Kan AI virkelig forstå smag?

Denne artikel er en del af serien Fremtiden for AI, der udforsker, hvordan kunstig intelligens vil forme mode- og skønhedsindustrien.

Tidligere i år begyndte tech-ledere at rose betydningen af god smag. I februar forudsagde Y Combinator-medstifter Paul Graham, at "I AI-alderen vil smag blive endnu vigtigere. Når alle kan skabe hvad som helst, er den store adskillelse, hvad du vælger at skabe." Samme måned kaldte OpenAIs præsident Greg Brockman smag for "en ny kerneskille."

For mode og mange andre kreative felter er idéen om, at smag ikke altid har været afgørende, absurd. Dog er begrebet smag blevet forstærket og omformet i æraen for generativ AI, hvor denne meget debatterede form for æstetisk dømmekraft hurtigt er blevet et modeord. "Hvert enkelt firma vil tale om smag lige nu. Hver eneste tankeleder i tech-branchen vil skrive et Substack-indlæg om smag," siger Andy McCune, grundlægger af den visuelle inspirationsplatform Cosmos.

Denne tendens viser, at AI-ledere ikke er adskilt fra den meget menneskelige egenskab ved god smag. Men hvis smag og personlig stil er iboende menneskelige – dyrket gennem oplevelser med bøger, film og mennesker – kan AI så nogensinde virkelig forstå en brugers personlige stil eller udvikle sin egen smagssans? Dette er et afgørende spørgsmål for modebranchen, hvor sådanne instinkter påvirker alt fra tøjdesign til outfit-anbefalinger, hvor mange allerede drives af AI.

Nogle i tech-branchen er overbeviste om, at det er muligt. "Jeg hader at sige det, men du har sandsynligvis ikke bedre smag end AI'en," skrev en produktchef på X. En AI-virksomhedsleder spøgte tilsvarende: "Der er en god chance for, at AI vil have bedre idéer end os om få år."

Uden for tech-boblen er man mere skeptisk. "Smag og personlig stil er noget, man udvikler over tid og med livserfaring," siger trendprognostiker Mandy Lee. "At have ingen berøringspunkter med den virkelige verden er det modsatte af at opbygge personlig smag. Så hvad de end taler om, er det ikke det samme som smag og stil."

Forbrugere er heller ikke overbeviste. I øjeblikket bruger kun 3% af de forbrugere, som Vogue Business har spurgt, AI-chatbots til modeinspiration, sammenlignet med 57%, der henvender sig til magasiner (trykte og digitale), efterfulgt af street style (47%), modeblogs eller Pinterest (36%) og influencere (35%).

Personlig stil har længe været en måde at signalere ambitioner og skabe en individuel identitet i samfundet, siger Richard Thompson Ford, professor ved Stanford Law School og forfatter til **Dress Codes: How the Laws of Fashion Made History**. Folk gør dette ved at låne og kombinere referencer fra forskellige aspekter af livet – fra forskellige samfund til historiske perioder – og bruge velkendte billeder fra kunst, film, kendte eller influencere som inspiration. God smag handler ikke om at kopiere, forklarer Thompson Ford, men snarere om at "citere små dele af et velkendt ensemble og sætte dem sammen med andre ting for at udtrykke noget, der i det mindste for dem er unikt og individuelt."

Eftersom folk i stigende grad henvender sig til AI til opdagelse, kan det omforme, hvordan de udvikler deres personlige stil. Fashion-tech-startups er optimistiske omkring AI's evne til at strømline og forenkle processen. AI-indkøbsplatformen Daydream sigter mod netop dette. Dens brugere er ikke nødvendigvis højmodedevote, siger medstifter Lisa Yamner. "De mennesker, der finder os, er ret behovsbaserede; det er mere modeentusiaster end 'vis mig Loewes seneste runway'-agtigt."

Med næsten halvdelen af undersøgelsesdeltagerne, der citerer det overvældende antal valgmuligheder som deres største udfordring i forbindelse med indkøb, kan AI's rolle i kuratering og forenkling blive endnu mere betydningsfuld. Da 45% af brugerne fokuserer på at style sig selv ved at samle outfits fra deres eksisterende garderobe og finde stilarter inden for deres budget, er det ikke overraskende, at over en tredjedel (36%) ville overveje at bruge et AI-værktøj til at opdage næste sæsons trends. Men kan AI virkelig forstå smag og stil godt nok til at matche menneskelige kuratoriske evner?

