AI在時(shí)尚領(lǐng)域的應(yīng)用有哪些?

參與：冷蕓時(shí)尚8群群友
時(shí)間：2021年8月28日
莊主：多恩Stone-上海-研究生

▼ 以下的冷蕓時(shí)尚圈討論是就行業(yè)問題的討論及總結(jié)。這些分享屬于集體智慧的結(jié)晶。（它們并不代表冷蕓個(gè)人觀點(diǎn)）。希望通過此種方式能讓更多行業(yè)人士受益！

｜一｜
AI的局限與趨勢(shì)

1.認(rèn)識(shí)AGI通用人工智能，AI人工智能，ML機(jī)器學(xué)習(xí)，DL深度學(xué)習(xí)

莊主：
首先我們得清楚一點(diǎn)是人工智能并沒有多么的高大上，而是非常貼近我們生活。也許本身這些概念的理論有些晦澀難懂，這里我們可以用自己的感受進(jìn)行理解。通用人工智能AGI（Artificial General Intelligence）：像各類科幻電影里看到的人工智能擁有意識(shí)、最后控制人類之類的機(jī)器人就屬于AGI。

人工智能AI（Artificial Intelligence）從誕生至今約70年的時(shí)間，前60年AI基本處于“發(fā)明期”。真正將AI從發(fā)明期帶入“應(yīng)用期”的技術(shù)則是深度學(xué)習(xí)DL（Deep Learning）。對(duì)于DL至今很多人都存在一個(gè)誤區(qū)--把DL和機(jī)器學(xué)習(xí)ML（Machine Learning）等同起來了。實(shí)際上DL是ML的一種方法，ML中還有統(tǒng)計(jì)學(xué)習(xí)等方法也一直存在著。簡單來說，ML是AI中的子集，DL是ML的一個(gè)子集。DL在2010年前后得到了迅速的發(fā)展，而它真正被廣泛應(yīng)用則是近5年的事情，現(xiàn)在常見的人工智能應(yīng)用幾乎都是DL。

蕓友蕭竣嘯：
關(guān)于人工智能有沒有具體的應(yīng)用案例？

莊主：
剛剛大家有提到的siri所用到的語音識(shí)別屬于自然語言處理（NLP），DL根據(jù)數(shù)據(jù)類型的不同分為計(jì)算機(jī)視覺（CV）和NLP兩大類。NLP處理文本、語音這類“序列”數(shù)據(jù)。CV則處理圖像數(shù)據(jù)，比如人臉識(shí)別。

蕓友趙雅：
AI和AGI有什么區(qū)別？

莊主：
在科幻電影里大家覺得會(huì)具有意識(shí)、情感甚至控制人類、毀滅世界等等，這類就是AGI。AI有六七十年的歷史，范圍很廣，包括但不限于剛剛說得NLP自然語言處理（siri），CV計(jì)算機(jī)視覺（人類識(shí)別），自動(dòng)機(jī)器人控制，規(guī)劃/最優(yōu)化算法，專家系統(tǒng)，知識(shí)圖譜....


2.以DL為主的AI簡史及其局限

莊主：
今天我們主要梳理一下DL的幾個(gè)“里程碑”。首先是2010年的ImageNet超大型數(shù)據(jù)集的出現(xiàn)。ImagNet是超過1400萬的圖像帶有注釋，以表示圖中的物體；在至少100萬張圖像中，提供了邊界框。自2010年以來，基于該數(shù)據(jù)集，每年舉辦一次比賽，全球就有很多高校和企業(yè)研究院競相參加。而真正推動(dòng)了深度學(xué)習(xí)迅速發(fā)展的則是AlexNet。2012年9月30日，Alex以及Hinton等人提出，他們提出的算法在該比賽中得到的分類錯(cuò)誤率比第二名低了10.8個(gè)百分點(diǎn)，遙遙領(lǐng)先于其它選手。所以后來大家都紛紛開始模仿AlexNet的深度神經(jīng)網(wǎng)絡(luò)（DNN）結(jié)構(gòu)來搭建算法。

