原標題：從AI香水到AI美妝 算法能否求出審美最優解

　　人工智能系統需要感知的信息主要來源于其視覺、聽覺、觸覺，而嗅覺也是很有價值的方向，目前已經有科研人員在研究氣味傳感器以及其在環境保護等領域的應用。

　　在進博會期間，除了仿生機器人、自動化生產線等“硬核”智能科技，AI美妝顧問、虛擬化妝師以及由人工智能驅動的定制護膚品也吸引了不少人的目光。近年來，在圖像、影像及語音識別等領域大放異彩的人工智能也開始逐漸滲透到美妝行業，市場顯示，由人工智能配制的香水在消費者中獲得良好反饋。

　　“配制香水是一個復雜的系統工程，涉及原料、工藝、用戶、市場等諸多因素，在浩如煙海的參數空間中搜索對路的方案工作量巨大，僅僅依賴人工經驗很難窮舉所有可行方案，很可能會錯過最受市場和用戶歡迎的最佳解�！敝袊�科學院自動化研究所研究員孫哲南在接受科技日報記者采訪時表示。

　　AI調香不依靠香味判斷放香料順序

　　“人工智能系統需要感知的信息主要來源于其視覺、聽覺、觸覺，而嗅覺也是很有價值的方向，目前已經有科研人員在研究氣味傳感器以及其在環境保護等領域的應用�！睂O哲南說。

　　此前，IBM公司制造了一個人工智能香水學徒——Philyra。Philyra是一個有創造力的人工智能，它能研究現有的香水配方并將其成分對比分析，研究出新的香水配方。Philyra還能獲取香水在不同性別、年齡和暢銷地的受歡迎程度，結合大數據算法后，Philyra將輸出一個新的香水配方，該配方在預定的目標人群中能達到良好的效果。

　　孫哲南解釋，與需要幾十年時間訓練嗅覺的調香師不同，人工智能不依靠嗅覺制作香水。AI調香利用先進的機器學習算法，分析和學習香水的配方、原料、歷史銷售數據和行業趨勢等信息來預測人類的喜好，從而創造出針對目標人群的新香水配方。

　　調香大師大衛·阿佩爾跟Philyra做過一場實驗：由Philyra完全主導制造的一款香水為A款;B款則是Philyra制造為主，調香師作為輔助修改;C款由調香師做主導，Philyra做輔助。三款香水完成后投入測試，測試結果顯示絕大多數的人選擇了由人工智能完全主導創造的A款香水。

　　“與人工制香相比，AI制香不依靠香味判斷放香料順序，而是通過深度學習算法分析后定制調配方式，這是一種有別于傳統調香思維的方法;AI香水不會受到個人偏好、經驗、文化偏見的影響，而是對嗅覺感官進行數字量化，探索更多有創造力的成分組合和配方公式;AI香水憑借其強大的運算能力，可以快速計算出最受目標客戶喜愛的香料配方，縮短了香水研發周期�！睂O哲南指出。

　　還應用于智能醫療美容、發型設計等場景

　　根據歐睿咨詢預測，2019—2023年，我國化妝品行業將維持8.3%的復合增速。面對持續壯大的化妝品消費市場和科學護膚、功能護膚等概念的普及，各大美妝護膚商家也在積極使用人工智能等前沿技術，推出更符合消費者個人需求的定制化產品，帶來更周全的產品體驗。

　　孫哲南表示，除了調制香水，人工智能還應用于智能醫療美容、發型設計、虛擬試妝、定制護膚品、皮膚診斷等眾多場景。

　　中國科學院自動化研究所孫哲南研究員和赫然研究員團隊在人臉圖像編輯以及美妝、醫美、娛樂等應用方面進行了探索。

　　例如，他們在2019年IEEE國際計算機與模式識別會議上提出了一種基于小波域的人臉年齡變換技術，可以預測面容隨年齡的變化情況，該技術還可以應用于護膚產品的個性化推薦;他們在2020年提出的一種基于樣本重要性采樣的人臉屬性編輯技術可以對人臉膚色、發色、添加或去除眼鏡等屬性進行編輯，并且可以應用于美容美發行業的妝容造型設計，為用戶提供多樣化的選擇和參考;在2020年提出的一種基于參考圖像的人臉組成編輯技術可以對人臉五官形狀進行操縱，并輔助醫學美容，通過整形和創傷修復手術的術前預斷給予醫生和患者更多指導，制定更加科學的美容方案。

　　“人工智能在美妝醫美行業的應用技術為企業節約了人工成本，提高了客服效率，為消費者選購產品帶來了便捷、周全的用戶體驗。”孫哲南說。

　　孫哲南指出，從目前的應用上說，個性化定制護膚系統可以讓每個用戶擁有專屬的護膚美容師，利用人臉識別和人臉分析技術對用戶提供的照片進行分析并評估其肌膚狀況，再利用推薦算法從現有產品中選出最適合的產品進行推薦;人臉美麗評價系統為醫療美容提供了較有價值的方法和工具，可以輔助醫院進行美容整形，利用檢測出的數據與標準美麗模型相對比，給整容者提供各部分改進的最佳方案;AR智能試妝利用人臉識別和虛擬妝容渲染算法，實現不同品牌不同顏色的產品在臉上的妝容效果，降低了試妝成本，擴充了美妝零售終端，滿足快時尚需求。

　　對于審美標準，人和機器會相互影響

　　對于美的認知，仁者見仁智者見智，很難量化和形成標準，但是“愛美之心人皆有之”，社會大眾的審美觀念還是有章可循，例如傾國傾城的美人還是可以得到幾乎所有人的認可。

　　“人工智能對美的認識需要大數據的訓練，目前人工智能對美麗面孔的定義和顏值打分離不開人類的有監督數據標記，因為人工智能對美本身是沒有理解力的，它對美的把握取決于它所學習的人臉數據和人為定義、量化美的標簽數據集�！睂O哲南說。

　　大衛·阿佩爾就認為人工智能并不是威脅而是需要合作的對象，機器沒有多余的感情與偏見，可以顯著提升人類的創造力，提供最新穎的算法。

　　此前，CARTO人工智能調香系統在知名香水公司Givaudan產生，該系統使用了IBM公司收集的氣味圖鑒，希望香料能在配方中將嗅覺性能最大化。

　　再比如，資生堂Optune個性化定制護膚系統由智能手機應用程序Optune App和專用機器Optune zero組成。Optune App通過使用機器學習技術分析用戶拍攝的照片來展示用戶的肌膚狀況(膚質、毛孔、含水量等)，并通過云將數據發送到Optune Zero，后者根據算法從現有產品中選出最適合的精華和保濕產品組合，并直接從機器中生產。

　　“為了消除人工智能對人類審美的偏好性，訓練算法采用的數據應盡可能全面、多樣化，綜合多維度、多角度的標準進行學習。但是也不排除自主進化智能對美麗人物和事物有無監督的發現能力，例如機器可能自動搜索得到大眾關注的明星照片來自主學習審美標準�！睂O哲南說。

　　在孫哲南看來，隨著人工智能在美妝行業的應用落地，對于審美標準，人和機器是會相互影響的。“一方面，人類對美的標準從廣義上說是有個人偏好的，當算法專家將某一種美的定義作為標準讓機器去學習時，機器就傾向于這種定義的審美標準。另一方面，當機器長期為人們推薦它認為的醫療美容方案，人工智能系統的用戶審美體系也會受到一定影響�！