Erfarne branchefolk er skeptiske. Lee, der har et årtis erfaring inden for trendprognoser og -analyse, mener, at hendes arbejde ville lide, hvis hun stolede på AI, da den mangler indsigt i de kulturelle begivenheder og påvirkninger, der former mode præferencer. "Med nuværende teknologi kan AI ikke fuldt ud forstå, hvordan begivenheder, socioøkonomiske faktorer, økonomi og verdenspolitik påvirker trends og mode," forklarer hun. "Når du ser ud over æstetikken, er det disse ting, der virkelig driver trends. Det handler ikke kun om mode – det handler om alt, der omgiver det."

Så kan AI nogensinde virkelig forstå disse virkelighedsdynamikker?

**Inputbegrænsninger**

AI's største udfordring i at levere smagfulde output ligger i dens input. AI er afhængig af datasæt, og generiske AI-motorer skraber enorme mængder data fra hele internettet, som kan være støjende og ufiltrerede. Selv AI-værktøjer bygget specifikt til mode står over for vanskeligheder, fordi mode-relaterede datasæt ofte er utilstrækkelige, ifølge Yilu Zhou, lektor ved Fordham Business School, som har arbejdet i krydsfeltet mellem mode og AI siden 2013.

Zhous tidlige forskning afslørede, at mode-taxonomi er dårligt standardiseret. "Hver designer taler et andet sprog. De kan have to meget lignende designs, men beskrive dem i helt forskellige termer – nogle gange med vilje," siger hun. Brandsproget indlejret i produktbeskrivelser – som Haider Ackermanns "glas-effekt"-betegnelse for en gennemsigtig plastikblazer – udgør en betydelig hindring for AI i nøjagtigt at forudsige og fortolke modetrends. Zhou understreger, at standardisering af data er det første skridt mod at skabe nyttig AI. "Ellers vil AI være baseret på skæve data, hvilket fører til skæve og meningsløse output."

Eksperter bemærker også, at de data, AI er afhængig af, kan være vildledende, især inden for mode. "Noget kan blive viralt på sociale medier og generere mange delinger, men det betyder ikke nødvendigvis, at folk vil købe det," siger Francesca Muston, chef for prognoser hos WGSN. Eksempler inkluderer 2023's synlige trussetrend på catwalken eller den forudsagte bh-trend for 2025 – begge forventedes at generere flere klik end faktiske salg. Derudover tager AI ofte ikke højde for sæsonmæssighed, medmindre den specifikt er programmeret til det. "Hvis en dataanalytiker ikke forstår mode, kan de fejltolke en trend som været forsvundet, når den faktisk er klar til at vende tilbage næste år," forklarer Zhou.

Det er her, menneskelig dømmekraft bliver afgørende – for at fortolke de historier, AI ofte overser. "Mennesker kan bedre kontekstualisere forskelligartede informationer, forbinde prikkerne og genkende muligheder for fremtidige trends," siger Muston. Zhou er enig og tilføjer, at menneskelig ekspertise er nødvendig for at identificere, hvornår AI er på afveje eller "hallucinerer" for at fylde huller i ufuldstændige datasæt.

Specialbyggede AI-modeller, som Daydreams, sigter mod at tilbyde et bedre fundament ved at tilpasse sig brugeres personlige stilarter. Daydreams Yamner husker brugeres reaktioner, da platformen blev introduceret: "De siger: 'Jeg prøvede den samme søgning på ChatGPT og fik forfærdelige resultater.'" AI, der er trænet specifikt på modedata, bør i teorien give mere relevante og præcise indsigter. Daydream bruger sit eget brandkortlægningssystem til at forstå, hvordan brands forbindes i forhold til stil, æstetik og positionering. Kombineret med individuelle bruger-signaler giver dette platformen mulighed for at anbefale brands, der føles både relevante og uventede – uden at reklamer eller betalt placering påvirker resultaterne.