那在這之后，2015-17年這段時(shí)間的AlphaGo，大勝人類頂尖圍棋高手，將公眾對(duì)“AI”的注意力和輿論推到頂峰。這個(gè)模型一開始使用幾百個(gè)GPU，到后來用了Google的TPU，可見算力的重要性。

所以DL的三大核心要素：（1）數(shù)據(jù)（ImageNet等超大型數(shù)據(jù)集的出現(xiàn)）、（2）算法（AlexNet等深度學(xué)習(xí)算法的提出）、（3）算力（GPU、TPU的使用）。為了便于大家理解，我們把“DL類比于烹飪，那么數(shù)據(jù)就是食材，算法就是菜譜，算力就是烹飪工具”?！案叨说氖巢耐切枰顦闼氐呐腼兎绞健?，可見數(shù)據(jù)（食材）的重要性。

冷蕓時(shí)尚博士：
中國目前的DL水平如何？

莊主：
中國目前的DL水平基礎(chǔ)不行，應(yīng)用較強(qiáng)，因?yàn)榭蓱?yīng)用的數(shù)據(jù)多。

蕓友白澤：
所以中國的AI發(fā)展，數(shù)據(jù)是大優(yōu)勢(shì)嗎？算法和算力目前如何？

莊主：
這問題太宏觀了，我只能說我了解到的。中國目前主流用的“算力”是Nividia的GPU，然后使用的框架是pytorch或者tensorflow，這些基礎(chǔ)軟件都是美國公司的。

蕓友趙雅：
DL層數(shù)多了是不是就更有自己的意識(shí)？

莊主：
這個(gè)問題很難說，從2015年左右的ResNet（一種處理圖像數(shù)據(jù)的DL算法）開始，做到了100多層神經(jīng)網(wǎng)絡(luò)，到GPT-3（處理文本數(shù)據(jù)的DL模型），各大公司都開始做超大型模型，參數(shù)達(dá)到“億萬”級(jí)別的。但是我也看有的學(xué)者說，像 GPT-3這樣的超大模型，雖然有1750億參數(shù)，但比大腦小一千倍。未來會(huì)不會(huì)有，還真說不定。


3.AI的未來發(fā)展趨勢(shì)

莊主：
經(jīng)濟(jì)增長的基本動(dòng)力一直是技術(shù)創(chuàng)新。其中最重要的，正是所謂通用型技術(shù)，包括蒸汽機(jī)和珍妮紡紗機(jī)（第一次工業(yè)革命）、電力與內(nèi)燃機(jī)（第二次工業(yè)革命）、計(jì)算機(jī)、互聯(lián)網(wǎng)（第三次工業(yè)革命）等。而我們現(xiàn)在正在進(jìn)行的第四次工業(yè)革命中，最重要的通用型技術(shù)正是人工智能(AI)。所以我們可以把AI和之前的技術(shù)進(jìn)行類比，可以知道AI的未來發(fā)展趨勢(shì)必然是和各行各業(yè)更深入地結(jié)合與落地。

所以AI+時(shí)尚是必然趨勢(shì)，AI可能會(huì)取代“通過練習(xí)就能掌握的設(shè)計(jì)技法、可被程序化的重復(fù)性工作；有數(shù)據(jù)支撐、模塊化的設(shè)計(jì)”、而設(shè)計(jì)師的優(yōu)勢(shì)有：跨領(lǐng)域推理、抽象能力、思考能力、常識(shí)、審美，自我意識(shí)與情感等。

