Ten artykuł jest częścią serii „Przyszłość AI”, która bada, jak sztuczna inteligencja wpłynie na branże mody i beauty.

W tym roku liderzy technologiczni zaczęli wychwalać znaczenie smaku. W lutym współzałożyciel Y Combinator, Paul Graham, przewidział: „W erze AI smak stanie się jeszcze ważniejszy. Gdy każdy może stworzyć cokolwiek, głównym czynnikiem różnicującym będzie to, co wybierzesz do stworzenia”. Tego samego miesiąca prezes OpenAI, Greg Brockman, nazwał smak „nową kluczową umiejętnością”.

Dla mody i wielu innych dziedzin kreatywnych pomysł, że smak nie zawsze był istotny, jest absurdalny. Jednak koncepcja smaku została wzmocniona i przekształcona w erze generatywnej AI, przy czym ta często dyskutowana forma oceny estetycznej szybko stała się modnym słowem. „Każda firma chce teraz rozmawiać o smaku. Każdy myśliciel w technologii chce napisać na Substacku o smaku” – mówi Andy McCune, założyciel platformy inspiracji wizualnej Cosmos.

Ten trend pokazuje, że dyrektorzy ds. AI nie są oderwani od bardzo ludzkiej cechy, jaką jest dobry smak. Ale jeśli smak i styl osobisty są z natury ludzkie – kształtowane przez doświadczenia z książkami, filmami i ludźmi – czy AI może kiedykolwiek naprawdę zrozumieć styl osobisty użytkownika lub rozwinąć własne poczucie smaku? To kluczowe pytanie dla mody, gdzie takie instynkty wpływają na wszystko, od projektowania ubrań po rekomendacje stylizacji, z których wiele jest już napędzanych przez AI.

Niektórzy w świecie technologii są przekonani, że to możliwe. „Nie chcę was zasmucać, ale prawdopodobnie nie macie lepszego smaku niż AI” – napisał na X jeden szef produktu. CEO firmy AI podobnie żartował: „Jest duża szansa, że AI będzie miała lepsze pomysły niż my w ciągu kilku lat”.

Osoby spoza bańki technologicznej są bardziej sceptyczne. „Smak i styl osobisty to coś, co rozwija się z czasem i dzięki doświadczeniom z prawdziwego życia” – mówi prognostka trendów Mandy Lee. „Brak punktów stycznych ze światem realnym jest przeciwieństwem budowania osobistego smaku. Więc cokolwiek oni mówią, to nie to samo, co smak i styl”.

Kupujący również pozostają nieprzekonani. Obecnie tylko 3% ankietowanych przez Vogue Business kupujących używa chatbotów AI do inspiracji modowej, w porównaniu do 57%, którzy sięgają po magazyny (drukowane i cyfrowe), a następnie street style (47%), blogi modowe lub Pinterest (36%) i influencerów (35%).

Styl osobisty od dawna jest sposobem na sygnalizowanie aspiracji i tworzenie indywidualnej tożsamości w społeczeństwie, mówi Richard Thompson Ford, profesor Stanford Law School i autor książki **Dress Codes: How the Laws of Fashion Made History**. Ludzie robią to, pożyczając i łącząc odniesienia z różnych aspektów życia – od różnych społeczności po okresy historyczne – wykorzystując znane obrazy z sztuki, filmów, celebrytów lub influencerów jako inspirację. Dobry smak nie polega na kopiowaniu, wyjaśnia Thompson Ford, ale raczej na „cytowaniu małych części znanego zestawu i łączeniu ich z innymi rzeczami, aby wyrazić coś, co przynajmniej dla nich jest wyjątkowe i indywidualne”.

