不知道化什么妆？AI美妆助手来帮你！

在人工智能(AI)技术的支持下，Mira希望创造更丰富的购买体验，将数以百万计的消费者产品评论、并列比较以及点击式购买结合到统一的界面中。目前，Mira主要业务是帮助用户购买美容产品，为用户提供向与其具有相似皮肤类型、肤色和审美偏好的其他消费者寻求建议的途径。

但美容行业仅仅是个开始，更引人注目的是整个过程和背后的技术，所有这些技术将来都能更广泛的被应用于其他市场和垂直市场。Mira首席执行官兼联合创始人杰伊·哈克(Jay Hack)在接受采访时表示：“虽然我们今天专注于为美容界服务，但我们的技术显然远远不止于此。我们可以为消费者做跑腿工作，为他们的发现和研究提供最新、最强大的AI技术支持，这确实适用于任何购买之旅，特别是比单击购买按钮更复杂的情况。”

哈克将美容市场描述为Mira的“滩头阵地”，称它是个“高度分散、服务不足、产品复杂，个人身份和个性在寻找喜欢的产品方面起着巨大作用的行业。”

Mira的技术工作原理

这个过程的第一步是创建信息知识库，并能以一种简单的方式使用它。Mira团队利用其大数据和AI技术从网上的各个角落获取评论，从大型出版物到小型网站精选的公开可用文章、博客和视频等。它甚至可以获取许多关键信息，比如配料清单。然后，该公司使用自然语言处理(NLP)来创建摘要，它将所有数据汇集到可消化的、理想情况下流线型位置上：这是一个具有简单用户界面的搜索引擎，看起来就像谷歌的搜索页面。

Mira还有自己的社区功能;有了足够的用户，在理想情况下，平台上的人们正在寻找的东西会有很大的重叠。这包括审美偏好，但也包括其他因素，比如试图为某种肤色或对敏感皮肤友好的产品找到合适的粉底。Mira设想让用户互相询问建议，并进行产品推荐。

在手头有足够数量的重要信息和可用的用户社区后，买方将自己插入到流程中。使用Mira网站或应用程序，你可以搜索产品和评论，但也有个所谓的“入职流程”，在这个过程中，Mira会要求你自拍。它的功能相当于帐户的个人资料照片，但更重要的是，Mira使用该图像作为基础，使用计算机视觉为你构建内容推荐，并间接地将你与可能正在寻找类似产品的其他人联系起来。

Mira美容搜索引擎评论

Mira不是从头开始构建的完整模型，而是利用所谓的“转移学习”方式，来微调已经在公开可用的数据集上构建和训练的模型。哈克说：“我们使用开源工具来进行所有的内部开发工作，并从我们现有的用户和内部数据收集工具中获得了各种专有数据集。”Mira收集的用户上传图像也是微调过程的一部分。

NLP和计算机视觉相结合的神奇之处在于，这可以产生丰富的购物体验，以最大限度地减少整个过程中的不和谐因素。哈克表示：“虽然我们使用自然语言处理来构建强大的文本评论摘要，但计算机视觉允许我们自动检测在线视频中的产品，提供基于皮肤的过滤机制，即使表面高质量的图像显示产品适用于皮肤。”

解决人脸和计算机视觉问题

将人脸和计算机视觉相结合时，本身就存在很多问题。当涉及到诸如肤色和皮肤类型之类的更细微差别时，就会遇到进一步的危险，可能会遇到更多公认的问题，比如很多面部识别技术在深色皮肤的人身上表现不佳。在某种程度上，Mira的方法还涉及到存储人脸图像，这同样引起了隐私问题。不过，哈克似乎很清楚以上所有这些问题。

哈克辩称：“Mira只有在用户同意的基础上才会收集他们的数据，并根据消费者数据保护行业的最佳做法，将所有个人的识别信息视为隐私保护起来。你必须手动拍摄并上传自己的自拍照。从法律上讲，你拥有自己所有的信息，并为我们提供了在我们的社区中使用这些内容的授权。”

他进一步解释说，Mira保证用户可以请求删除他们自己的数据，并且个人身份信息“永远不会与外部实体共享，除非获得用户的明确同意。”哈克还承认，计算机视觉在某些人群中的确存在令人不安的表现。他称：“这一点很重要，必须正面予以承认和解决，特别是对于我们这样的平台来说。”

尽管哈克没有透露细节，但他指出，Mira正在利用越来越多的研究成果，这些研究“展示了如何识别和减轻”导致“异类影响”的算法。“异类影响”是个描述无意歧视的术语，其词源可以追溯到1971年美国最高法院的一个判例。哈克说：“这包括采取措施确保算法底层数据集的适当表达，对其性能进行压力测试，最终甚至与用户直接对话，以主动解决他们可能对其应用内体验所产生的任何担忧。所有这些都是Mira工程文化的核心信条。”

Mira能够将其技术应用到的市场和垂直市场并没有真正的限制，只要它涉及到那些试图购买东西的消费者，能够从与他们分享特定需求的其他消费者那里受益，并在NLP支持的评论和产品信息中发现价值。

(选自：VentureBeat 作者：Seth Colaner 编译：网易智能 参与：小小)

关键词： AI美妆助手