**Programmering af smag**

Selv hvis AI er trænet med de rigtige data, tvivler nogle på, at den kan matche menneskelig smag. "Med de rigtige træningsdata kan AI muligvis approksimere, hvad individer gør i visse situationer, men jeg tror, den altid vil ligge bagefter," siger en ekspert. "Som person kommer dine påvirkninger fra gaden, tilfældige møder og en bred vifte af kilder – nogle digitaliserede og tilgængelige for AI, og andre ikke. Jeg tvivler på, at alle de påvirkninger, der former smag, især for nogen med en stærk æstetisk sans, er umiddelbart tilgængelige for AI."

AI har også en tendens til at fokusere på brede trends, der dominerer sociale medier eller indkøbsoverskrifter. Men mere interessante er de stilarter, der opstår lokalt, som er sværere for AI at opdage, bemærker Zhou.

At programmere AI til at matche en brugers specifikke stil kan også blive for snævert og foreskrivende, hvilket begrænser opdagelse ud over ens sædvanlige præferencer. "Hvis du ikke har tusind dollars at bruge på en taske, vil vi ikke vise dig den tusind-dollars taske," siger Yamner. Alligevel er mange modeentusiaster blevet inspireret af ikoniske designs som Nicolas Ghesquières Balenciaga City-taske fra starten af 2000'erne eller Phoebe Philos Celine, selvom de ikke havde råd til dem på det tidspunkt. Den inspiration betyder stadig noget. Mens Daydream filtrerer efter pris for købsintention, kan den bruge Philos æstetik som et signal til at fremhæve stykker med en lignende stemning til mere overkommelige priser – en form for demokratisering, der er vigtig for platformen.

Tilsvarende er det begrænsende kun at fokusere på modemærker og trends, da personlig stil ofte formes af andre kulturelle områder. For eksempel forbedrede WGSN's trendforudsigelser sig, da de begyndte at spore industrier som mad og sport. "Folk går ikke kun i tøj. De spiser også mad, bor i et hus, bruger kosmetik og engagerer sig med andre områder som forbrugerteknologi eller sport," siger Muston. At fokusere udelukkende på produktet betyder, at man går glip af meget af det, der driver en trend.

Nogle grundlæggere tror, at AI kan udvikles til at identificere "god smag" som defineret af menneskelig input. McCune fra Cosmos mener, at AI kan lære smag med den rigtige programmering. Hans mål for Cosmos er at være en "anti-slop platform." "AI kan støtte kreative på områder som søgning og anbefaling," siger han. Cosmos' maskinlæringshold byggede en "æstetisk forudsigelsesmodel," der bestemmer, hvad brugerne ser. Den blev trænet på billeder gemt af de første 10.000 beta-brugere – inklusive designere, kreative direktører og arkitekter – sammen med "rigtig dårlige" datasæt brugt som negative prøver. Nu bliver hvert uploadet billede scoret op mod den æstetiske standard sat af disse prøver.

"Vi sætter en bundgrænse, og alt under den prioriteres lavere i søgninger og anbefalinger," forklarer McCune. Han understreger, at det ikke handler om at påtvinge en enkelt smag, men om at hæve kvaliteten. Visuel kultur bliver mere ensartet, men Cosmos fremhæver ikke kun top-tier indhold. "Vi bruger det mere som et baseline-filter til at fjerne skraldet og det lavkvalitetsmateriale," forklarer han. Maskinlæring har spillet en afgørende rolle i Cosmos' kuratering, hvilket udgør et lille-skalasvar på Zhous kritik af modens 'dårlige data' – selvom Cosmos ikke er begrænset til mode.

Kvitteringsdeling-appen Selleb er også optimistisk om at kombinere AI-teknologi med menneskelig tilsyn. Medstifterne Chloe og Claire Lee ser AI som et grundlæggende værktøj, der i sidste ende vil blive gennemgået af mennesker. Brugere deler kvitteringer ikke kun for mode, som grundlæggerne oprindeligt forventede, men også for caféer, transport, fly, dagligvarer og mere. "Vores bredere vision er at kortlægge alle disse forskellige produkter online og spore alles smag på tværs af forskellige faktorer, der kommer tættere på at fange det flygtige aspekt ved smag – noget, jeg stadig mener er svært at definere," siger Claire.