W miarę jak ludzie coraz częściej zwracają się do AI w poszukiwaniu inspiracji, może to zmienić sposób, w jaki rozwijają swój styl osobisty. Startupy z pogranicza mody i technologii są optymistyczne co do zdolności AI do usprawnienia i uproszczenia tego procesu. Platforma zakupowa AI Daydream ma właśnie to na celu. Jej użytkownicy niekoniecznie są wielbicielami wysokiej mody, mówi współzałożycielka Lisa Yamner. „Ludzie, którzy nas znajdują, kierują się raczej potrzebami; to bardziej entuzjaści mody niż osoby szukające pokazów ostatniej kolekcji Loewe”.

Ponieważ prawie połowa ankietowanych wskazuje na przytłaczającą liczbę wyborów jako największe wyzwanie podczas zakupów, rola AI w kuratorstwie i upraszczaniu może stać się jeszcze ważniejsza. Skoro 45% użytkowników skupia się na stylizacji, komponując stroje z istniejącej garderoby i znajdując style w ramach swojego budżetu, nic dziwnego, że ponad jedna trzecia (36%) rozważyłaby użycie narzędzia AI do odkrywania trendów na następny sezon. Ale czy AI może naprawdę zrozumieć smak i styl na tyle dobrze, aby dorównać ludzkim zdolnościom kuratorskim?

Doświadczeni przedstawiciele branży są sceptyczni. Lee, z dekadą doświadczenia w prognozowaniu i analizie trendów, uważa, że jej praca by na tym ucierpiała, gdyby polegała na AI, ponieważ brakuje jej wglądu w wydarzenia kulturowe i wpływy kształtujące preferencje modowe. „Przy obecnej technologii AI nie może w pełni pojąć, jak wydarzenia, czynniki społeczno-ekonomiczne, finanse i polityka światowa wpływają na trendy i modę” – wyjaśnia. „Kiedy spojrzysz poza estetykę, to właśnie one napędzają trendy. To nie tylko moda – to wszystko, co ją otacza”.

Czy AI może kiedykolwiek naprawdę zrozumieć te realne dynamiki?

**Ograniczenia danych wejściowych**

Największym wyzwaniem AI w dostarczaniu gustownych wyników są jej dane wejściowe. AI zależy od zbiorów danych, a ogólne silniki AI zbierają ogromne ilości danych z całego internetu, które mogą być „zaszumione” i niefiltrowane. Nawet narzędzia AI stworzone specjalnie dla mody napotykają trudności, ponieważ związane z modą zbiory danych często są niewystarczające, twierdzi Yilu Zhou, profesor nadzwyczajny w Fordham Business School, która pracuje na styku mody i AI od 2013 roku.

Wczesne badania Zhou ujawniły, że taksonomia mody jest słabo ustandaryzowana. „Każdy projektant mówi innym językiem. Mogą mieć dwa bardzo podobne projekty, ale opisują je zupełnie innymi terminami – czasami celowo” – mówi. Język brandingowy osadzony w opisach produktów – jak określenie „efekt szkła” Haidera Ackermanna dla przezroczystej marynarki z plastiku – stanowi znaczącą przeszkodę dla AI w dokładnym przewidywaniu i interpretowaniu trendów mody. Zhou podkreśla, że standaryzacja danych to pierwszy krok do stworzenia użytecznej AI. „W przeciwnym razie AI będzie oparta na stronniczych danych, prowadząc do stronniczych i bezsensownych wyników”.

Eksperci zauważają również, że dane, na których polega AI, mogą być mylące, szczególnie w modzie. „Coś może stać się viralem w mediach społecznościowych, generując wiele udostępnień, ale to niekoniecznie oznacza, że ludzie to kupią” – mówi Francesca Muston, dyrektor ds. prognozowania w WGSN. Przykłady to trend widocznej bielizny na wybiegach w 2023 roku czy przewidywany trend biustonoszy na 2025 rok – oba oczekiwano, że wygenerują więcej kliknięć niż faktycznych sprzedaży. Dodatkowo, AI często nie uwzględnia sezonowości, chyba że jest specjalnie zaprogramowana. „Jeśli analityk danych nie rozumie mody, może błędnie zinterpretować trend jako miniony, podczas gdy w rzeczywistości ma on powrócić w przyszłym roku” – wyjaśnia Zhou.

