http://blog.outer-court.com/archive/2007-05-28-n84.html
google image search 影像搜尋又有新花樣了！人臉辨識的技術越來越進步。所謂有圖有真相，當我們找尋某個人時，為何不把照片列出來就好呢!?
於是，google image search 現在支援篩選條件： imgtype=face ......WTF
目前還沒有正式的選項介面可以讓使用者選擇，必須在網址的後面加上 &imgtype=face （亦即用 GET 方式傳輸參數），例如
http://images.google.com/images?q=untitled&imgtype=face
可怕的是這 face searching 的 false positive 個數真是少啊...這背後到底花了多少心血
http://taiwan.cnet.com/news/software/0,2000064574,20116383,00.htm
看起來概念上就是 googlefight！不懂的東西怎麼辦呢？就吸取過去人類的智慧精華來幫忙！有了大量資料作為背景知識，這的確是個不錯的主意。
當然可能有的問題有相關知識太少（如文中所提）。另外，是否會發生以訛傳訛的情況呢？當大家都認為某件事是對的以後，以後的人也就追隨前人的腳步......於是就沒有翻盤的機會了（不過這剛好是語言演化的情況呢！）。如同用 googlefight 猜測一個成語正確的字該如何寫，而不是上查教育部字典。是要聽信權威，抑或民主投票？
這又讓我想到 wikipedia 也要作 search，然而是利用人類腦袋而非電腦 cpu。不過無論是 wikipedia 或 google，所憑藉的都是人類的智慧遺產。話又說回來，人類本身的學習不也如此？
軒田今天到中研院給了個相當精采的演講！內容是關於如何打分數...
舉個例子，今天我看了一些電影，並在 imdb 上評分 1 到 10。別人要如何從我評過分的電影來推測我的喜好呢？或者更精確一點，能不能猜到我對某部新電影的評分？
這並不是一個單純的 regression 問題，因為評分雖然有大小，但對我來說 10 和 9 的差距並不一定等同於 6 和 5 的差距。也就是 1- 10 的給分制只是一種相對大小，但無法真正的量化。
這也不是一個單純的 multi-class 問題，因為分數之間是有大小關係的。對於一部我可能會評為 5 分的電影，猜測我會評 6 分和猜測會評 10 分，這兩者的錯誤程度是有分的。
對於這種 "ranking" 問題，軒田他們給了一個 scheme，只要你手上有一個 binary classifier 就能套用他們的流程解決問題！大致上的概念是，根據我之前的評分紀錄，去判斷我為什麼會投 1 - 7 分或是 8 - 10 分，由此定出一個 threshold，這是一個 two-class 的問題。定出 9 個 threshold 以後，就有各個分數的區間了。
