【The Crazy Ones】

第343集：一周展覽巡禮 / AI會否取代設計師？

節目連結：http://www.passiontimes.hk/prog/34/343

節目免費重溫目前只能維持24小時，如想隨時重溫所有熱血時報節目，請即訂購PassionPrime
http://passiontimes.hk/prime/

主持：阿朗、Vivi、Ken

首播日期：2020-06-24

節目群組：https://www.facebook.com/groups/passion.TCO/

熱血主持育成計劃︰
阿朗：https://goo.gl/ZTr1q5
Ken：http://bit.ly/2ri14oI
Vivi：http://bit.ly/2xzADuX
Eric：http://bit.ly/2Bo1YlP

未來時尚由AI定義！人工智慧將顛覆時裝產業，產值上看2千億元

2019.09.09 by 簡永昌

作為全球數一數二大的產業，時裝產業占有全球GDP的2%左右，2018年的全球市場來到3兆美元，即便時裝產業本身就有既定的性質存在，但在面對人工智慧的時代來臨，時裝產業的轉型有其痛點跟難處需要克服。時裝產業中的產業鏈如設計、製造、銷售等，將受到人工智慧的導入而有所改變。

鄭翼雄

來自香港理工大學紡織及服裝學系鄭翼雄教授表示，由於時裝產業面臨的是服裝人才不懂人工智慧的技術、而有技術的人才卻缺乏服裝的專業知識等瓶頸，因此找到能夠斜槓的人才確實有其難度。服裝產業一直以來都是在做「預測」的動作，不管是流行趨勢或是顏色，鄭翼雄分享目前各產業鏈導入人工智慧的表現，其中又以零售電商、工廠生產線跟設計是比較有感的改變。

零售電商：機器學會辨識能更快掌握消費者喜好
鄭翼雄以一份統計報告指出，全球消費者在購物的習慣上，有將近55%已經習慣線上瀏覽、並有高達74%的消費者會從社群媒體的管道獲得服裝等訊息，顯示線上的溝通已經成為影響消費者購買服裝的重要渠道。

作為服飾電商，在乎的就是消費者的瀏覽軌跡並預測其喜好，藉此投放正確的商品，不論是吸引消費者或是給予穿搭建議皆行。由於服裝風格與種類過於繁多、女裝更是如此，因此機器學習的過程顯得相對困難，要讓人工智慧能夠真正辨識服裝的種類並協助自動標籤分類，鄭翼雄說他們讓機器學習約100萬個圖鑑才完成初步的技術，也才能夠將每件分類並標籤化，如此將來就能透過各種被標籤化的產品，進行相關的服裝單品推薦或是風格搭配的建議等。

生產線檢測：紡織工廠瑕疵檢測的技術突破
此外，目前工廠導入「瑕疵檢測」的技術其實並不稀奇，在生產線上面對單一產品的瑕庛學習與辨識，就現階段的技術上是相對容易克服。不過鄭翼雄表示，服裝布料的生產過程，由於紡織品的結構多變、織法的繁瑣與技法的不同，導致織紋跟瑕疵類型的差異過於迥異，造成機器很難辨識何謂瑕疵的布料、何謂正常設計，因此目前紡織廠多是依賴人工目測做檢測。

鄭翼雄目前導入一種以CCD鏡頭去進行生產線上的瑕疵檢測：聰明眼，目前以人力的檢測來說，可能僅有7成的準確率，而且工廠的檢測多以隨機抽檢的方式進行，因此可能會有漏網之魚流入市面，透過「聰明眼」直接在機台上做最即時的檢測，不僅在檢測上能做到滴水不漏，準確率也能在不久的將來達到接近百分之百的狀況。

服裝設計：人工智慧將成設計師預測市場的好幫手

而對於服裝產業中重要的設計一環，鄭翼雄表示，時常有人問他，當設計的環節導入人工智慧，是不是設計師就要失業了？他表示，就目前設計一環導入人工智慧的方向來看，主要還是在協助設計師能掌握消費者的習性，透過AI的協助快速抓住市場的流行並給予設計即時的反饋同時激發設計師們的創意，並無法取代設計師的角色。

根據Forbes的報導，過去時裝產業需要靠上一個年度的銷售表現來預估下一季消費者的偏好，在可以導入人工智慧的現在，趨勢的預測將有助於設計師在執行工作內容上，提高準確度、誤差有可能降低到50%以下。（亞馬遜用AI判定：該開除哪位員工？）

服裝產業投入AI，2022年將上看73億美元

顯然以設計文本的時裝產業，也正受到人工智慧的發展而有所改變。根據研調機構Juniper的報告指出，現在人工智慧不僅已是服裝產業裡不可或缺的一部分，企業的投資也將從2018年的20億美元，提升到2022年的73億美元（約新台幣2,263億元）。未來或許設計師的工作將會更輕鬆，工廠裡的布料生產的瑕疵狀況也將可能受人工智慧影響而降低，最重要的是大眾習慣購物的電商平台，將能透過數據的蒐整，提供更好的購物環境跟產品推薦，讓消費者使用體驗更佳優化。

附圖：貢獻全球GDP達到2%的時裝產業，也因應人工智慧而有所改變，從產業鏈中的設計、製造、銷售層面帶來新的改變。
香港理工大學紡織及服裝學系的鄭翼雄教授，近年來結合自己的專長協助服裝產業導入人工智慧的技術。
簡永昌/攝影
由於服裝的種類繁瑣，機器學習上有一定程度的困難。當瓶頸突破後就能快速區分並標籤服裝種類，讓未來在線上購物時能快速提供消費者穿搭建議，優化使用體驗。
截自Pexels網站
港台經貿合作論壇
紡織工廠的瑕疵檢測有其難度，在於布料的織法上有各種不同技術，難以界定何謂正常、何謂瑕疵。
簡永昌/攝影

資料來源：https://www.bnext.com.tw/…/fashion-industry-ai-era-will-be-…

本集單元邀請到的設計師是 AI 產品體驗設計師陳翰申，曾經任職過 Google, Microsoft, IBM, Adobe 等地球上最大的科技公司的他，同時也在 Parsons 設計學院教授「認知人工智慧界面」課程，我們將一起聊聊在 AI 人工智慧的科技發展下，我們設計師跟如何面對與準備，以及怎麼樣去設計一套良好的人工智慧產品體驗。

＃Untitled未命名 ＃人工智慧 ＃設計師

-

👨🏻‍💻 追蹤 Facebook 臉書動態
https://fb.me/riven.design

🖥 發摟 Medium 設計部落格
https://medium.com/@Riven

📱在 Instagram 有幕後秘辛
https://www.instagram.com/scorpiusriven/

👍按讚 FB 粉絲專頁〖RAR 設計攻略〗
https://www.facebook.com/rar.design/

📡加入 Telegram 頻道會收到最新消息
https://t.me/rar_design