Den här artikeln är en del av serien Framtidens AI, som utforskar hur artificiell intelligens kommer att forma mode- och skönhetsindustrin.
I början av detta år började teknikledare berömma smakens betydelse. I februari förutspådde Y Combinator-medgrundaren Paul Graham att "I AI-eran kommer smak att bli ännu viktigare. När alla kan skapa vad som helst är den stora differentieringen vad du väljer att skapa." Samma månad kallade OpenAIs president Greg Brockman smak för "en ny kärnfärdighet."
För mode och många andra kreativa områden är idén att smak inte alltid varit avgörande absurd. Men begreppet smak har förstärkts och omformats i den generativa AI:ns era, där denna mycket omdebatterade form av estetiskt omdöme snabbt blivit ett modeord. "Varje företag vill just nu prata om smak. Varje tankeledare inom tech vill skriva ett Substack-inlägg om smak," säger Andy McCune, grundare av den visuella inspirationsplattformen Cosmos.
Denna trend visar att AI-chefer inte är avskilda från den mänskliga egenskapen god smak. Men om smak och personlig stil är i grunden mänskliga – odlade genom erfarenheter med böcker, filmer och människor – kan AI någonsin verkligen förstå en användares personliga stil eller utveckla en egen känsla för smak? Detta är en avgörande fråga för modebranschen, där sådana instinkter påverkar allt från kläddesign till outfit-rekommendationer, många av vilka redan drivs av AI.
Några inom tech är övertygade om att det är möjligt. "Jag hatar att behöva säga det här, men du har förmodligen inte bättre smak än AI:n," skrev en produktchef på X. En AI-vd skämtade på liknande sätt: "Det är stor chans att AI kommer att ha bättre idéer än oss inom några år."
De utanför tech-bubblan är mer skeptiska. "Smak och personlig stil är något man utvecklar med tiden och med verkliga livserfarenheter," säger trendspanaren Mandy Lee. "Att inte ha några beröringspunkter med den verkliga världen är motsatsen till att bygga personlig smak. Så vad de än pratar om är inte samma sak som smak och stil."
Shopparna är heller inte övertygade. För närvarande använder endast 3 % av shopparna som Vogue Business har undersökt AI-chattar för modeinspiration, jämfört med 57 % som vänder sig till tidskrifter (tryckta och digitala), följt av gatu- och street style (47 %), modebloggar eller Pinterest (36 %) och influencers (35 %).
Personlig stil har länge varit ett sätt att signalera ambitioner och skapa en individuell identitet inom samhället, säger Richard Thompson Ford, professor vid Stanford Law School och författare till Dress Codes: How the Laws of Fashion Made History. Människor gör detta genom att låna och kombinera referenser från olika aspekter av livet – från olika samhällen till historiska perioder – och använder välbekanta bilder från konst, film, kändisar eller influencers som inspiration. God smak handlar inte om att kopiera, förklarar Thompson Ford, utan snarare om att "citera små delar av en välbekant ensemble och sätta ihop dem med andra saker för att uttrycka något som, åtminstone för dem, är unikt och individuellt."
När allt fler vänder sig till AI för upptäckter kan det omforma hur de utvecklar sin personliga stil. Fashion-tech-startups är optimistiska om AI:s förmåga att effektivisera och förenkla processen. AI-shoppingsplattformen Daydream syftar till att göra just det. Dess användare är inte nödvändigtvis högmodedevoter, säger medgrundaren Lisa Yamner. "De som hittar oss är ganska behovsbaserade; det är mer modeentusiaster än 'visa mig Loewes senaste runway'-grejer."
Med nästan hälften av de tillfrågade som anger det överväldigande antalet val som sin största utmaning när det gäller shopping, kan AI:s roll i kuratering och förenkling bli ännu viktigare. Eftersom 45 % av användarna fokuserar på att styla sig själva genom att sätta ihop outfits från sin befintliga garderob och hitta stilar inom sin budget, är det inte förvånande att över en tredjedel (36 %) skulle överväga att använda ett AI-verktyg för att upptäcka nästa säsongs trender. Men kan AI verkligen förstå smak och stil tillräckligt väl för att matcha mänskliga kuratoriska förmågor?
