把购物带入人工智能时代.docVIP

把购物带入人工智能时代 　　一场人机大战点燃了公众对于人工智能领域的热情，AI大时代已经来临，在可以预见的未来，人工智能将渗透到日常生活的方方面面。一家位于深圳的科技公司瞄准了时尚领域，他们想从商品切入，用人工智能技术训练一位拥有时尚品位的AI老师。如何把科技商业化一直是业界的难题，而商品识别天然具有“交易”的属性，这会不会成为下一个爆发的人工智能垂直领域呢？ 　　曾主导“Bing”项目 　　在高新科技的江湖中，微软系一直是备受资本方青睐的“门派”，码隆科技的联合创始人兼CEO黄鼎隆，联合创始人兼CTO Matt Scott就是“微软创业邦”中的一员。 　　黄鼎隆是清华大学2008级的人机交互专业博士，毕业后曾在微软工作了四年。在微软期间，黄鼎隆就职于MSN部门，致力于搜索引擎方向的探索。2009年，微软发布了新的品牌Bing Search，这是一款被微软寄予厚望的搜索引擎，中文名称被定为“必应”，有“有求必应”的寓意。产品推出后却遇到一个问题：百度、谷歌都有类似的产品，“Bing”需要找到一些亮点。黄鼎隆联系到在研究部门工作的工程师Matt Scott，让市场端和研究端直接对接，开发了必应词典项目。 　　微软内部项目众多，能够脱颖而出最终推出市场的比例非常少。谈到那段经历，黄鼎隆说：“那段经历和创业很像，要组织团队、要说服上级给予资源支持，只是不用考虑发工资的问题。” 　　在黄鼎隆团队的努力下，最终必应词典在词典市场上占据了很大的流量，产品本身也实现了商业变现，内部创业圆满成功。 　　这个过程使黄鼎隆对商业与市场有了更多的感悟，更重要的是，他认识了一帮互相信赖的兄弟，如今，码隆科技的核心研发团队基本都是在微软的老战友。 　　在微软工作了四年后，黄鼎隆又先后在腾讯、TripAdvisor工作。他一直关注着人工智能学界的动态，“人工智能领域最权威的ImageNet比赛，很多年来，一直是每年只有百分之零点几的提高，忽然有一年提高了百分之十。”置身人工智能领域多年，他对这个变化十分敏感，他知道：AI的时机到了。 　　2014年，他辞去了TripAdvisor中国区产品副总裁的职务，创办了码隆科技。 　　如何培养一位合格的AI时尚顾问 　　人工智能有若干应用领域，选择哪个垂直领域进行创业呢？黄鼎隆的回答是：离商业更近的。“很多做人工智能公司的团队都偏研究，我们团队的核心定位在产品。我觉得一个能实现商业价值、能赚到钱的产品才是有价值的产品。” 　　基于这样的考虑，他没有选择技术相对成熟的人脸识别、车辆识别领域，而是选择了相对冷门的商品识别领域。在商品识别这个垂直领域中，他又选择从技术门槛最高的服装识别切入。“商品分为两类，一种是刚性的东西，比如桌子、书，这类商品的结构是相对固定的；另一种是柔性的物体，最典型的就是衣服，衣服会有扭曲、折叠和遮挡。我们的技术研发重点就是，让计算机能够准确识别出各种形态的柔性商品。”黄鼎隆说道。 　　计算机的学习过程与人类的学习过程有很多相似之处，人类平时80%左右的信息获取方式是通过视觉。当一件衣服摆到面前，人眼能够迅速判断它的颜色与材质，经验丰富的时尚编辑甚至能够说出品牌。这种判断的基础在于，我们见过的衣服数量和种类足够多。 　　让计算机像人类一样做出判断，也是同样的道理。首先，要让计算机看懂商品，看懂以后，就要用海量的数据来“喂养”它，不断提升它的时尚品味。计算机一旦能看懂服装，它的识别能力将远超过任何一位时尚编辑。即使最资深的时尚人士，一辈子所能见到的服装也是有限的，然而计算机却可以在很短的时间内看一亿张、十亿张包的图片，成为一个巨大的时装库。 　　比哈佛还难进的孵化器，他们拿了冠军 　　锁定了时尚服饰识别这个领域后，黄鼎隆开始着手设计原型产品。2015年2月，码隆科技完成天使轮融资，投资方为达晨创投和远镜投资，融资金额1200万人民币。 　　公司成立了不到一周，黄鼎隆接到了“中国创新创业大赛”的邀请。这是一项由科技部主办的科技创新赛事，当时共有一万多个企业报名竞赛。当时码隆科技仅有三个人，还没设计出原型产品。在一轮接一轮的比赛过程中，一款名为“StyleAI”的APP逐渐成型。最终，码隆科技拿到了大赛总冠军，与此同时，产品原型也打磨完毕。 　　黄鼎隆并没有对StyleAI进行大规模的C端推广，他说：“这款App只是一个show case展示，在开发App的过程中，可以把我们的系统打磨得非常好，尤其是对柔性物体的定位和识别能力都到达了一个新高度。” 　　创业半年后，2015年1月，码隆科技又传来了好消息：他们入选了微软创业加速器。这个在创投圈大名鼎鼎的机构，每年只有百分之二的入选率，比哈佛还难进。在加速器的毕业展示――Demo Day当天， 码隆科技通过现