科技日报|从AI香水到AI美妆 算法能否求出“审美最优解”？
人工智能系统需要感知的信息主要来源于其视觉、听觉、触觉 ， 而嗅觉也是很有价值的方向 ， 目前已经有科研人员在研究气味传感器以及其在环境保护等领域的应用 。
在进博会期间 ， 除了仿生机器人、自动化生产线等“硬核”智能科技 ， AI美妆顾问、虚拟化妆师以及由人工智能驱动的定制护肤品也吸引了不少人的目光 。 近年来 ， 在图像、影像及语音识别等领域大放异彩的人工智能也开始逐渐渗透到美妆行业 ， 市场显示 ， 由人工智能配制的香水在消费者中获得良好反馈 。
“配制香水是一个复杂的系统工程 ， 涉及原料、工艺、用户、市场等诸多因素 ， 在浩如烟海的参数空间中搜索对路的方案工作量巨大 ， 仅仅依赖人工经验很难穷举所有可行方案 ， 很可能会错过最受市场和用户欢迎的最佳解 。 ”中国科学院自动化研究所研究员孙哲南在接受科技日报采访人员采访时表示 。
AI调香不依靠香味判断放香料顺序
“人工智能系统需要感知的信息主要来源于其视觉、听觉、触觉 ， 而嗅觉也是很有价值的方向 ， 目前已经有科研人员在研究气味传感器以及其在环境保护等领域的应用 。 ”孙哲南说 。
此前 ， IBM公司制造了一个人工智能香水学徒——Philyra 。 Philyra是一个有创造力的人工智能 ， 它能研究现有的香水配方并将其成分对比分析 ， 研究出新的香水配方 。 Philyra还能获取香水在不同性别、年龄和畅销地的受欢迎程度 ， 结合大数据算法后 ， Philyra将输出一个新的香水配方 ， 该配方在预定的目标人群中能达到良好的效果 。
孙哲南解释 ， 与需要几十年时间训练嗅觉的调香师不同 ， 人工智能不依靠嗅觉制作香水 。 AI调香利用先进的机器学习算法 ， 分析和学习香水的配方、原料、历史销售数据和行业趋势等信息来预测人类的喜好 ， 从而创造出针对目标人群的新香水配方 。
调香大师大卫·阿佩尔跟Philyra做过一场实验：由Philyra完全主导制造的一款香水为A款；B款则是Philyra制造为主 ， 调香师作为辅助修改；C款由调香师做主导 ， Philyra做辅助 。 三款香水完成后投入测试 ， 测试结果显示绝大多数的人选择了由人工智能完全主导创造的A款香水 。
“与人工制香相比 ， AI制香不依靠香味判断放香料顺序 ， 而是通过深度学习算法分析后定制调配方式 ， 这是一种有别于传统调香思维的方法；AI香水不会受到个人偏好、经验、文化偏见的影响 ， 而是对嗅觉感官进行数字量化 ， 探索更多有创造力的成分组合和配方公式；AI香水凭借其强大的运算能力 ， 可以快速计算出最受目标客户喜爱的香料配方 ， 缩短了香水研发周期 。 ”孙哲南指出 。
还应用于智能医疗美容、发型设计等场景
根据欧睿咨询预测 ， 2019—2023年 ， 我国化妆品行业将维持8.3%的复合增速 。 面对持续壮大的化妆品消费市场和科学护肤、功能护肤等概念的普及 ， 各大美妆护肤商家也在积极使用人工智能等前沿技术 ， 推出更符合消费者个人需求的定制化产品 ， 带来更周全的产品体验 。
孙哲南表示 ， 除了调制香水 ， 人工智能还应用于智能医疗美容、发型设计、虚拟试妆、定制护肤品、皮肤诊断等众多场景 。
中国科学院自动化研究所孙哲南研究员和赫然研究员团队在人脸图像编辑以及美妆、医美、娱乐等应用方面进行了探索 。
例如 ， 他们在2019年IEEE国际计算机与模式识别会议上提出了一种基于小波域的人脸年龄变换技术 ， 可以预测面容随年龄的变化情况 ， 该技术还可以应用于护肤产品的个性化推荐；他们在2020年提出的一种基于样本重要性采样的人脸属性编辑技术可以对人脸肤色、发色、添加或去除眼镜等属性进行编辑 ， 并且可以应用于美容美发行业的妆容造型设计 ， 为用户提供多样化的选择和参考；在2020年提出的一种基于参考图像的人脸组成编辑技术可以对人脸五官形状进行操纵 ， 并辅助医学美容 ， 通过整形和创伤修复手术的术前预断给予医生和患者更多指导 ， 制定更加科学的美容方案 。