Branschveteraner är skeptiska. Lee, som har ett decennium av erfarenhet inom trendprognoser och analys, tror att hennes arbete skulle lida om hon förlitade sig på AI, eftersom den saknar insikt i de kulturella händelser och influenser som formar modeföredömen. "Med nuvarande teknologi kan AI inte fullt ut förstå hur händelser, socioekonomiska faktorer, ekonomi och världspolitik påverkar trender och mode," förklarar hon. "När du ser bortom estetik är det här det som verkligen driver trender. Det handlar inte bara om mode – det är allt som omger det."
Så, kan AI någonsin verkligen förstå dessa verkliga dynamiker?
Begränsningar i indata
AI:s största utmaning i att leverera smakfulla resultat ligger i dess indata. AI är beroende av datamängder, och generiska AI-motorer skrapar stora mängder data från hela internet, vilket kan vara brusigt och ofiltrerat. Även AI-verktyg byggda specifikt för mode står inför svårigheter eftersom mode-relaterade datamängder ofta är otillräckliga, enligt Yilu Zhou, biträdande professor vid Fordham Business School som har arbetat i skärningspunkten mellan mode och AI sedan 2013.
Zhous tidiga forskning visade att modetaxonomi är dåligt standardiserad. "Varje designer talar ett annat språk. De kan ha två väldigt liknande designer men beskriva dem i helt olika termer – ibland medvetet," säger hon. Det varumärkesspråk som är inbäddat i produktbeskrivningar – som Haider Ackermanns "glaseffekt"-beskrivning för en genomskinlig plastblazer – utgör ett stort hinder för AI att korrekt förutsäga och tolka modetrender. Zhou betonar att standardisering av data är det första steget mot att skapa användbar AI. "Annars kommer AI att baseras på partisk data, vilket leder till partiska och nonsensartade resultat."
Experter noterar också att datan som AI förlitar sig på kan vara vilseledande, särskilt inom mode. "Något kan bli viralt på sociala medier och generera många delningar, men det betyder inte nödvändigtvis att folk kommer att köpa det," säger Francesca Muston, chef för trendprognoser på WGSN. Exempel inkluderar 2023 års synliga trosor-trend på catwalken eller den förutsedda bh-trenden för 2025 – båda förväntades generera fler klick än faktiska försäljningar. Dessutom tar AI ofta inte hänsyn till säsongsvariationer om den inte specifikt är programmerad för det. "Om en dataanalytiker inte förstår mode kan de felaktigt tolka en trend som försvunnen när den faktiskt är på väg att återvända nästa år," förklarar Zhou.
Det är här mänskligt omdöme blir avgörande – för att tolka de berättelser som AI ofta missar. "Människor kan bättre kontextualisera olika informationsbitar, koppla ihop punkterna och känna igen möjligheter för framtida trender," säger Muston. Zhou håller med och tillägger att mänsklig expertis behövs för att identifiera när AI är ute och cyklar eller "hallucinerar" för att fylla luckor i ofullständiga datamängder.
Specialbyggda AI-modeller, som Daydreams, syftar till att erbjuda en bättre grund genom att anpassa sig till användarnas personliga stilar. Daydreams Yamner minns användarnas reaktioner när plattformen introducerades: "De säger: 'Jag provade samma sökning på ChatGPT och fick fruktansvärda resultat.'" AI som är tränad specifikt på modedata bör i teorin ge mer relevanta och exakta insikter. Daydream använder sitt eget varumärkeskartläggningssystem för att förstå hur varumärken hänger ihop när det gäller stil, estetik och positionering. Kombinerat med individuella användarsignaler gör detta att plattformen kan rekommendera varumärken som känns både relevanta och oväntade – utan att reklam eller betald placering påverkar resultaten.
