商汤科技联合创始人杨帆也认为，这些准确度是在一定前置条件下取得的，但现实应用场景复杂多变，人群样本更大，不同光线、姿态、分辨率等条件都可能给机器识别带来困难。
不过，这也不代表技术要达到100%准确率才可以使用。“世界上没有完美的技术，任何技术都是有错误率和瑕疵的，但是如果在特定的场景下，技术的准确度能够满足要求、错误带来的风险可以承受，那它就是有价值的。”颜水成说。
苹果方面介绍，新机iPhone X的面容ID功能利用由点阵投影器、红外镜头和泛光感应元件组成的先进原深感摄像头系统，在A11仿生强劲动力的支持下可绘制面谱并识别面容。该功能会投射30000多个肉眼不可见的红外光点，然后将得到的红外图像和点阵图案传输给神经网络，创建用户脸部的数学模型，再将这些数据发送至安全隔区，以确认数据是否匹配。而且，用户的样貌随着时间而改变，技术也能随之进行调整适应。
蚂蚁金服介绍，支付宝在肯德基KPRO的点餐机上配备了3D红外深度摄像头，在进行人脸识别前，会通过软硬件结合的方法进行活体检测，来判断采集到的人脸是否是照片、视频或者软件模拟生成的，避免各种人脸伪造带来的身份冒用情况。
疑惑二：双胞胎、过度化妆和整容能分辨吗？
“人脸的角度、光线、表情、年龄、化妆、遮挡、照片质量等会影响我们的判断，并且随着数据库样本增大，两个不同人长得像的概率会快速上升。”陈继东提出了生物识别技术面临的难题，不过，他认为深度学习会让计算机更聪明，能克服这些困难。
颜水成表示，面对双胞胎或者整容前后等特殊情况，机器能否识别，要看具体情况。比如整容幅度过大，机器无法识别是有可能的。此外，脸部信息也会随着年龄增长而改变。如果到了机器无法识别的程度，使用者只需去系统更新脸部照片就可解决。
为了提高识别率，不少应用场景都需要用户采用除人脸识别技术外的双重验证。陈继东表示，交叉验证方式进一步提升识别率，即使是双胞胎也“判若两人”。在金融等对误识别率容忍极低的领域中，单一识别要素即使精准度再高仍然会有漏网之鱼，因此需要结合多因子综合验证。目前人脸识别准确率已远超肉眼，而且有活体检测算法来判断采集到的人脸信息是否为照片、视频等冒充。“即便出现账户被冒用的极小概率事件，支付宝也会通过保险公司全额赔付。”
