好奇心日报
2016年11月8日
还在街拍里找搭配灵感吗?韩国人想靠这个来让你血拼
好奇心日报
2016年11月8日
“你挑了那件蓝色的条纹毛衣,你以为你是按自己的意思认真选出了这件衣服。但是,首先你不明白那件衣服不是蓝色、青绿色或琉璃色,而是天蓝色的;你也不知道,自从 2002 年 Oscar de la Renta 的发布会第一次出现了天蓝色礼服,Yves Saint Laurent 也随之展示了天蓝色军服系列,很快地,天蓝色就出现在随后 8 个设计师的发布会里,然后,它就风行于全世界各大高级卖场,最后大面积地流行到街头,然后就看到你在廉价卖场里买了它。”
关于穿搭这件事,时尚产业一直没有一个足够“民主”的答案。《时尚女魔头》中米兰达的这段台词相对形象地说明了这一点。数十年来,公众先是依靠时尚杂志编辑们总结的“本季 T 台趋势”了解潮流走向,接着是通过电影、电视,然后是街拍。只是,无论信息沟通的方式如何变化,公众在这些媒介中扮演的仍然更多是接收者、而非创造者的角色。
现在,社交媒体被视为时尚民主化的一个新机会,穿搭的创造和消费也好像前所未有地变成了一件可以自己主宰的事。
不过,两个新的问题又随之出现了:在面对更多选择时,如何更好地做判断?以及,当信息渠道被疏通后,购买渠道如何也能变得更通畅,甚至与信息渠道对接起来?
总部位于韩国城南市的电商平台技术公司 SK Plant 最近提出了一个方案。根据 qz 的报道,该公司的机器智能实验室(Machine Intelligence Lab)花一年多时间,研制出一套由虚拟神经系统驱动的、专门针对时尚单品购物的搜索引擎。
简单说,它就是一个模仿助手:只要上传你喜欢的街拍、截图或照片,再输入指令(比如“我想要那双鞋”“我想那条裙子”或者只是“我想穿成那样”),系统就会自动分析图片,随后在预先分好类的产品目录中找出相同或类似的在售商品供选择。
听上去这个功能就和淘宝的“拍立淘”差不多,它在本质上就是图像搜索技术。根据阿里研究员华先胜的描述,“第一步是训练计算机进行图像理解,也就是通过计算机将图片中的要素,包括人像、颜色、纹理等具体特征,转化为类似文字的‘视觉词’、编成索引……之后是搜索……下一步则是深度学习,大数据分析和大量用户使用反馈。”
不过 SK Planet 的方案还要多一层:随着系统累积了越来越多关于服装、色彩和风格方面的细节,它能够学习时尚圈近期的主流趋势,依据地域提出相应的穿搭建议,比如“这件上衣可以搭什么裤子?”“这个领结可以搭配什么外套?”
为了保证这些建议尽量精准,SK Planet 的研究团队找了许多时尚设计师,归纳出 19 个时装分类以及 90 个与穿搭相关的特点。它们可以排列组合成上千个独特的搭配。
下个月底,这套系统将在韩国最大的电商品台 11Street 上线。
SK Planet 或淘宝当然都不是唯一看准机器学习的例子。今年 6 月,亚马逊雇来了卡内基梅隆大学教授 Alex Smola,主管其云机器学习平台(Cloud Machine Learning Platform),目标是“让人们能尽量轻松而普遍地应用机器学习”。同月,Google 也宣布将请苏黎世办公室的工程师团队提升其机器学习能力。
看上去很美好是么?不过届时情况可能是这样的:
“啊这身搭配好厉害,尤其是那双袜子我没有诶,要不要买!”
又或者是:
“啊这样穿超级好看,我全买了吧!”
人工智能若是让人类丧心病狂,这倒也不失为一种可能性。
copyright_qdaily