Programmering av smak
Även om AI tränas med rätt data tvivlar några på att den kan matcha mänsklig smak. "Med rätt träningsdata kanske AI kan approximera vad individer gör i vissa situationer, men jag tror att den alltid kommer att ligga efter," säger en expert. "Som person kommer dina influenser från gatan, slumpmöten och en mängd olika källor – några digitaliserade och tillgängliga för AI, och några inte. Jag tvivlar på att alla influenser som formar smak, särskilt för någon med en stark estetisk känsla, är omedelbart tillgängliga för AI."
AI tenderar också att fokusera på breda trender som dominerar sociala medier eller shoppingrubriker. Men mer intressanta är de stilar som uppstår lokalt, vilka är svårare för AI att upptäcka, noterar Zhou.
Att programmera AI för att matcha en användares specifika stil kan också bli för snävt och föreskrivande, vilket begränsar upptäckter bortom ens vanliga preferenser. "Om du inte har tusen dollar att spendera på en väska kommer vi inte att visa dig tusen-dollarsväskan," säger Yamner. Ändå har många modeentusiaster inspirerats av ikoniska designer som Nicolas Ghesquières Balenciaga City-väska från tidigt 2000-tal eller Phoebe Philos Celine, även om de inte kunde köpa dem då. Den inspirationen spelar fortfarande roll. Medan Daydream filtrerar efter pris för köpintention, kan den använda Philos estetik som en signal för att visa plagg med liknande känsla till mer överkomliga priser – en form av demokratisering som är viktig för plattformen.
På liknande sätt är det begränsande att enbart fokusera på modevarumärken och trender, eftersom personlig stil ofta formas av andra kulturella områden. Till exempel förbättrades WGSN:s trendprognoser när de började spora industrier som mat och sport. "Människor bär inte bara kläder. De äter också mat, bor i ett hus, använder kosmetika och engagerar sig inom andra områden som konsumentteknik eller sport," säger Muston. Att enbart fokusera på produkten innebär att man missar mycket av det som driver en trend.
Några grundare tror att AI kan utvecklas för att identifiera "god smak" som definieras av mänsklig input. McCune från Cosmos tror att AI kan lära sig smak med rätt programmering. Hans mål för Cosmos är att vara en "anti-slop-plattform." "AI kan stödja kreatörer inom områden som sökning och rekommendationer," säger han. Cosmos maskininlärningsteam byggde en "estetisk förutsägelsemodell" som avgör vad användarna ser. Den tränades på bilder sparade av de första 10 000 betaanvändarna – inklusive designers, kreativa direktörer och arkitekter – tillsammans med "riktigt dåliga" datamängder som användes som negativa prover. Nu poängsätts varje uppladdad bild mot den estetiska standard som sätts av dessa prover.
"Vi sätter en bottennivå, och allt under den nedprioriteras i sökningar och rekommendationer," förklarar McCune. Han betonar att det inte handlar om att påtvinga en enda smak utan om att höja kvaliteten. Visuell kultur blir mer enhetlig, men Cosmos lyfter inte bara toppkvalitetsinnehåll. "Vi använder det mer som ett baslinjefilter för att ta bort skräp och lågkvalitativt material," förklarar han. Maskininlärning har spelat en avgörande roll i Cosmos kuratering, vilket erbjuder ett småskaligt svar på Zhous kritik av modets 'dåliga data' – även om Cosmos inte är begränsat till mode.
Kvittodelningsappen Selleb är också optimistisk om att kombinera AI-teknik med mänsklig översyn. Medgrundarna Chloe och Claire Lee ser AI som ett grundläggande verktyg som i slutändan kommer att granskas av människor. Användare delar kvitton inte bara för mode, som grundarna initialt förväntade sig, utan också för kaféer, transport, flyg, matvaror och mer. "Vår bredare vision är att kartlägga alla dessa olika produkter online och spåra allas smak över olika faktorer som kommer närmare att fånga den svårfångade aspekten av smak – något jag fortfarande tror är svårt att definiera," säger Claire.