Selleb understreger vigtigheden af tværgående kategoridata for bedre at forstå en persons smag, præferencer og stil. Nye brugere forbinder deres e-mail og indsender tusindvis af kvitteringer. "Disse kvitteringer – hvornår de blev lavet, hvilke kategorier de falder ind under, hvor meget jeg brugte – afslører meget om mig som shopper og min unikke identitet," bemærker Chloe. Brugere følger det, søstrene kalder deres "smags-dobbeltgængere": mennesker med lignende præferencer på tværs af kategorier, baseret på den "smagsgraf," appen er ved at bygge. Ved at analysere brugeres kvitteringer heltækkende kan backend-AI'en identificere mønstre, der ikke er synlige fra offentligt tilgængelige onlinedata, hvilket fører til personliggjorte mode- og andre anbefalinger.

**At se tilbage**

AI forudsiger og identificerer trends baseret på tidligere data, hvilket betyder, at den ikke kan se ud over disse input, uanset hvor avanceret teknologien bliver. "AI er ikke god til nyskabelse – og trends afhænger ofte af nyskabelse," siger WGSN's Muston.

I virkeligheden udvikler folks stil og smag sig med skiftende kontekster og kulturelle ændringer, som AI ikke kan forudse. "Trends er meget komplekse og bevæger sig på mange forskellige måder," forklarer Muston. "Hvor ofte har folk ikke sagt: 'Jeg ville aldrig gå i XYZ,' og stærkt modsat en trend på grund af tidligere associationer? Alligevel, når den trend dukker op igen i en ny kontekst, bliver den pludselig tillokkende." Hvis tidligere data tyder på, at et look sandsynligvis vil fejle, vil AI tage det for pålydende værdi. Mennesker kan derimod stille spørgsmålstegn ved konteksten og genkende, hvorfor et comeback kunne være muligt.

Interesse for visse mærker eller æstetikker udløses ofte af tilfældige eller statistisk usandsynlige begivenheder, som AI ikke kan tage højde for, siger Madé Lapuerta fra @DataButMakeItFashion. Hun nævner en stigning i interesse for Van Cleef & Arpels sidste november, da Dodgers-spilleren Miguel Rojas – som ikke engang skulle slå – slog et banebrydende home run og vandt World Series. "Fordi AI-drevne forudsigelsesmodeller helt afhænger af tidligere mønstre, kan de ikke forudse fremtiden eller forstå, hvad der vil give genklang."

Dette er Lees største bekymring ved at bruge AI til at forudsige trends eller forudse ændringer i smag. "Den måde, AI 'forudsiger' trends på, er ikke rigtig forudsigelse – det er bare en refleksion af, hvad der sker nu," siger hun.

**Den menneskelige fordel**

Denne menneskelige fordel er afgørende. AI's afhængighed af historiske... Data viser, at AI kan identificere indhold baseret på 'hvad,' men ikke 'hvorfor.' Som Muston siger det: "AI kan kodificere smag, men kun på en syntetisk måde."

Thompson Ford er enig i, at den er for imitativ. "Det er én ting at sige: 'Jeg vil ligne Ralph Laurens kollektion fra sidste år' – det kan AI måske klare. Men hvis jeg vil ligne nogens kollektion i år, der endnu ikke er blevet skabt, tvivler jeg på, at AI kan gøre, hvad en designer gør, eller hvad en stilfuld person gør."

Selv teknologoptimister som McCune stiller spørgsmålstegn ved dette. "Af natur skal modeller trænes på noget fra fortiden," forklarer han. "Mennesker kan se fremad og skabe nye trends og æstetikker. Modeller vil altid reflektere fortiden – jeg tror, kun mennesker kan virkelig se ind i fremtiden."

Eksperter foreslår, at den eneste måde, AI kunne efterligne dette på, er hvis den opnåede bevidsthed – en heftig debatteret mulighed – og selv det er ikke sikkert. McCune tilføjer: "Jeg tror, generativ AI vil være i stand til at dyrke smag og stil, men det vil være nutidens eller fortidens smag og stil. Den vil ikke se ind i fremtiden og skabe nye ting, der føles trendy."

