Штучний інтелект починає диктувати моду не тільки в переносному, але й в прямому сенсі. Дослідники з Каліфорнійського університету в Сан-Дієго та компанії Adobe навчили нейромережі визначати стиль людини, а також створювати зображення одягу, що відповідає цьому стилю. Це дозволить рітейлерам моделювати персоналізований одяг для клієнтів та прогнозувати модні тенденції.

Алгоритми моди

Технологічний прорив відбувся завдяки поєднанню двох алгоритмів, розроблених спеціалістами зі штучного інтелекту. Спочатку дослідники навчили згорткову нейронну мережу (CNN, Convolutional Neural Network) визначати і класифікувати вподобання користувачів на основі даних про покупки на Amazon. Мережа визначала смаки людей за кількома категоріями: взуття, топи та штани для чоловіків та жінок. Така модель рекомендацій є популярною в онлайн-торгівлі – один із способів її застосування можна побачити на сторінках інтернет-магазинів у блоці «Інші товари, які можуть вам сподобатися».

Інформацію, здобуту за допомогою першого алгоритму, дослідники використали для навчання генеративної змагальної мережі (GAN). GAN є різновидом штучного інтелекту, який здатен створювати реалістичні зображення. В рамках дослідження ця нейромережа створила кілька зображень елементів одягу для кожного користувача, про покупки якого було відомо системі.

Останнім часом GAN привертає до себе все більше уваги. Наприклад, обробивши реальні фотографії зірок Голлівуду, мережа навчилася створювати дуже реалістичні фото «знаменитостей», яких насправді не існує. Втім, обличчя на фото не були ідеальними – деякі з них мали розмиті ділянки, а не деяких не вистачало брів.

Щоб уникнути таких помилок і полегшити завданння нейромережі в новому проекті, одяг фотографували з одного і того ж ракурсу та на білому фоні. Як показало дослідження, це спростило створення реалістичних зображень.

Від 3D-моделей до одягу

Використання GAN у системах, що рекомендують одяг, може допомогти інтернет-ритейлерам з’ясувати, яких елементів бракує в асортименті товарів. Однак до впровадження такої технології в бізнес-процеси дослідникам доведеться спочатку з’ясувати, як же перетворити згенеровані комп’ютерні зображення у 3D-моделі, які можна буде використовувати для виготовлення одягу.

Поки що система не здатна замінити стиліста чи навіть запропонувати новий наряд. Зараз  GAN може запропонувати більше блакитних сорочок покупцю, який любить блакитні сорочки, але створити пару взуття, яка би добре підходила до пари штанів, їй ще не під силу.

Попри наявні обмеження, фешн-індустрія вже готова до вторгнення штучного інтелекту. На цьому ринку є багато даних про інтереси клієнтів, а на кону – дуже багато грошей.

Amazon наввипередки з Alibaba

Найбільший онлайн-ритейлер Amazon давно працює над системами штучного інтелекту, які дозволять передбачати тенденції моди. Зокрема, компанія встигла потестувати нейромережу GAN, і зупинятися на цьому не збирається. Група дослідників Amazon в Ізраїлі розробила алгоритм, який за фотографією визначає, чи можна вважати зображений на ній “лук” стильним. Крім того, програма може надавати рекомендації для покращення образу.

Тим часом, компанія Alibaba нещодавно презентувала технологію FashionAI, що може рекомендувати покупцям товари на основі речей, які вони вибрали для примірки. Компанія встановила в торгових центрах спеціальні термінали, що зчитують штрих-коди з одягу, який покупці несуть в примірочні, а потім виводять на екран «луки» з іншими речами бренду. Цю технологію, пише MIT Technology Review, можна налаштувати для кожного магазину, щоб генерувати десятки рекомендацій із наявного асортименту одягу.

Головний вчений у фешн-стартапі Vue.ai Коста Колберт, який нещодавно виявив метод автоматичного створення нових моделей одягу за допомогою GAN, стверджує, що технологія потребує таку велику кількість даних, яка є хіба у найбільших компаній, а відповідно буде корисною лише для них. Водночас зрозуміло, що GAN продовжуватиме впливати на модну індустрію, зокрема на онлайн-торгівлю. За словами Колберта, деякі компанії вже зараз пропонують покупцям надсилати свої мірки, щоб отримувати персоналізований одяг.

За матеріалами MIT Technology Review