賀文

比起“衣櫥里永遠都缺一件衣服”，女人其實更需要一個懂得美、懂得穿搭的“私人小助手”。

全心全意想為年輕女性服務的蘑菇街，正在通過機器學習算法，為平臺上的2億多女性用戶，“訓練”一個時刻在線的“私人穿搭小助手”。在蘑菇街團隊看來，一方面，搭配是女性日常生活中每天都會遭遇的一大痛點；另一方面，看起來非常感性甚至隨性的東西，其實也是有跡可循的，不同的元素、單品形成搭配的過程，從數據來說是幾何級數增長的，智能“小助手”在其中可能大有用武之地。

需求是推動產品創(chuàng)新的原動力，競爭也是。

如果世上只有一家賣衣服的互聯網平臺，蘑菇街可能一直做賣衣服的生意就足夠了，但是當滿世界都在賣衣服時，有沒有辦法給消費者提供更好的體驗，就成為蘑菇街這樣的亞平臺需要思考的問題。

“不規(guī)則”的穿搭難題

蘑菇街所在的美麗聯合集團“特別特別重視”AI這件事情是從去年開始的。

美麗聯合集團（美麗說和蘑菇街合并為“美麗聯合集團”）研發(fā)副總裁曾憲杰介紹，去年阿爾法狗戰(zhàn)勝李世石后，集團的技術團隊非常吃驚于深度學習已經帶來這么大的變化，同時期語音輸入、語音識別等人機交互技術也突飛猛進，團隊開始深度思考人工智能在時尚領域能否有作為，并且開始在戰(zhàn)略上布局AI。

相較于圍棋這樣的規(guī)則世界，在倚重感覺、感性的時尚圈，AI能夠發(fā)揮多大的威力？

曾憲杰將人工智能可以解決的問題分為兩類：一類是非常確定性的，比如圍棋這樣的游戲規(guī)則相當明確的問題；另一類是現在看起來并沒有那么明確規(guī)則的問題，比如搭配，上衣應該是百分之多少的顏色，褲子是百分之多少的顏色，什么做工什么顏色比較好搭配等等，這種問題的解決對于人工智能往往更難。

蘑菇街時尚內容總監(jiān)王瑩曾是時尚雜志資深時裝編輯，與袁泉、孫儷、黃軒等明星藝人有過合作。前不久熱映的《我的前半生》唐晶的專屬服裝造型設計師，正是與袁泉合作超過4年的王瑩。曾憲杰略帶調侃地設問，蘑菇街是否可以做一臺像王瑩一樣厲害的機器，給用戶做穿搭呢？他的回答是，目前人工智能發(fā)展到的程度是，可以比一般人水平好，但是相比專家還有差距。

有心的用戶應該已經留意到，蘑菇街APP新增了一個搭配的入口。曾憲杰介紹，現在的應用狀況是，機器幫助內容編輯在海量數據中找到合適的搭配，然后把結果給到編輯，但是現在還達不到80分，所以機器可以幫助人提高效率，卻還沒有辦法完全依靠機器。

曾憲杰認為，通過人工智能方式訓練的機器，有兩個演進階段：先是系統(tǒng)幫助人，以人為主，機器幫助人提高效率的同時也在學習。以蘑菇街的“穿搭小助手”來看，從最開始的搭配全靠人，到現在有人與系統(tǒng)相結合，當負責搭配的編輯從上千萬的商品通過關鍵詞搜索、瀏覽圖片等方式找到符合要求的搭配候選單品，這個過程就給系統(tǒng)提供了很多數據，系統(tǒng)得以學習到非常多的知識；隨著這些訓練的提升，一定會有一天變成人來協(xié)助機器、主要工作可以交給機器、人做一些抽查工作就可以了，換句話說，到那時機器推薦出來的搭配，人會覺得有80%的可行度。

“小助手”訓練過三關

蘑菇街的人工智能到底是如何幫助用戶搭配的呢？人工智能落地的關鍵是數據。

從事計算機視覺和機器學習工作超過10年的蘑菇街圖像算法高級技術專家張洪明介紹，在數據方面，蘑菇街有優(yōu)勢。比如在圖像上，蘑菇街有海量圖像數據，有商品圖像，也有用戶上傳的圖像，還有業(yè)務積累中的圖像；在時尚分析算法方面，蘑菇街有一個團隊專門做這方面的算法研究；還有豐富的應用場景，搭配即是很好的落地應用。通過搭配推薦引擎（也是一種算法），在海量數據中尋找和某件衣服搭配的褲子或者裙子。目前，蘑菇街的穿搭“小助手”可以做到上裝和下裝的搭配，未來也會進一步擴展，比如根據每個用戶的愛好不同，也會搭配一些配件、首飾等。

張洪明介紹，要做好穿搭“小助手”，首先要具備理解圖片的能力，即圖像內容識別。對于蘑菇街來說，讓人工智能理解時尚，就要把任意一張圖片理解得更加細粒度，從而識別到更加細節(jié)的元素。例如將一套完整的全身搭配圖片，分解為“煙粉圓領字母印花T恤、藍色牛仔短褲、亮黑小方包、白色松糕鞋”識別出來。這種圖片識別技術，可以極大地提高用戶的搜索效率，為搭配推薦提供了解決途徑。

人工智能與時尚電商結合，還要理解“搭配因素”。搭配因素包括流行趨勢，即不同時節(jié)、不同地域的流行單品的變化，除此之外還有流行單品的面料、材質、外觀顏色和風格等商品因素等。蘑菇街發(fā)布的2017秋冬女裝潮流趨勢，就能幫助蘑菇街的“私人穿搭小助手”讀懂潮流。

再加入用戶體驗因素和用戶畫像特征，在用戶搜索一件單品衣服的同時，這個“小助手”能為用戶找到更多可搭配的款式，形成候選集給到時尚運營，最終幫用戶找更“貼心”的搭配。

就人工智能對于海量數據的需求、電商平臺有關用戶行為的數據更為全面，這樣的觀點，曾憲杰有不同的看法。他認為，訓練機器，首先需要一定量的數據，比起數據的“海量”，數據“種類齊全”更為重要?！叭绻覀兠嫦蚺韵M者在服裝、配飾領域里有比較全的數據，就夠了。因為對于機器學習來說，要訓練它，訓練好后測試它，然后在線上驗證效果，很少有公司訓練級別的數據量就那么大，蘑菇街現在利用自有數據，就可以解決我們在這方面的需求。”曾憲杰透露，他們也會引入一些外部數據，比如一些社交網絡的數據，比如潮流趨勢的數據等來豐富數據來源。

曾憲杰強調，做機器訓練，數據的豐富性優(yōu)于數據量，因為在做模型訓練時，挖掘數據“特征”非常重要：這么多數據到底可以找到多少特征？你的數據特征有多細？幾百維度甚至上千維度的特征，哪一些對什么有用？等等這些是做機器學習過程中非常難解決問題的點。

除了面向用戶端提供“穿搭小助手”這樣的AI應用，蘑菇街也在努力嘗試做銷量預測，以期未來能夠助理時尚服裝產業(yè)實現“柔性生產”，改善行業(yè)效率，更好地指導供應鏈。

曾憲杰介紹，美麗聯合集團在AI方面的投入是全方位的，除了自己有專門的團隊做相關領域的研究以外，他們也在嘗試跟高校合作，結合對方理論的力量，甚至相當長時間的積累，嘗試在工業(yè)界落地?！拔覀儠苤匾曔@一塊，因為我們看到它可以產生很大的業(yè)務價值?！彼鞔_表示。