蕓友月喬：
AI可以代替設(shè)計(jì)師做什么工作？

莊主：
如果是服裝設(shè)計(jì)的話，AI可以做流行趨勢(shì)分析、服裝的草圖生成的工作。

蕓友白澤:
那沒有常識(shí)這一點(diǎn)，對(duì)AI在服裝設(shè)計(jì)領(lǐng)域會(huì)有什么影響？

莊主：
我舉一個(gè)有趣的例子：之前有人做狼和哈士奇的圖像分類，模型學(xué)習(xí)得很好，但后來對(duì)模型進(jìn)行分析，結(jié)果發(fā)現(xiàn)模型學(xué)到的是圖片中的“背景”。因?yàn)樵谶@個(gè)數(shù)據(jù)集里有狼的圖片里背景都是“雪”，而哈士奇的圖片里背景都是“草地”，所以機(jī)器其實(shí)靠圖片背景來分辯，它根本不知道狼和哈士奇是什么。雖然AI學(xué)習(xí)了常識(shí)，也學(xué)習(xí)了模型，但在實(shí)際應(yīng)用上影響因素還很多。

｜二｜
AI與時(shí)尚

1.AI在時(shí)尚行業(yè)應(yīng)用有哪些？

莊主：
我們先從線上購物這個(gè)場(chǎng)景展開。大家常見的聊天機(jī)器人，網(wǎng)購客服，甚至在直播里已經(jīng)有虛擬形象，可以根據(jù)你的互動(dòng)進(jìn)行購物推薦，商品介紹。線上購物場(chǎng)景還有推薦系統(tǒng)，基于用戶的隱式反饋的推薦，用戶的隱式反饋包括：用戶點(diǎn)擊、收藏、加購和購買等，這些反饋被用來推斷用戶的隱含偏好分?jǐn)?shù)，并以此進(jìn)行推薦。

下面是關(guān)于AI+時(shí)尚設(shè)計(jì)的例子：2016年，澳大利亞的時(shí)裝設(shè)計(jì)師Jason與IBM 的AI系統(tǒng)Watson合作，打造了首款認(rèn)知高級(jí)時(shí)裝系列。Project Muze是在2016年谷歌與德國電商公司Zalando合作的人工智能項(xiàng)目，他們中搭建了包含一系列美學(xué)參數(shù)的神經(jīng)網(wǎng)絡(luò)。韓國的一個(gè)時(shí)尚品牌“SJYP”在2018年推出了由人工智能設(shè)計(jì)的服裝。

深蘭科技研發(fā)的輔助設(shè)計(jì)系統(tǒng)——DeepVogue在2019中國國際服裝設(shè)計(jì)創(chuàng)新大賽中獲得了亞軍。由OpenAI于今年1月5日公布的超大模型，DALL-E可以根據(jù)文本來描述生成圖像。Dall·E的模型使用了120 億參數(shù)版本的 GPT-3 模型來解釋自然語言輸入并生成相應(yīng)的圖像。今年6月，阿里達(dá)摩院用 480張GPU訓(xùn)練了的萬億參數(shù) M6 模型。DALL·E生成圖片清晰度達(dá)256×256，M6將圖片生成清晰度提升至 1024×1024。

蕓友KK：
虛擬網(wǎng)紅算AI嗎？

蕓友Sophia：
其實(shí)我比較想知道AI具體會(huì)對(duì)服裝行業(yè)造成什么直觀的未來影響？

莊主：
因?yàn)樘摂M網(wǎng)紅基本都是人做出來的，所有虛擬網(wǎng)紅本身應(yīng)該不算。AI對(duì)于服務(wù)行業(yè)直觀的影響肯定是滲透時(shí)尚行業(yè)的全產(chǎn)業(yè)鏈。


2.AI與時(shí)尚的學(xué)術(shù)上細(xì)分領(lǐng)域有哪些

莊主：
（1）線上購物：以圖搜圖這個(gè)功能、圖像識(shí)別、文本檢索；
（2）服裝搭配：搭配推薦；
（3）服裝設(shè)計(jì)：服裝輔助設(shè)計(jì)系統(tǒng)、服裝屬性編輯、虛擬試衣；
（4）市場(chǎng)銷售：銷售數(shù)據(jù)分析、流行趨勢(shì)預(yù)測(cè)等。

蕓友lele：
倉儲(chǔ)分揀里面會(huì)涉及到AI？還是屬于5G？

莊主：
倉儲(chǔ)分揀有AGV自動(dòng)導(dǎo)航的小車，智能機(jī)械臂等等這些都屬于AI技術(shù)。同時(shí)他們的通訊需要5G網(wǎng)絡(luò)，優(yōu)勢(shì)是延時(shí)低，反應(yīng)快，不容易出錯(cuò)。

蕓友Jean.Lok：
AI和3D打印都發(fā)展那么迅速，那么通過AI加持，3D打印服裝這些年有比較突破的發(fā)展嗎？

莊主：
3D打印日常的服裝使用很少，市場(chǎng)不大，個(gè)人感覺更適合做高端市場(chǎng)。


3.AI在服裝設(shè)計(jì)中目前可以做到什么程度？

莊主：
Deecamp是由創(chuàng)新工廠舉辦的公益性質(zhì)的人工智能訓(xùn)練營，我們團(tuán)隊(duì)主要用了兩大類技術(shù)來實(shí)現(xiàn)對(duì)話機(jī)器人，NLP（自然語言處理）和CV（計(jì)算機(jī)視覺）。NLP就是我們的對(duì)話部分，CV就是我們的服裝圖像生成。我們的項(xiàng)目主要是切一個(gè)“買手設(shè)計(jì)師”的痛點(diǎn)，不論是在與版師、首席設(shè)計(jì)師討論改款的過程中，還是審樣會(huì)中與渠道、商品部的交流，都存在著大量針對(duì)樣衣設(shè)計(jì)的溝通，而這里的信息交流是依托于實(shí)體，所以我們也做了一個(gè)方便針對(duì)樣衣的設(shè)計(jì)進(jìn)行交流的產(chǎn)品。

【Demo展示】DeeCamp2021: FashionHack

莊主總結(jié)

一、AI的局限與趨勢(shì)

1.認(rèn)識(shí)AGI通用人工智能，AI人工智能，ML機(jī)器學(xué)習(xí)，DL深度學(xué)習(xí)
ML是AI中的子集，DL是ML的一個(gè)子集，目前的AI大多是以DL為基礎(chǔ)。

2.以DL為主的AI簡史及其局限
如果把DL類比于烹飪，那么數(shù)據(jù)就是食材，算法就是菜譜，算力就是烹飪工具，三者缺一不可。

3.AI的未來發(fā)展趨勢(shì)和AI與設(shè)計(jì)師各自的優(yōu)勢(shì)
AI的未來發(fā)展趨勢(shì)必然是和各行各業(yè)更深入地結(jié)合與落地，AI目前只能做一些基礎(chǔ)性的設(shè)計(jì)工作。


二、AI與時(shí)尚

1.AI在時(shí)尚行業(yè)應(yīng)用有哪些
目前在時(shí)尚行業(yè)，AI應(yīng)用于時(shí)尚設(shè)計(jì)、推薦系統(tǒng)、對(duì)話機(jī)器人、流行趨勢(shì)分析、智能制造等方面。

2.AI與時(shí)尚的學(xué)術(shù)上細(xì)分領(lǐng)域有哪些
主要有線上購物、服裝搭配、服裝設(shè)計(jì)、市場(chǎng)銷售四個(gè)領(lǐng)域。

3.AI在服裝設(shè)計(jì)目前可以做到什么程度
AI目前可以根據(jù)文本生成相應(yīng)服裝圖像，但更具創(chuàng)意性的設(shè)計(jì)很難，對(duì)服裝設(shè)計(jì)師們的創(chuàng)新能力提出了更高的要求。


文字整理：張懷楷
文字編輯：陳暢
美術(shù)編輯：李寧