阅读全文大约需要四分钟
作者：Karen Liu， Formative Content作家
中国电商行业的庞大规模为人工智能的应用提供了广阔舞台。通过教会AI像人类一样“看懂”事物，计算机视觉技术正在帮助企业提升服务质量，也让消费者在“买买买”时获得最佳体验。
根据IDC的报告，截至 2017 年 12 月，中国计算机视觉市场的规模为 15.45 亿元人民币，较前一年大幅增长 184%。该机构预计这一增长趋势将继续，使该市场规模在 2022 年时达到 146.08 亿元人民币。
虽然这份市场调查并未细分与电商相关的具体份额，但计算机视觉技术在这一领域的广泛研发和利用本身已是明证。
图片文字识别
作为电商业的龙头，阿里巴巴去年 10 月对外公布了其图片文字识别技术“雷音识字”的相关信息。这项图像识别技术专门用于扫描该平台上的商品描述。熟悉网购的用户都知道，商家对产品的描述通常都在图片里，这是网络购物的特性。阿里巴巴集团资深技术专家贾梦雷表示，该平台上 90%的商品描述位于图片中。通过识别这些文字，平台能够探测到可能使用了违反新广告法用语的商家。
根据阿里巴巴平台治理部公布的数据，平台每日监控全网近 20 亿件商品，仅在 2016 年就累计计算了 1000 亿张图片，准确率达 97.6%，每秒扫描图片文字多达 23，546，287 个。
用户兴趣可视化
对所有电商平台来说，准确匹配商品与用户兴趣是一个重要课题。近日，京东公司的智能广告实验室为这个问题提出了一个创新解决方法。他们创建了一个叫做“Telepath”的基于视觉的仿生推荐系统模型，这个研究已经发表于第 32 届 AAAI会议。
“Telepath”的原理是模拟人脑的购物决策过程，主要包括两个关键因素，即视觉感知和兴趣理解。简单来说，这就是人们看到一个商品然后决定是否购买的过程。与根据浏览记录或用户自行备注来匹配兴趣的方式不同，这个模型首先“提取商品关键视觉信号并产生激活”，就像人眼看到一个商品，并被各种视觉因素所吸引一般，然后“根据激活神经元来理解用户兴趣”，实现对用户购买意愿的预测。
该论文的作者表示，京东内部对该模型的检测显示，新推荐模型在多种场景下均实现了不同程度的销售额提升。
“看透”时尚趋势
了解时尚趋势是否重要?一部分人可能认为杂志上的潮流预测听起来像占卜术，但其实对时尚行业来说，这是重要信息。制造商和设计师需要这些信息来指导新款设计、面料购买，以实现销售的最大化。
中国纺织信息中心在进行时尚趋势预测项目时，与为企业提供计算机视觉技术服务的人工智能公司码隆科技成为合作伙伴。在过去，时尚趋势预测的方式是：数位专业人员花费数月时间，通过浏览时尚杂志和秀场照片来进行主观专业判断及预测。相比之下，新技术则将专家的能力进行无限延展。
码隆科技联合创始人兼 CTO 码特向我们介绍：“我们的技术可以通过视觉识别模特所穿时装。首先将时装区别于背景提取出来，然后智能识别时装的款式、细节、颜色组成。人工智能可以在极短的时间之内扫描成百上千的照片，提取其中的服装属性，并达到更高的预测精度。由此，中国纺织信息中心能够为业界提供更精准的时尚趋势信息。”
商品图片搜索
成立于 2014 年的码隆科技是唯一入选 2018 年世界经济论坛技术先锋榜单的一家中国公司。该公司联合创始人兼 CEO 黄鼎隆博士把这一成就归功于他们一直倡导的“合作、开放、科学严谨性”，并称之为人工智能研究界长久以来一直坚持的信条。
事实上，前面提到的时尚预测只是码隆科技的一个合作项目，该公司的核心技术集成于一个名为 ProductAI 的人工智能商品识别平台。它可以实现快速从图像和视频中识别商品以及“以图搜图”等功能。
“如今，大多数人工智能公司依靠‘监督式学习’方法进行算法研发、模型训练，这种方法要求训练数据集必须被完美标注和结构化——这背后有巨大人力需求去完成标注和整理。”码特认为他们所采用的新方法是让这家公司脱颖而出的原因。
“实际的问题是：真实世界并不是被完美标注和结构化过的。码隆科技在‘弱监督学习’方法研究方面取得了重大科研突破。我们的目标是：在不需花费大量额外精力处理数据的情况下，通过‘弱监督学习’相关算法，仍然能够输出高质量的识别结果。”
上述技术应用只是计算机视觉不断进化的一小部分，它完全有潜力为电商行业带来更多变化。对中国的消费者来说，或许是时候为即将到来的颠覆性购物体验做准备了。
资料来源：
IDC： 2018 中国计算机视觉应用市场研究，中文互联网数据资讯中心
https://www.199it.com/archives/732008.html
20 亿商品“读图”鉴定 揭秘阿里图像识别背后的数据力量，新华网
https://www.xinhuanet.com/tech/2017-10/12/c_1121793498.htm
Telepath：在大规模推荐系统中以人类视角理解用户，京东https://arxiv.org/ftp/arxiv/papers/1709/1709.00300.pdf
本文由世界经济论坛原创，转载请注明来源并附上原文链接。
（推广）