Tutaj ludzki osąd staje się niezbędny – aby interpretować historie, które AI często pomija. „Ludzie lepiej kontekstualizują różne informacje, łączą punkty i rozpoznają możliwości dla przyszłych trendów” – mówi Muston. Zhou zgadza się, dodając, że ludzka ekspertyza jest potrzebna, aby zidentyfikować, kiedy AI zbacza z toru lub „halucynuje”, aby wypełnić luki w niekompletnych zbiorach danych.

Specjalnie zaprojektowane modele AI, jak w Daydream, mają na celu zapewnienie lepszych podstaw poprzez dopasowanie do osobistych stylów użytkowników. Yamner z Daydream wspomina reakcje użytkowników przy wprowadzaniu platformy: „Mówili: 'Próbowałem tego samego wyszukiwania w ChatGPT i dostałem okropne wyniki'”. AI szkolona specjalnie na danych o modzie powinna teoretycznie zapewniać bardziej trafne i dokładne spostrzeżenia. Daydream używa własnego systemu mapowania marek, aby zrozumieć, jak marki łączą się pod względem stylu, estetyki i pozycjonowania. W połączeniu z indywidualnymi sygnałami użytkowników pozwala to platformie rekomendować marki, które wydają się zarówno trafne, jak i zaskakujące – bez wpływu reklam czy płatnych pozycji na wyniki.

**Programowanie smaku**

Nawet jeśli AI jest szkolona na odpowiednich danych, niektórzy wątpią, czy może dorównać ludzkiemu smakowi. „Przy odpowiednich danych treningowych AI może przybliżać to, co jednostki robią w pewnych sytuacjach, ale myślę, że zawsze będzie pozostawać w tyle” – mówi jeden z ekspertów. „Jako osoba, twoje wpływy pochodzą z ulicy, przypadkowych spotkań i szerokiego zakresu źródeł – niektóre zdigitalizowane i dostępne dla AI, a niektóre nie. Wątpię, aby wszystkie wpływy kształtujące smak, szczególnie dla kogoś z silnym poczuciem estetyki, były natychmiast dostępne dla AI”.

AI ma też tendencję do skupiania się na szerokich trendach dominujących w mediach społecznościowych lub nagłówkach zakupowych. Ale ciekawsze są style pojawiające się lokalnie, które są trudniejsze do wykrycia dla AI, zauważa Zhou.

Programowanie AI, aby dopasować się do konkretnego stylu użytkownika, może również stać się zbyt wąskie i preskryptywne, ograniczając odkrywanie poza zwykłe preferencje. „Jeśli nie masz tysiąca dolarów na wydanie na torebkę, nie pokażemy ci torebki za tysiąc dolarów” – mówi Yamner. Jednak wielu entuzjastów mody inspirowało się ikonicznymi projektami, jak torba Balenciaga City Nicolasa Ghesquière’a z początku lat 2000. czy projekty Phoebe Philo dla Celine, nawet jeśli nie mogli sobie na nie wtedy pozwolić. Ta inspiracja nadal ma znaczenie. Chociaż Daydream filtruje według ceny dla intencji zakupu, może użyć estetyki Philo jako sygnału, aby pokazać elementy o podobnym klimacie w bardziej przystępnych cenach – forma demokratyzacji ważna dla platformy.

Podobnie, skupianie się tylko na markach modowych i trendach jest ograniczające, ponieważ styl osobisty często kształtują inne obszary kultury. Na przykład prognozy trendów WGSN poprawiły się, gdy zaczęli śledzić branże takie jak żywność i sport. „Ludzie nie tylko noszą ubrania. Jedzą też jedzenie, mieszkają w domu, używają kosmetyków i angażują się w inne obszary, jak technologia konsumencka czy sport” – mówi Muston. Skupianie się wyłącznie na produkcie oznacza pominięcie wielu czynników napędzających trend.