Lee, der er mindre optimistisk omkring AI, er enig i, at dens manglende evne til at se fremad er en stor begrænsning. For hende betyder dette, at AI – uden bevidsthed – aldrig vil dyrke ægte smag eller stil. "Du er nødt til at gå udenfor, se, hvad folk har på, høre, hvad de taler om, se film, lytte til musik, være opmærksom på aktuelle begivenheder og politik," siger Lee. "Disse ting er det, der former mode og stil. Det er ikke bare tøjet – det er alt om dig som person. Hvis du stoler på AI til at fortælle dig, hvem du er, vil du aldrig have stil."

Selv hvis AI en dag opnåede bevidsthed og brød fri fra menneskelig input, ville den stadig mangle én ting: en menneskelig krop. Uden en krop at operere fra og at klæde på, virker det næsten frugtesløst at dyrke smag og stil. "Den ene ting, AI ikke har, er en krop," bemærker Thompson Ford. "Det er svært at forestille sig, at AI udvikler de intuitioner, der kommer fra at bevæge sig gennem verden i sin egen krop og interagere med andre – undtagen, igen, gennem imitation."

Lee er enig. "Jeg er sikker på, det vil forbedre sig, men AI vil aldrig være menneskelig. Så det er umuligt, tror jeg, virkelig at give mening af verdensbegivenheder og hvordan de oversættes til mode," siger hun. "Jeg har gjort dette i ti år, og nogle gange tager jeg selv fejl eller er bagud med visse ting. Der er ingen måde, en robot nogensinde vil være bedre til det end mig."

**Ofte stillede spørgsmål**
OS: Kan AI virkelig forstå smag?

Begynder-niveau spørgsmål

1. Hvad mener vi med smag i denne kontekst?
Vi mener den komplekse menneskelige oplevelse af smag, som kombinerer lugt, smag, tekstur, temperatur og endda personlig hukommelse og følelse. Det er mere end blot en kemisk analyse.

2. Kan AI smage mad som et menneske?
Nej, ikke på den menneskelige oplevelsesmæssige måde. AI har ikke bevidsthed eller subjektive følelser. Den kan ikke nyde et måltid eller have en personlig præference. I stedet analyserer den data om smag.

3. Så hvad kan AI gøre i forhold til smag?
AI kan behandle enorme mængder data – som kemiske forbindelser i mad, opskrifter, forbrugsanmeldelser og sensorpanelresultater – for at forudsige smagsprofiler, skabe nye opskriftkombinationer, optimere fødevareprodukter og anbefale retter, du måske kan lide.

4. Hvordan lærer AI om smag?
Den trænes på datasæt. For eksempel kan den blive vist tusindvis af opskrifter mærket med smagsbeskrivelser eller data, der forbinder kemiske strukturer med opfattede smage. Den finder mønstre i disse data for at lave forudsigelser.

5. Er der nogle virkelighedseksempler på dette?
Ja. Virksomheder bruger AI til at udvikle nye snacksmage, skabe ølops-krifter eller lave personlige ernæringsplaner. Apps og plantebaserede kødfirmaer bruger AI til at analysere molekylære strukturer for at efterligne smag og tekstur af kød.

Avancerede praktiske spørgsmål

6. Hvad er den største begrænsning, der forhindrer AI i virkelig at forstå smag?
Det svære problem med bevidsthed og qualia. Smag er en subjektiv første-persons oplevelse. AI kan korrelere data, men kan ikke opleve følelsen af sødme eller den nostalgi, en smag fremkalder. Den mangler kropslig, subjektiv bevidsthed.

7. Kan AI tage højde for kulturelle og personlige forskelle i smag?
Den kan forsøge, men det er en udfordring. Ved at træne på forskelligartede, kulturelt specifikke datasæt kan AI lære fælles præferencer inden for grupper. Men at fange den dybe personlige, følelsesmæssige og kulturelle kontekst bag en persons yndlingsmad er ekstremt svært.

8. Hvad er fordelene ved at bruge AI i fødevarevidenskab og -udvikling?