“人工智能在美妆医美行业的应用技术为企业节约了人工成本 ， 提高了客服效率 ， 为消费者选购产品带来了便捷、周全的用户体验 。 ”孙哲南说 。
孙哲南指出 ， 从目前的应用上说 ， 个性化定制护肤系统可以让每个用户拥有专属的护肤美容师 ， 利用人脸识别和人脸分析技术对用户提供的照片进行分析并评估其肌肤状况 ， 再利用推荐算法从现有产品中选出最适合的产品进行推荐；人脸美丽评价系统为医疗美容提供了较有价值的方法和工具 ， 可以辅助医院进行美容整形 ， 利用检测出的数据与标准美丽模型相对比 ， 给整容者提供各部分改进的最佳方案；AR智能试妆利用人脸识别和虚拟妆容渲染算法 ， 实现不同品牌不同颜色的产品在脸上的妆容效果 ， 降低了试妆成本 ， 扩充了美妆零售终端 ， 满足快时尚需求 。
对于审美标准 ， 人和机器会相互影响
对于美的认知 ， 仁者见仁智者见智 ， 很难量化和形成标准 ， 但是“爱美之心人皆有之” ， 社会大众的审美观念还是有章可循 ， 例如倾国倾城的美人还是可以得到几乎所有人的认可 。
【科技日报|从AI香水到AI美妆 算法能否求出“审美最优解”？】“人工智能对美的认识需要大数据的训练 ， 目前人工智能对美丽面孔的定义和颜值打分离不开人类的有监督数据标记 ， 因为人工智能对美本身是没有理解力的 ， 它对美的把握取决于它所学习的人脸数据和人为定义、量化美的标签数据集 。 ”孙哲南说 。
大卫·阿佩尔就认为人工智能并不是威胁而是需要合作的对象 ， 机器没有多余的感情与偏见 ， 可以显著提升人类的创造力 ， 提供最新颖的算法 。
此前 ， CARTO人工智能调香系统在知名香水公司Givaudan产生 ， 该系统使用了IBM公司收集的气味图鉴 ， 希望香料能在配方中将嗅觉性能最大化 。
再比如 ， 资生堂Optune个性化定制护肤系统由智能手机应用程序Optune App和专用机器Optune zero组成 。 Optune App通过使用机器学习技术分析用户拍摄的照片来展示用户的肌肤状况(肤质、毛孔、含水量等) ， 并通过云将数据发送到Optune Zero ， 后者根据算法从现有产品中选出最适合的精华和保湿产品组合 ， 并直接从机器中生产 。
“为了消除人工智能对人类审美的偏好性 ， 训练算法采用的数据应尽可能全面、多样化 ， 综合多维度、多角度的标准进行学习 。 但是也不排除自主进化智能对美丽人物和事物有无监督的发现能力 ， 例如机器可能自动搜索得到大众关注的明星照片来自主学习审美标准 。 ”孙哲南说 。
在孙哲南看来 ， 随着人工智能在美妆行业的应用落地 ， 对于审美标准 ， 人和机器是会相互影响的 。 “一方面 ， 人类对美的标准从广义上说是有个人偏好的 ， 当算法专家将某一种美的定义作为标准让机器去学习时 ， 机器就倾向于这种定义的审美标准 。 另一方面 ， 当机器长期为人们推荐它认为的医疗美容方案 ， 人工智能系统的用户审美体系也会受到一定影响 。 ”
推荐阅读
- 从小就馋此口，比肉香多了，几块钱做一大盘，咋吃都不腻
- 这早餐我从3岁开始吃，三十多年了，从没吃腻过，晶莹剔透很好吃
- 自从学会做这个，我家隔三差五吃，拌一拌上锅一蒸，蘸着料吃，老香了
- 听力障碍|预防耳聋从身边小事做起
- 自从学会这道肉卷，我家隔三差五吃，一卷一蒸，不用蘸酱也好吃
- 我家零食从来不用买，切一切锅里一炸，比油条薯片好吃，越嚼越香
- 馄饨的家常做法，从擀皮到调馅全教你，汤鲜肉香，太好吃了
- 我家茄子从不炒着吃，淋入3个鸡蛋，比吃肉还香，上桌瞬间被扫光
- 引力波|从暗物质到暗物质引力波
- 有两种谷物被称为“长寿食材”，却很少人当主食吃，从今天要改