Niektórzy założyciele wierzą, że AI można rozwinąć, aby identyfikowała „dobry smak” zdefiniowany przez ludzki wkład. McCune z Cosmos uważa, że AI może nauczyć się smaku przy odpowiednim programowaniu. Jego celem dla Cosmos jest bycie „platformą anty-śmieciową”. „AI może wspierać kreatywnych w obszarach takich jak wyszukiwanie i rekomendacja” – mówi. Zespół uczenia maszynowego Cosmos zbudował „model przewidywania estetyki”, który decyduje, co widzą użytkownicy. Był szkolony na obrazach zapisanych przez pierwszych 10 000 użytkowników beta – w tym projektantów, dyrektorów kreatywnych i architektów – wraz z „naprawdę złymi” zbiorami danych użytymi jako próbki negatywne. Teraz każdy przesłany obraz jest oceniany względem standardu estetycznego ustalonego przez te próbki.

„Ustalamy dolną granicę, a wszystko poniżej jest depriorytetyzowane w wyszukiwaniu i rekomendacjach” – wyjaśnia McCune. Podkreśla, że nie chodzi o narzucanie jednego smaku, ale o podnoszenie jakości. Kultura wizualna staje się bardziej jednolita, ale Cosmos nie tylko podkreśla najwyższej klasy treści. „Używamy tego bardziej jako podstawowego filtra do usuwania śmieci i materiałów niskiej jakości” – wyjaśnia. Uczenie maszynowe odegrało kluczową rolę w kuratorstwie Cosmos, oferując małą skalę odpowiedzi na krytykę Zhou dotyczącą „złych danych” w modzie – chociaż Cosmos nie ogranicza się do mody.

Aplikacja do udostępniania paragonów Selleb również jest optymistyczna co do łączenia technologii AI z nadzorem człowieka. Współzałożycielki Chloe i Claire Lee widzą AI jako podstawowe narzędzie, które ostatecznie będzie recenzowane przez ludzi. Użytkownicy udostępniają paragony nie tylko na modę, jak początkowo oczekiwały założycielki, ale także na kawiarnie, transport, loty, artykuły spożywcze i więcej. „Naszą szerszą wizją jest mapowanie wszystkich tych różnych produktów online i śledzenie smaku każdego w różnych czynnikach, które przybliżają uchwycenie tej nieuchwytnej strony smaku – czegoś, co wciąż uważam za trudne do zdefiniowania” – mówi Claire.

Selleb podkreśla znaczenie danych między kategoriami, aby lepiej zrozumieć smak, preferencje i styl osoby. Nowi użytkownicy łączą swój e-mail i przesyłają tysiące paragonów. „Te paragony – kiedy zostały wystawione, do jakich kategorii należą, ile wydałam – wiele mówią o mnie jako kupującej i mojej unikalnej tożsamości” – zauważa Chloe. Użytkownicy obserwują to, co siostry nazywają swoimi „sobowtórami smaku”: osoby o podobnych preferencjach w różnych kategoriach, na podstawie „grafu smaku”, który buduje aplikacja. Analizując paragony użytkowników kompleksowo, backendowa AI może identyfikować wzorce niewidoczne w publicznie dostępnych danych online, prowadząc do spersonalizowanych rekomendacji modowych i innych.

**Patrząc wstecz**

AI przewiduje i identyfikuje trendy na podstawie przeszłych danych, co oznacza, że nie może wyjść poza te dane wejściowe, niezależnie od zaawansowania technologii. „AI nie jest świetna w nowinkach – a trendy często zależą od nowości” – mówi Muston z WGSN.