Selleb betonar vikten av data över kategorier för att bättre förstå en persons smak, preferenser och stil. Nya användare kopplar sin e-post och skickar in tusentals kvitton. "Dessa kvitton – när de gjordes, vilka kategorier de faller under, hur mycket jag spenderade – avslöjar mycket om mig som shoppare och min unika identitet," noterar Chloe. Användare följer vad systrarna kallar sina "smak-dubbelgångare": personer med liknande preferenser över kategorier, baserat på den "smakgraf" som appen bygger. Genom att analysera användarnas kvitton heltäckande kan backend-AI identifiera mönster som inte är synliga från offentligt tillgängliga onlinedata, vilket leder till personliga mode- och andra rekommendationer.
Tillbaka- och framåtblick
AI förutsäger och identifierar trender baserat på tidigare data, vilket innebär att den inte kan se bortom dessa indata, oavsett hur avancerad tekniken blir. "AI är inte bra på nyskapande – och trender beror ofta på nyskapande," säger WGSN:s Muston.
I verkligheten utvecklas människors stil och smak med föränderliga sammanhang och kulturella skiften som AI inte kan förutse. "Trender är mycket komplexa och rör sig på många olika sätt," förklarar Muston. "Hur ofta har folk sagt: 'Jag skulle aldrig bära XYZ,' och starkt motsatt sig en trend på grund av tidigare associationer? Ändå, när den trenden återuppstår i en ny kontext, blir den plötsligt tilltalande." Om tidigare data tyder på att en look troligen kommer att misslyckas kommer AI att ta det till synes. Människor kan dock ifrågasätta sammanhanget och förstå varför en comeback kan vara möjlig.
Intresset för vissa varumärken eller estetik utlöses ofta av slumpmässiga eller statistiskt osannolika händelser som AI inte kan ta hänsyn till, säger Madé Lapuerta från @DataButMakeItFashion. Hon nämner ett ökande intresse för Van Cleef & Arpels förra november när Dodgers-spelaren Miguel Rojas – som inte ens skulle slå – slog en matchavgörande homerun och vann World Series. "Eftersom AI-drivna förutsägelsemodeller helt förlitar sig på tidigare mönster kan de inte förutse framtiden eller förstå vad som kommer att få genklang."
Detta är Lees huvudbekymmer med att använda AI för att förutsäga trender eller förutse förändringar i smak. "Sättet som AI 'förutsäger' trender är egentligen ingen förutsägelse – det reflekterar bara vad som händer nu," säger hon.
Den mänskliga fördelen
Denna mänskliga fördel är avgörande. AI:s förlitan på historisk... Datan visar att AI kan identifiera innehåll baserat på 'vad', men inte 'varför'. Som Muston uttrycker det: "AI kan kodifiera smak, men bara på ett syntetiskt sätt."
Thompson Ford håller med om att det är för imitativt. "Det är en sak att säga: 'Jag vill se ut som Ralph Laurens kollektion från förra året' – AI kanske klarar det. Men om jag vill se ut som någons kollektion i år som inte ens har skapats än, tvivlar jag på att AI kan göra vad en designer gör, eller vad en stilfull person gör."
Även teknoptimister som McCune ifrågasätter detta. "Av naturen måste modeller tränas på något från det förflutna," förklarar han. "Människor kan se framåt och skapa nya trender och estetik. Modeller kommer alltid att reflektera det förflutna – jag tror att bara människor verkligen kan se in i framtiden."
Experter föreslår att det enda sättet AI skulle kunna imitera detta är om den fick medvetande – en hett debatterad möjlighet – och även det är inte säkert. McCune tillägger: "Jag tror att generativ AI kommer att kunna odla smak och stil, men det kommer att vara nuets eller det förflutnas smak och stil. Den kommer inte att se in i framtiden och skapa nya saker som känns trendiga."
