来源：Medium
作者：Sciforce Blog
几年前，我的一个生物学家朋友提到了一个他们做过的奇妙实验：他们用一种特殊的方法给老鼠剃毛，这种方法会让老鼠在它们短暂的一生中保持无毛的状态。他们的团队希望将这种神奇的技术推广到人类身上，以此带来脱毛行业的革命。
虽然他们并未成功，但这个故事表明，如果有机会，严肃的科学也可以为美妆行业服务的。
那么，当传统生物学和医学都陷入瓶颈时，也许是时候让机器学习（Machine Learning）来改变美妆行业了。
显然，机器学习可以在很多方面帮助美妆行业——从为吸引力指数提供基础数据，到帮助人们提升吸引力，再到开发能够满足客户特定需求的产品。
毫无疑问，未来的技术核心是计算机视觉（Computer Vision）——它是构建人工智能系统必须的理论支持和技术基础，可以通过从图像或多维数据中获取信息并进一步处理。在美妆行业，人们希望计算机视觉能够帮助识别面部特征，分析所获数据，并对外貌做出预测和评价。
一方面，人工智能驱动的计算机视觉能够正确地分析人脸。这为脸部测试提供了巨大的便利，也可能会帮助终端用户选择到最适合他们的产品和技术。在过去，如果不亲身测试，人们几乎不可能知道一个新的眼影或面霜在皮肤上的实际效果。而现在，大批数据科学家正在研究能够分析人脸的人工智能系统。一旦掌握这项技术，测试新外观和产品的能力将变得异常容易实现。
另一方面，人工智能可以在新配方的开发上取得突破。数据一直被用来创造更好的产品和优化配方。传统情况下，香水在发布前要经过实物测试、评估和比较。现在，数据可以用来优化特定的气味比例，以创造下一个明星产品。同样，数据分析也会带来更好的化妆品。利用数据能创造更优化、更持久的配方。
现在让我们来看看企业是如何将这些想法融入到他们的产品制作中的。
第一个也是最显而易见的方法是使用大数据，从统计学的角度来确定什么是有吸引力的：
Beauty.ai利用深度学习（Deep Learning）来确定世界上最美丽的人。他们的算法通过分析皱纹、面部对称性、肤色、性别、年龄和种族来确定这个“全球最美”。
Yahoo! Research（前Yahoo! Labs）还开发了一个深度学习模型，根据各种图像属性对照片肖像进行分类，并证明“种族、性别和年龄在很大程度上与照片上的美貌度无关”（来自埃里克·西格尔（Eric Siegel）在2016年的预测分析。）
在这一阶段，机器学习对美妆产业还没有显示出很大的影响：机器可以告诉你怎样是有吸引力的，但除了在镜子前把自己和算法计算出来的美人进行比较，你还能用这些知识做什么呢？
幸运的是，对于那些努力将机器学习与美丽联系起来的企业而言，下一个阶段是开发个性化定制来帮助消费者找到自己的风格。初创公司和行业龙头都可以为您提供基于机器和可信数据的建议，帮助您发现自己的个人风格，增长您在别人眼中的魅力：
Sephora通过在全球范围内测试可1000多种粉底组合，推出了Color IQ app来帮助客户找到完美的选择。这款应用程序通过录入27张色彩校正后的照片，置于八种不同灯光和一种紫外线下来生成女性的皮肤状况。
Mira可以利用计算机视觉帮助客户找到与某种眼型和肤色匹配的网红、图片和视频。当在一组人脸图像中筛选时，该公司旨在寻找眼睛和能够刻画人体特定特征的统计分类（classifier）在直观视觉方面的度量（metric），从而达到在产品和技术上做出更好选择的目的。
另一个方法是运用机器学习和人工智能，根据您的皮肤类型、年龄和病史定制新的护肤品:
Proven基于“世界上最大的美妆数据库”，打造个性化的护肤品。它使用机器学习来研究不同产品类别、成分及其用户反馈之间的联系，然后针对消费品提出更加合适的护肤品成分。
Curology使用机器学习来分析用户的皮肤类型、皮肤目标和病史后，为用户选择最合适的专业医疗人员，他们会根据用户个人的皮肤护理需求定制配方。
FOB（Function Of Beauty）使用机器学习技术，根据用户的头发类型、发质结构、发质目标和其他偏好，定制不同成分组合的洗发水和护发素。
有些公司甚至开发出应用程序来确定你的皮肤需求，并推出个性化的产品:
例如，P&G旗下的药妆品牌Olay推出了一款基于深度学习算法的皮肤顾问应用程序Skin Advisor，该算法能利用自拍来分析皮肤，并推荐美妆产品。
Atolla皮肤实验室提供解决方案的核心也是基于类似的想法。到目前为止，该公司使用了一个专门的数据库，结合机器学习算法，根据皮肤的含水量、油脂含量、晒伤程度、年龄、皮肤问题和目标，将成分组合与相应的皮肤属性联系起来。Atolla正在开发一款智能手机APP，它将依靠计算机视觉来跟踪结果，改进算法，并在必要时考虑对品牌做出调整。
此外，由于学术界和研究团队往往走在行业前列，机器学习、深度学习和人工智能算法似乎为某些杰出想法的提供了基础。我最喜欢的论文有：
《使用机器学习和图像处理技术识别人脸形状》(Gunasinghe等, 2016)
《使用图像处理技术的虚拟化妆》(Oztel等，2015)
《使用监督下的深度学习检测面部修饰》(Bharati等，2016)
《以分析颜值为目的，检测、分析和数字化去除“带妆人脸图像”中的化妆品》(Patents，2015)
众所周知，全球在护肤品上的消费额高达数十亿美元，而且据皮肤科医生说，其中大部分都浪费在了无效或不合适的产品上。这是人工智能的宝贵机遇，拥有机器学习能力和计算机视觉技术的人工智能可以改变美妆市场的游戏规则，并全方位满足客户需要。
版权声明：CosMeDna所有作品（图文、音视频）均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系删除！
本文链接：//www.cosmedna.com/article/515156495.html
