Индустрия моды сегодня оценивается в $2,5 триллиона в год, это 2% мирового ВВП (по данным индекса McKinsey Global Fashion). Денег у топовых брендов — сколько хочешь. Нравится нам это или нет, а третий миллиардер в мире, сразу после Джеффа Безоса и Илона Маска — Бернар Арно, владелец Louis Vuitton. Он стал вторым в истории человеком, чье состояние превысило $200 млрд.

Но у этой индустрии есть проблема: новые дизайны. Разных фигур у людей слишком много, разных вкусов — тем более. Если делать ставку на несколько ключевых стилей — можно очень быстро всё потерять. Об этом может рассказать глава Victoria's Secret, человек старой закалки, который за последние пять лет потерял больше половины своего состояния. А цена его знаменитого бренда нижнего белья снизилась с $10 млрд до $1,1 млрд.

Как можно всегда оставаться на острие моды? И четко чувствовать вкусы своих покупателей? Один из вариантов — изобрести ИИ, который будет за этим следить! Если речь идет о триллионах, любые затраты на топовую разработку могут окупиться сторицей.

Решение сложных проблем

Последние пять лет в августе собирается конференция KDD, посвященная в том числе интеграции нейросетей и интеллектуальных алгоритмов в индустрию моды. На ней представители Louis Vuitton, Michael Kors, Ralph Lauren и другие обсуждают, как анализировать данные, как определять, не сплагиатил ли чего-то твой робот, как учить его подбирать правильный текстиль, какую систему использовать для оценки «модности» того или иного товара…

Затраты на разработку AI сравнительно небольшие, а сокращение издержек может быть невероятным. Одна невостребованная линия одежды, которая пойдет в утиль, может стоить $100-$200 млн. Умный робот, способный быстро разобраться в петабайтах информации и подсказать, что такая коллекция сейчас будет неактуальной, будет как антилопа, выбивающая из копыт золото.

Сейчас в дело идёт все. Машинное обучение, компьютерное зрение, глубокое обучение, интеллектуальный анализ данных, даже обработка естественного языка (чтобы понимать, в каком контексте обсуждают тот или иной тренд пользователи социальных сетей). Системам скармливают огромные объемы информации об индустрии моды. А потом пытаются предугадать, что будет актуальным через несколько месяцев, чтобы получить хоть какое-нибудь преимущество перед конкурентами.

Например, стартап Finesse так предскзазывает, какой может быть следующая тенденция, а затем быстро, всего за 25 дней, производит небольшие тиражи одежды. Которые так же быстро раскупаются — а тут уже и новая партия подоспела, еще актуальнее. Фирма заявляет, что отходов у неё практически нет. Всё распродается за несколько недель. Другие бренды о такой эффективности только мечтают: им приходится создавать аутлеты или годами держать коллекции на складах.

Как вы, наверное, знаете, теперь можно просто сфотографировать джинсы или кроссовки, которые с виду понравились, и получить онлайн-соответствие этого фото, чтобы найти название точной модели. Такой функционал предлагает приложение Amazon, оно есть в смартфонах Google, в Instagram. Помогает, когда хочется получить «ой, точно такой же пиджак!». Сфотографировал, перешел на сайт из поиска, кликнул «Заказать».

Но это самая примитивная модель. Умные алгоритмы уже способны на большее. Несколько компаний в США, Европе и Китае, например, экспериментируют с данными, экспортированными из вашего календаря. Они находят информацию о вашем будущем путешествии или (используя куки) о погоде в вашем городе. А потом на сайте или в приложении рекомендуют вам актуальную одежду и обувь. Скажем, если вы скоро отправляетесь в Сочи, вам вдруг чаще начнут вылезать футболки-безрукавки. Если едете в Норвегию – откуда ни возьмись берется широкое предложение новых свитеров. Послезавтра пойдет снег с дождём — а вам рекомендуют взять курточку и теплые водонепроницаемые ботинки.

Только актуальное

По данным журнала The Cut, люди сейчас в среднем используют только 20% своего гардероба. Мы находим то, что нам нравится больше всего, и потом носим его постоянно. А остальные вещи, которые «не так нравятся», просто пылятся в шкафу. (еще кстати, забавно: по статистике 25% одежды в развитом мире не используется из-за того, что люди ждут потерять вес, чтобы в неё поместиться). Так вот, ИИ может помочь нам использовать потенциал своей купленной одежды на 100%. Стартап Pureple, например, предлагает вещи, которые хорошо пойдут с уже имеющейся у вас одеждой, создав полноценный наряд. Учитываются собственная база данных компании и реакции пользователей. Не надо проверять, «идут ли эти джинсы с синей футболкой». Основываясь на решениях предыдущих юзеров программа сама решит, что хорошо смотрится вместе, а что нет.

Главных продвижек в создании крутого «модного» ИИ ожидают от самых крупных компаний, владеющих данными. У которых хватает и пользователей, и информации об их реальных предпочтениях. Два главных борца на ринге – Amazon и Facebook. Они уже несколько лет занимаются своими AI для дизайна одежды. Facebook превращает Instagram в маркетплейс, а Amazon проектирует алгоритмы для своих собственных брендов, Ella Moon для женщин и Buttoned Down с Goodthreads для мужчин.