W rzeczywistości styl i smak ludzi ewoluują wraz ze zmieniającym się kontekstem i przesunięciami kulturowymi, których AI nie może przewidzieć. „Trendy są wysoce złożone i poruszają się na wiele różnych sposobów” – wyjaśnia Muston. „Jak często ludzie mówili: 'Nigdy nie założę XYZ' i silnie sprzeciwiali się trendowi z powodu przeszłych skojarzeń? A jednak, gdy ten trend pojawia się ponownie w nowym kontekście, nagle staje się atrakcyjny”. Jeśli przeszłe dane sugerują, że dany look prawdopodobnie się nie sprawdzi, AI przyjmie to za dobrą monetę. Ludzie jednak mogą zakwestionować kontekst i rozpoznać, dlaczego powrót może być możliwy.

Zainteresowanie pewnymi markami lub estetykami często jest wywoływane przez losowe lub statystycznie mało prawdopodobne wydarzenia, których AI nie może uwzględnić, mówi Madé Lapuerta z @DataButMakeItFashion. Przytacza wzrost zainteresowania Van Cleef & Arpels w listopadzie ubiegłego roku, gdy zawodnik Dodgers Miguel Rojas – który nawet nie miał grać – zdobył przełomowego home runa, wygrywając World Series. „Ponieważ modele predykcyjne napędzane AI polegają całkowicie na przeszłych wzorcach, nie mogą przewidzieć przyszłości ani zrozumieć, co będzie rezonować”.

To główna obawa Lee związana z używaniem AI do przewidywania trendów lub zmian smaku. „Sposób, w jaki AI 'przewiduje' trendy, to tak naprawdę nie przewidywanie – to tylko odzwierciedlanie tego, co dzieje się teraz” – mówi.

**Ludzka przewaga**

Ta ludzka przewaga jest kluczowa. Poleganie AI na danych historycznych... Dane pokazują, że AI może identyfikować treści na podstawie „co”, ale nie „dlaczego”. Jak ujmuje to Muston: „AI może skodyfikować smak, ale tylko w sposób syntetyczny”.

Thompson Ford zgadza się, że jest to zbyt imitacyjne. „Jedna rzecz to powiedzieć: 'Chcę wyglądać jak kolekcja Ralpha Laurena z zeszłego roku' – AI może sobie z tym poradzić. Ale jeśli chcę wyglądać jak czyjaś kolekcja z tego roku, która jeszcze nawet nie powstała, wątpię, aby AI mogła zrobić to, co robi projektant, lub to, co robi stylowa osoba”.

Nawet technooptymiści jak McCune to kwestionują. „Z natury modele muszą być szkolone na czymś z przeszłości” – wyjaśnia. „Ludzie mogą patrzeć w przyszłość i tworzyć nowe trendy i estetyki. Modele zawsze będą odzwierciedlać przeszłość – wierzę, że tylko ludzie mogą naprawdę spojrzeć w przyszłość”.

Eksperci sugerują, że jedynym sposobem, w jaki AI mogłaby to naśladować, jest uzyskanie świadomości – gorąco dyskutowana możliwość – i nawet to nie jest pewne. McCune dodaje: „Wierzę, że generatywna AI będzie w stanie kształtować smak i styl, ale będzie to smak i styl teraźniejszości lub przeszłości. Nie spojrzy w przyszłość i nie stworzy nowych rzeczy, które będą na czasie”.

Lee, która jest mniej optymistyczna co do AI, zgadza się, że jej niezdolność do patrzenia w przyszłość jest głównym ograniczeniem. Dla niej oznacza to, że AI – bez świadomości – nigdy nie wykształci prawdziwego smaku ani stylu. „Musisz wyjść na zewnątrz, zobaczyć, co ludzie noszą, usłyszeć, o czym rozmawiają, oglądać filmy, słuchać muzyki, zwracać uwagę na bieżące wydarzenia i politykę” – mówi Lee. „To właśnie kształtuje modę i styl. To nie tylko ubrania – to wszystko, co dotyczy ciebie jako osoby. Jeśli polegasz na AI, która mówi ci, kim jesteś, nigdy nie będziesz miał stylu”.

