【文匯網訊】(記者 何花 深圳報道) 繼「互聯網+」之後,「智能+」成為新的技術熱詞,正在全方位擁抱普通人的生活。吃飯、穿衣、購物、出行,背後無一不被人工智能(AI)和大數據所滲透。在新一輪的技術浪潮普及過程中,怎樣與傳統行業相結合,成為許多人思考的問題。深圳人工智能技術企業碼隆科技選擇了從視覺決策切入,定義「新時尚」和「新零售」,為人工智能落地探索出可靠路徑。
機器為服裝拍照測量
人工智能近年來成為炙手可熱的新技術。從阿爾法狗戰勝李世石開始,人類再也無法輕視新技術為社會所帶來的變革。新技術如何與現有的產業模式相結合,是所有人都在探索的一個問題。作為一家提供機器視覺的公司,碼隆科技的第一選擇是服裝領域。
在碼隆科技的技術體驗區,記者將一件服裝與參照標記共同平鋪,一鍵拍照上傳,即可獲取包括肩寬、袖長、下擺寬度、衣長等在內的服裝所有尺碼,準確率接近100%。黃鼎隆告訴記者,人工智能視覺識別方案中,服裝廠此前繁瑣且錯誤率高的服裝測量環節,由此可以在3秒鐘之內精確完成,準確率高達95%以上,可以節省約75%的人工成本。目前這一技術已經在浙江省寧波市鎮海區與當地紡織服裝行業結合應用,在當地成立了碼隆科技智慧紡織服裝全球總部。同時,此項技術在日本及其他精密製造國家有廣泛應用空間。
「AI的落地是一個難題,即便最初我們選定了服裝領域,這個仍然是一個非常龐大的範圍。要如何下手?我們也經過了多方摸索。」碼隆科技創始人、CEO黃鼎隆透露,最初公司進入的是電商領域,所創立的模式是「以圖搜圖」,區別於以往的文字搜索,成為一個視覺界的搜索引擎。當時碼隆科技的客戶主要是一些從事服裝面料類的電商企業,以服務年費的形式為對方進行面料的搭配與庫存的智能化管理。在互聯網2B領域小有名氣之後,黃鼎隆將眼光放眼到了整個服裝行業。從最初的面料生產、面料鑒定、服裝設計、生產到最終的零售環節,黃鼎隆都在思考如何將AI技術嵌入進去。
目之所及都是生意
「人的第一感官是視覺。現在傳統行業內有多少事是人用的眼睛在做的,未來就應該是視覺人工智能的應用空間。」 碼隆科技 CEO黃鼎隆介紹,判斷流行色彩、流行趨勢、服裝測量、判斷布料構成成分等,公司都逐一進行過探索。
在以往服裝行業的上游,紡織面料的鑒定需要大量人力。紡織行業培訓一個合格的鑒定師需要花費大量的成本。鑒定師在鑒定布料的過程,需要將樣本放到顯微鏡下拍照,再辨別並數出單位面積內纖維條數,流程非常耗時、耗力。在AI上線之後,鑒定環節僅僅需要將拍照結果輸入系統就可以自動生成鑒定報告。計算機視覺的準確率與熟練的鑒定師無異,同時將時間由20-30分鐘壓縮至數秒。
「以服裝設計環節為例,時尚和視覺信息緊密相關。衣服賣的好不好,主要在於好不好看。以往設計師要判斷流行趨勢,要看大量的時裝秀。但人的判斷是一種感性經驗,AI卻可以給出準確的數字。」服裝設計好後需要打樣,模特試穿,設計師才能最終決定一件衣服是否要批量生產。在傳統服裝生產過程中,「打樣+試穿」環節大約要兩天以上,在碼隆科技的操作系統中,使用者點擊需要試穿的服裝樣式,系統隨即會自動生成模特穿上之後的效果。設計師實時參考修改,效率大增。
「智能+」落地融入尚需試錯
「智能+」在兩會總理政府工作報告提出後,成為了今年的熱詞。黃鼎隆解釋為,「智能+」價值在於讓其他產業更智能。業內人士普遍預測,今年將是人工智能技術與傳統製造業結合的高潮時期。
但人工智能技術目前與服裝行業的結合,黃鼎隆坦言,還尚在初期。人工智能的基礎是大數據。數據收集需要時間。傳統行業接受新技術也需要時間。在碼隆科技最初與寧波的服裝廠合作的時候,許多服裝廠沒有規範意義的數字化運作,收集上來的數據都帶有「雜音」,並不是規範數據。機器無法識別。對此,黃鼎隆和研發團隊曾派駐專門的工程師在當地輔導如何收集規範化的數據。但當地的服裝廠參差林立,水平良莠不齊,推進困難。
目前最大的難點在於兩個行業人才的融合。「懂AI的人未必懂行業,懂行業的人才又未必懂AI技術。」黃鼎隆強調,與上一輪互聯網產業的普及不同,此次人工智能行業國內企業走到了世界前列,歐美國家也是在探索的過程中,在許多行業的應用沒有成熟範例可供參考,需要摸索和試錯。融合之路需要不小的成本,也需要行業內的人付出耐心。
對此,黃鼎隆和研發團隊又回頭聚焦於AI本身,試圖從技術層面解決處理帶有「雜音」的數據。因此,研發團隊推出了「弱監督學習」算法,使得機器能夠自動識別,並更智能化的處理這些不規範數據,以推進AI的應用。
這一解決方案讓碼隆科技在業內引發廣泛關注,軟銀中國創始合夥人宋安瀾談及這一創新技術正是其決定投資碼隆科技的關鍵。「 『弱監督學習算法』在世界範圍內領先,可以很好的解決傳統行業大數據搜集過程中的數據不規範的問題,加快AI技術在傳統行業的落地。這讓人看到了其發展潛力。」
作為從公司初始時期加入的員工,碼隆科技公關總監彭彥一直伴隨着碼隆科技的成長。她坦言,公司吸引她的還有不斷探索擴大自己的優勢的意識。談及公司的優勢,她強調,短期在「弱監督學習」算法技術;中期在垂直行業數據積累,尤其是在零售、服裝、紡織行業,在各個實際應用場景中收集到的大量商品數據,未來則將成為先發優勢;長期在場景,AI與垂直行業深度結合,公司將有越來越多針對垂直行業的端到端的解決方案,直達痛點。
責任編輯:glory