Lee, som är mindre optimistisk om AI, håller med om att dess oförmåga att se framåt är en stor begränsning. För henne innebär detta att AI – utan medvetande – aldrig kommer att odla riktig smak eller stil. "Du måste gå ut, se vad folk har på sig, höra vad de pratar om, titta på filmer, lyssna på musik, vara uppmärksam på aktuella händelser och politik," säger Lee. "Det är det som formar mode och stil. Det är inte bara kläderna – det är allt om dig som person. Om du förlitar dig på AI för att berätta vem du är kommer du aldrig att ha stil."
Även om AI en dag fick medvetande och frigjorde sig från mänsklig input skulle den fortfarande sakna en sak: en mänsklig kropp. Utan en kropp att operera från och att klä, verkar det nästan meningslöst att odla smak och stil. "Det enda AI inte har är en kropp," noterar Thompson Ford. "Det är svårt att föreställa sig att AI utvecklar de intuitioner som kommer från att röra sig genom världen i sin egen kropp och interagera med andra – förutom, återigen, genom imitation."
Lee håller med. "Jag är säker på att det kommer att förbättras, men AI kommer aldrig att vara mänskligt. Så det är omöjligt, tror jag, att verkligen förstå världshändelser och hur de översätts till mode," säger hon. "Jag har gjort detta i tio år, och ibland har jag till och med fel eller är efter på vissa saker. Det finns inget sätt att en robot någonsin kommer att vara bättre på det än jag."
Vanliga frågor
Vanliga frågor: Kan AI verkligen förstå smak?
Frågor på nybörjarnivå
1 Vad menar vi med smak i detta sammanhang?
Vi menar den komplexa mänskliga upplevelsen av smak som kombinerar lukt, smak, textur, temperatur och till och med personligt minne och känslor. Det är mer än bara en kemisk analys.
2 Kan AI smaka mat som en människa?
Nej, inte på det mänskliga, upplevelsebaserade sättet. AI har inte medvetande eller subjektiva känslor. Den kan inte njuta av en måltid eller ha en personlig preferens. Istället analyserar den data om smak.
3 Så vad kan AI göra relaterat till smak?
AI kan bearbeta enorma mängder data – som kemiska föreningar i mat, recept, konsumentrecensioner och sensoriska panelresultat – för att förutsäga smakprofiler, skapa nya receptkombinationer, optimera livsmedelsprodukter och rekommendera rätter du kanske gillar.
4 Hur lär sig AI om smak?
Den tränas på datamängder. Till exempel kan den få se tusentals recept märkta med smakbeskrivningar eller data som länkar kemiska strukturer till upplevda smaker. Den hittar mönster i dessa data för att göra förutsägelser.
5 Finns det några verkliga exempel på detta?
Ja. Företag använder AI för att utveckla nya snacksmaker, skapa ölrecept eller skapa personliga näringsplaner. Appar och företag som växtbaserat kött använder AI för att analysera molekylära strukturer för att efterlikna köttets smak och textur.
Avancerade praktiska frågor
6 Vad är den största begränsningen som hindrar AI från att verkligen förstå smak?
Det svåra problemet med medvetande och qualia. Smak är en subjektiv, förstapersonsupplevelse. AI kan korrelera data men kan inte uppleva sensationen av sötma eller den nostalgi en smak framkallar. Den saknar kroppslig, subjektiv medvetenhet.
7 Kan AI ta hänsyn till kulturella och personliga skillnader i smak?
Den kan försöka, men det är en utmaning. Genom att tränas på olika, kulturspecifika datamängder kan AI lära sig vanliga preferenser inom grupper. Att fånga den djupa personliga, emotionella och kulturella kontexten bakom en individs favoritmat är dock extremt svårt.
8 Vilka är fördelarna med att använda AI inom livsmedelsvetenskap och utveckling?