ИИ, разработанный командой Amazon, уже сейчас умеет, «вобрав» в себя информацию об определенном стиле моды, с нуля генерировать новые предметы в том же стиле. Задача дизайнера в итоге сводится к выбору лучших вариантов из этих сотен сгенерированных предметов одежды. Причем умная система Amazon отдает больший коэффициент предметам с лучшей статистикой просмотров и покупок на сайте магазина, чтобы у новых вещей был лучший шанс стать востребованными. Там, где раньше требовалась команда, теперь отлично справляется один алгоритм.

Персональный ИИ-стилист

Finery берет одежду, считывает любые новые купленные вещи из подключенного и-мейла, и подбирает «луки», то есть комбинации, которые будут смотреться на человеке лучше всего. Разработчики говорят, что их алгоритмы учитывают даже стиль пользователя. То есть, если у вас одни кепки и приспущенные джинсы, она понимает, что рекомендовать вам галстук или федору не стоит. Вместо этого AI присмотрит вам что-то «в ту же тему», вроде какого-нибудь худи.

Похожую платформу конкретно для своего сайта пару лет назад запустил Amazon. У него есть «умный помощник-стилист» Echo Look. Это камера с встроенным помощником Алексой, которая стоит в квартире, фотографирует вас и оценивает, что вы на себя надели. Рейтинга не дают, и говорить «вы ужасны, оценка 2 из 10» устройство не станет. Вместо этого оно сравнивает два наряда, и потом говорит, какой ей нравится больше, и насколько (в процентах).

Предсказание стилей будущего

Программа, которая, по словам разработчиков, предвещает, что будет в моде через несколько недель или месяцев. Stylumia объединяет компьютерное зрение, обработку естественного языка и данные о поведении людей, и в итоге предсказывает модные тренды.

Приложение рассчитано на продавцов обуви или одежды. Они заходят, вводят цвета/продукты/стили, которые им интересны. Затем система, учитывая этот запрос, собирает для себя огромный массив с релевантными данными. Информацию о продуктах с сайта самого бренда. Данные о вовлеченности пользователей. Фотографии, видео и текстовые маркеры в соцсетях (Facebook, YouTube, Instagram, Pinterest).

Дальше Stylumia обрабатывает всё это с AI и Deep Learning, и выдает клиенту сжатую полезную информацию. Графики о том, что о продукте в целом думают сейчас, и какие результаты от него можно ожидать в будущем. Какие цвета в моде, какие идут на убыль, какие растут. Что за вещи сейчас обсуждаются. Это помогает магазину или дизайнеру принять взвешенное решение: стоит ли начинать подобный проект, будет ли на него спрос, что из похожего уже есть на рынке, какие шансы успеха?

Пример, который приводит сама Stylumia в блоге, касается фэшн-шоу. На одной большой презентации 40 дизайнеров могут суммарно показать 24 000 новых предметов одежды для следующего сезона. Ни один человек в себе столько информации не удержит. А тут программа сама выделяет всё самое важное, и смотрит, что прижилось, о чём говорят, будет ли этот стиль популярен в следующем сезоне, или он уже изжил себя…

Например, на осень-2021 «в моде», по их словам, ярко-желтый и чёрное на красном. А самой популярной отдельной вещью стали (по крайней мере, на модных показах) белые женские кофточки с пышными рукавами. То есть, с точки зрения Stylumia, именно этими предметами должны были закупаться ритейлеры, чтобы максимизировать свои продажи.

Сейчас у компании 100+ клиентов – включая Aeropostale, Puma, Myntra, Fastrack, Biba и Global Desi.

Утилизация мусора

Но могут ли бездушные алгоритмы действительно понять и заменить моду? Не нужен ли для этого человеческий креатив и талант?

На самом деле, эксперты уверены, что хороший ИИ справится с задачей не хуже, а во многом и лучше. Например, Майкл Ферраро, исполнительный директор нью-йоркского Института моды и технологий, говорит:

Мода и так сейчас во многом сфабрикована. То, что на следующий сезон будет «в тренде», решается советами директоров крупных компаний. Теперь просто эту работу возьмут на себя роботы. На мой взгляд, так будет даже честнее.

Технологии искусственного интеллекта также могут помочь наконец-то сделать индустрию моды экологически чище. Сейчас это второй по выбросам отходов загрязнитель в мире (после нефтяной промышленности). В мире продается 80 миллиардов (!) предметов одежды в год. И все они производятся с использованием кучи красителей и химикатов. Более того: почти всё то, что было произведено, довольно скоро в итоге оказывается на свалках. Мэтью Дринкуотер, руководитель лондонского агентства Fashion Innovation, рассказывает:

Мы производим и выбрасываем слишком много одежды. Только в Британии мы избавляемся более чем от 300 000 тонн одежды каждый год. Если ИИ сможет помочь нам производить только то, что продастся, количество отходов может серьезно уменьшиться.

Нынешняя модель ритейла не работает, мы просто производим мусор. Идеально было бы на ходу адаптировать дизайны, учитывая меняющиеся запросы клиентов. Одежда, созданная таким способом, будет более ценной для покупателей, её не станут выкидывать так быстро. Кто знает, может, люди даже чинить свою одежду начнут. Это было бы здорово.

Дата-центр ITSOFT — размещение и аренда серверов и стоек в двух ЦОДах в Москве; colocation GPU-ферм и ASIC-майнеров, аренда GPU-серверов. Лицензии связи, SSL-сертификаты. Администрирование серверов и поддержка сайтов. UPTIME — 100%.