
吴明辉说道。
不过，明略数据在AI领域的落地步伐让他确信这笔钱没有白花。