Nawet jeśli AI pewnego dnia uzyskałaby świadomość i uwolniła się od ludzkiego wkładu, nadal brakowałoby jej jednej rzeczy: ludzkiego ciała. Bez ciała, z którego można działać i które można ubierać, kształtowanie smaku i stylu wydaje się prawie daremne. „Jedna rzecz, której AI nie ma, to ciało” – zauważa Thompson Ford. „Trudno sobie wyobrazić, aby AI rozwinęła intuicje, które pochodzą z poruszania się po świecie we własnym ciele i interakcji z innymi – z wyjątkiem, ponownie, naśladowania”.

Lee zgadza się. „Jestem pewna, że się poprawi, ale AI nigdy nie będzie człowiekiem. Więc myślę, że to niemożliwe, aby naprawdę zrozumieć wydarzenia światowe i sposób, w jaki przekładają się one na modę” – mówi. „Robię to od dziesięciu lat i czasami nawet ja się mylę lub jestem w tyle w pewnych kwestiach. Nie ma mowy, żeby robot kiedykolwiek był w tym lepszy ode mnie”.

**Często zadawane pytania**
Czy AI może naprawdę zrozumieć smak

Pytania poziomu podstawowego

1. Co rozumiemy przez smak w tym kontekście?
Mamy na myśli złożone ludzkie doświadczenie smaku, które łączy zapach, smak, teksturę, temperaturę, a nawet osobiste wspomnienia i emocje. To coś więcej niż tylko analiza chemiczna.

2. Czy AI może smakować jedzenie jak człowiek?
Nie, nie w ludzki, doświadczalny sposób. AI nie ma świadomości ani subiektywnych uczuć. Nie może cieszyć się posiłkiem ani mieć osobistych preferencji. Zamiast tego analizuje dane o smaku.

3. Co więc AI może robić w związku ze smakiem?
AI może przetwarzać ogromne ilości danych – takich jak związki chemiczne w żywności, przepisy, recenzje konsumentów i wyniki paneli sensorycznych – aby przewidywać profile smakowe, tworzyć nowe kombinacje przepisów, optymalizować produkty spożywcze i rekomendować potrawy, które mogą ci się spodobać.

4. Jak AI uczy się o smaku?
Jest szkolona na zbiorach danych. Na przykład może być pokazywana tysiącom przepisów oznaczonych deskryptorami smakowymi lub danym łączącym struktury chemiczne z postrzeganymi smakami. Znajduje wzorce w tych danych, aby dokonywać przewidywań.

5. Czy są jakieś rzeczywiste przykłady tego?
Tak. Firmy używają AI do opracowywania nowych smaków przekąsek, receptur piwa rzemieślniczego lub tworzenia spersonalizowanych planów żywieniowych. Aplikacje, jak firmy z mięsem roślinnym, używają AI do analizy struktur molekularnych, aby naśladować smak i teksturę mięsa.

Pytania zaawansowane/praktyczne

6. Jakie jest główne ograniczenie uniemożliwiające AI prawdziwe zrozumienie smaku?
Twardy problem świadomości i qualia. Smak jest subiektywnym, pierwszoosobowym doświadczeniem. AI może korelować dane, ale nie może doświadczyć wrażenia słodyczy lub nostalgii wywoływanej przez smak. Brakuje jej ucieleśnionej, subiektywnej świadomości.

7. Czy AI może uwzględniać kulturowe i osobiste różnice w smaku?
Może próbować, ale to wyzwanie. Szkoląc się na zróżnicowanych, kulturowo specyficznych zbiorach danych, AI może uczyć się wspólnych preferencji w grupach. Jednak uchwycenie głębokiego osobistego, emocjonalnego i kulturowego kontekstu stojącego za ulubionym jedzeniem jednostki jest niezwykle trudne.

8. Jakie są korzyści z używania AI w nauce o żywności i rozwoju produktów?