Машинное обучение: изменение индустрии красоты

Несколько лет назад мой друг, биолог, рассказывал об их странных экспериментах. Они брили мышей, и если это делалось определенным образом, мыши оставались лысыми до конца своей короткой жизни. Их команда мечтала экстраполировать эту волшебную технику на людей и встряхнуть индустрию восковой эпиляции.

Вряд ли им это удалось, но суть истории в том, что даже серьезная наука пытается служить косметологам, если у них есть шанс.Так может быть, машинному обучению пора преобразить салоны красоты, где традиционная биология и фармация терпят неудачу?

Очевидно, что машинное обучение может помочь индустрии красоты несколькими способами groupmed.ru: от предоставления статистической базы для оценки привлекательности и помощи людям в том, чтобы они выглядели более привлекательными, до разработки продуктов, отвечающих конкретным потребностям клиентов.

Ядром технологии будущего, без сомнения, является компьютерное зрение — часть ИИ, которая занимается теорией и технологией построения искусственных систем, получающих информацию из изображений или многомерных данных и далее ее обрабатывающих. В индустрии красоты ожидается, что компьютерное зрение поможет распознавать черты лица, анализировать полученные данные и делать прогноз или вывод о внешности.

С одной стороны, способность компьютерного зрения на основе ИИ правильно анализировать человеческое лицо невероятно удобна для целей тестирования и может помочь конечным пользователям выбрать продукты и методы, которые идеально им подходят. В прошлом было почти невозможно узнать, как новые тени для век или крем для лица будут выглядеть на коже, не проверив их физически. В настоящее время армии ученых данных работают над системами искусственного интеллекта, которые могут понимать человеческое лицо. После освоения возможность тестировать новые образы и продукты станет исключительно легкой и реалистичной.

С другой стороны, ИИ может совершить прорыв в разработке новых формул. Данные всегда использовались для создания лучших продуктов и оптимизации формул. Традиционно духи физически тестируются, анализируются и сравниваются перед выпуском. В настоящее время данные можно использовать для оптимизации конкретных соотношений ароматов для создания следующего хита. Точно так же анализ данных приведет к улучшению косметики. Использование данных означает лучшие и долговечные формулы.

Давайте теперь посмотрим, как предприятия внедряют эти идеи в свои продукты.

Первый и наиболее очевидный подход заключается в использовании больших данных для определения того, что является привлекательным с точки зрения статистики:

К счастью, следующим шагом для компаний, стремящихся связать машинное обучение с красотой, является разработка индивидуального подхода к поиску своего стиля. И стартапы, и лидеры индустрии предлагают машинные советы, как найти свой личный стиль и почувствовать себя более привлекательным — статистически доказано — в глазах других: