Kan AI virkelig forstå smak?

Denne artikkelen er en del av serien Fremtiden til AI, som utforsker hvordan kunstig intelligens vil forme mote- og skjønnhetsbransjene.

Tidligere i år begynte teknologiledere å rose viktigheten av smak. I februar forutsa Y Combinator-medgründer Paul Graham at «I AI-alderen vil smak bli enda viktigere. Når alle kan lage hva som helst, er den store forskjellen hva du velger å lage.» Samme måned kalte OpenAIs president Greg Brockman smak for «en ny kjerneferdighet».

For mote og mange andre kreative felt er ideen om at smak ikke alltid har vært avgjørende absurd. Imidlertid har konseptet smak blitt forsterket og omformet i generativ AI-æraen, der denne mye omtalte formen for estetisk dømmekraft raskt har blitt et moteord. «Hvert selskap akkurat nå vil snakke om smak. Hver tankeleder i tech vil skrive en Substack om smak,» sier Andy McCune, gründer av den visuelle inspirasjonsplattformen Cosmos.

Denne trenden viser at AI-ledere ikke er frakoblet den menneskelige egenskapen god smak. Men hvis smak og personlig stil er iboende menneskelige – dyrket gjennom erfaringer med bøker, filmer og mennesker – kan AI noensinne virkelig forstå en brukers personlige stil eller utvikle sin egen smakssans? Dette er et avgjørende spørsmål for mote, der slike instinkter påvirker alt fra klesdesign til antrekk-anbefalinger, hvor mange allerede drives av AI.

Noen i tech er overbevist om at det er mulig. «Jeg hater å måtte si dette til alle, men du har sannsynligvis ikke bedre smak enn AI-en,» skrev en produktansvarlig på X. En AI-sjef kvitret på samme måte: «Det er stor sjanse for at AI vil ha bedre ideer enn oss innen noen få år.»

De utenfor tech-boblen er mer skeptiske. «Smak og personlig stil er noe du utvikler over tid og med virkelige livserfaringer,» sier trendspåmann Mandy Lee. «Å ikke ha noen kontaktpunkter med den virkelige verden er det motsatte av å bygge personlig smak. Så det de snakker om er ikke det samme som smak og stil.»

Shoppere er heller ikke overbevist. For tiden bruker kun 3 % av shopperne som ble spurt av Vogue Business AI-chatter for moteinspirasjon, sammenlignet med 57 % som henvender seg til magasiner (trykt og digitalt), etterfulgt av gatestil (47 %), moteblogger eller Pinterest (36 %) og influensere (35 %).

Personlig stil har lenge vært en måte å signalisere ambisjoner og skape en individuell identitet i samfunnet, sier Richard Thompson Ford, professor ved Stanford Law School og forfatter av Dress Codes: How the Laws of Fashion Made History. Folk gjør dette ved å låne og kombinere referanser fra ulike aspekter av livet – fra forskjellige samfunn til historiske perioder – og bruker kjente bilder fra kunst, film, kjendiser eller influensere som inspirasjon. God smak handler ikke om å kopiere, forklarer Thompson Ford, men heller om å «sitere små deler av et kjent ensemble og sette dem sammen med andre ting for å uttrykke noe som, i det minste for dem, er unikt og individuelt.»

Ettersom folk i økende grad henvender seg til AI for oppdagelse, kan det endre hvordan de utvikler sin personlige stil. Mote-tech-startups er optimistiske når det gjelder AIs evne til å strømlinjeforme og forenkle prosessen. AI-shoppplattformen Daydream har som mål å gjøre nettopp det. Brukerne er ikke nødvendigvis høymote-entusiaster, sier medgründer Lisa Yamner. «De som finner oss er ganske behovsbaserte; det er mer motetilhenger enn 'vis meg Loewes siste moteshow'-type ting.»

Med nesten halvparten av de spurte som oppgir det overveldende antallet valg som sin største utfordring når det gjelder shopping, kan AIs rolle i kuratering og forenkling bli enda mer betydningsfull. Siden 45 % av brukerne fokuserer på å style seg selv ved å sette sammen antrekk fra eksisterende garderobe og finne stiler innenfor budsjettet, er det ikke overraskende at over en tredjedel (36 %) ville vurdert å bruke et AI-verktøy for å oppdage neste sesongs trender. Men kan AI virkelig forstå smak og stil godt nok til å matche menneskelige kuratorferdigheter?

Bransjeerfarne er skeptiske. Lee, som har et tiår med erfaring innen trendspådom og -analyse, mener arbeidet hennes ville lidd hvis hun stolte på AI, ettersom den mangler innsikt i kulturelle hendelser og påvirkninger som former motepreferanser. «Med dagens teknologi kan AI ikke fullt ut forstå hvordan hendelser, sosioøkonomiske faktorer, økonomi og verdenspolitikk påvirker trender og mote,» forklarer hun. «Når du ser utover estetikken, er det dette som virkelig driver trender. Det handler ikke bare om mote – det handler om alt rundt.»

Så kan AI noensinne virkelig forstå disse virkelige dynamikkene?

Begrensninger i inndata

AIs største utfordring i å levere smakfulle resultater ligger i inndataene. AI er avhengig av datasett, og generiske AI-motorer skraper enorme mengder data fra hele internett, som kan være støyende og ufiltrert. Selv AI-verktøy spesielt bygget for mote står overfor vanskeligheter fordi moterelaterte datasett ofte er mangelfulle, ifølge Yilu Zhou, førsteamanuensis ved Fordham Business School som har jobbet i skjæringspunktet mellom mote og AI siden 2013.

Zhous tidlige forskning avslørte at motetaksonomi er dårlig standardisert. «Hver designer snakker et annet språk. De kan ha to veldig like design, men beskrive dem med helt forskjellige termer – noen ganger med vilje,» sier hun. Merkespråket innebygd i produktbeskrivelser – som Haider Ackermanns «glass effect»-beskrivelse for en gjennomsiktig plastblazer – utgjør en betydelig hindring for AI i å nøyaktig forutsi og tolke motetrender. Zhou understreker at standardisering av data er det første steget mot å skape nyttig AI. «Ellers vil AI være basert på skjevvridde data, noe som fører til skjevvridde og meningsløse resultater.»

Eksperter påpeker også at dataene AI er avhengig av kan være villedende, spesielt i mote. «Noe kan bli viralt på sosiale medier og generere mange delinger, men det betyr ikke nødvendigvis at folk vil kjøpe det,» sier Francesca Muston, sjef for trendspådom hos WGSN. Eksempler inkluderer 2023s synlige trusetrend på catwalken eller den forutsagte bh-trenden for 2025 – begge forventet å generere flere klikk enn faktiske salg. I tillegg tar AI ofte ikke hensyn til sesongvariasjoner med mindre den er spesielt programmert for det. «Hvis en dataanalytiker ikke forstår mote, kan de feiltolke en trend som borte når den faktisk kommer tilbake neste år,» forklarer Zhou.

Det er her menneskelig skjønn blir avgjørende – for å tolke historiene AI ofte går glipp av. «Mennesker kan bedre sette ulike informasjonsbiter i kontekst, koble punktene og gjenkjenne muligheter for fremtidige trender,» sier Muston. Zhou er enig, og tilføyer at menneskelig ekspertise er nødvendig for å identifisere når AI er på villspor eller «hallusinerer» for å fylle hull i ufullstendige datasett.

Formålsbygde AI-modeller, som Daydreams, tar sikte på å tilby et bedre grunnlag ved å tilpasse seg brukernes personlige stiler. Daydreams Yamner husker brukernes reaksjoner da de introduserte plattformen: «De vil si: 'Jeg prøvde det samme søket på ChatGPT og fikk forferdelige resultater.'» AI spesielt trent på motedata bør i teorien gi mer relevante og nøyaktige innsikter. Daydream bruker sitt eget merke-kartleggingssystem for å forstå hvordan merker henger sammen når det gjelder stil, estetikk og posisjonering. Kombinert med individuelle brukersignaler gjør dette at plattformen kan anbefale merker som føles både relevante og uventede – uten at reklame eller betalt plassering påvirker resultatene.

Programmere smak

Selv om AI er trent med riktige data, tviler noen på at den kan matche menneskelig smak. «Med riktige treningsdata kan AI kanskje tilnærme det enkeltpersoner gjør i visse situasjoner, men jeg tror den alltid vil ligge etter,» sier en ekspert. «Som person kommer dine påvirkninger fra gata, tilfeldige møter og et bredt spekter av kilder – noe digitalisert og tilgjengelig for AI, og noe ikke. Jeg tviler på at alle påvirkningene som former smak, spesielt for noen med en sterk estetisk sans, er umiddelbart tilgjengelige for AI.»

AI har også en tendens til å fokusere på brede trender som dominerer sosiale medier eller shoppingoverskrifter. Men mer interessante er stilene som dukker opp lokalt, som er vanskeligere for AI å oppdage, bemerker Zhou.

Å programmere AI til å matche en brukers spesifikke stil kan også bli for snevert og foreskrivende, noe som begrenser oppdagelse utover ens vanlige preferanser. «Hvis du ikke har tusen dollar å bruke på en veske, vil vi ikke vise deg tusen-dollarvesken,» sier Yamner. Likevel har mange motetilhengere blitt inspirert av ikoniske design som Nicolas Ghesquières Balenciaga City-veske fra tidlig 2000-tallet eller Phoebe Philos Celine, selv om de ikke hadde råd til dem på den tiden. Den inspirasjonen betyr fortsatt noe. Mens Daydream filtrerer etter pris for kjøpsintensjon, kan den bruke Philos estetikk som et signal for å fremheve biter med lignende vibe til mer overkommelige priser – en form for demokratisering som er viktig for plattformen.

På samme måte er det begrensende å fokusere kun på motemerker og trender, siden personlig stil ofte formes av andre kulturelle områder. For eksempel forbedret WGSNs trendspådommer seg da de begynte å spore bransjer som mat og sport. «Folk bruker ikke bare klær. De spiser også mat, bor i et hus, bruker kosmetikk og engasjerer seg i andre områder som forbrukerteknologi eller sport,» sier Muston. Å fokusere utelukkende på produktet betyr å gå glipp av mye av det som driver en trend.

Noen gründere tror AI kan utvikles til å identifisere «god smak» som definert av menneskelig input. McCune fra Cosmos mener AI kan lære smak med riktig programmering. Hans mål for Cosmos er å være en «anti-søppel-plattform». «AI kan støtte kreative på områder som søk og anbefaling,» sier han. Cosmos’ maskinlæringsteam bygde en «estetisk prediksjonsmodell» som bestemmer hva brukerne ser. Den ble trent på bilder lagret av de første 10 000 betabrukerne – inkludert designere, kreative direktører og arkitekter – sammen med «veldig dårlige» datasett brukt som negative prøver. Nå blir hvert opplastede bilde vurdert mot den estetiske standarden satt av disse prøvene.

«Vi setter en nedre terskel, og alt under den prioriteres ned i søk og anbefalinger,» forklarer McCune. Han understreker at det ikke handler om å påtvinge en enkelt smak, men om å heve kvaliteten. Visuell kultur blir mer ensartet, men Cosmos fremhever ikke bare toppinnhold. «Vi bruker det mer som et grunnleggende filter for å fjerne søppel og lavkvalitetsmateriale,» forklarer han. Maskinlæring har spilt en avgjørende rolle i Cosmos’ kuratering, og tilbyr et småskalert svar på Zhous kritikk av motens «dårlige data» – selv om Cosmos ikke er begrenset til mote.

Kvitteringsdeling-appen Selleb er også optimistisk når det gjelder å kombinere AI-teknologi med menneskelig tilsyn. Medgründere Chloe og Claire Lee ser på AI som et grunnleggende verktøy som til slutt vil bli gjennomgått av mennesker. Brukere deler kvitteringer ikke bare for mote, som gründerne opprinnelig forventet, men også for kafeer, transport, flyreiser, dagligvarer og mer. «Vår bredere visjon er å kartlegge alle disse forskjellige produktene online og spore alles smak på tvers av ulike faktorer som kommer nærmere å fange det flyktige aspektet ved smak – noe jeg fortsatt tror er vanskelig å definere,» sier Claire.

Selleb vektlegger viktigheten av tverrkategoridata for bedre å forstå en persons smak, preferanser og stil. Nye brukere kobler e-posten sin og sender inn tusenvis av kvitteringer. «Disse kvitteringene – når de ble laget, hvilke kategorier de faller inn under, hvor mye jeg brukte – avslører mye om meg som shopper og min unike identitet,» bemerker Chloe. Brukere følger det søstrene kaller sine «smaksdobbelgjengere»: personer med lignende preferanser på tvers av kategorier, basert på «smaksgrafen» appen bygger. Ved å analysere brukernes kvitteringer helhetlig kan backend-AI-en identifisere mønstre som ikke er synlige fra offentlig tilgjengelige online data, noe som fører til personlig mote og andre anbefalinger.

Ser tilbake

AI forutsier og identifiserer trender basert på tidligere data, noe som betyr at den ikke kan se utover disse inndataene, uansett hvor avansert teknologien blir. «AI er ikke flink med nyhet – og trender avhenger ofte av nyhet,» sier WGSNs Muston.

I virkeligheten utvikler folks stil og smak seg med skiftende kontekster og kulturelle endringer som AI ikke kan forutse. «Trender er svært komplekse og beveger seg på mange forskjellige måter,» forklarer Muston. «Hvor ofte har folk sagt: 'Jeg ville aldri brukt XYZ,' og sterkt motsatt seg en trend på grunn av tidligere assosiasjoner? Likevel, når den trenden dukker opp igjen i en ny kontekst, blir den plutselig tiltalende.» Hvis tidligere data tyder på at en look sannsynligvis vil mislykkes, vil AI ta det for god fisk. Mennesker kan derimot stille spørsmål ved konteksten og gjenkjenne hvorfor et comeback kan være mulig.

Interessen for visse merker eller estetikk blir ofte utløst av tilfeldige eller statistisk usannsynlige hendelser som AI ikke kan ta hensyn til, sier Madé Lapuerta fra @DataButMakeItFashion. Hun nevner en økning i interesse for Van Cleef & Arpels i november i fjor da Dodgers-spilleren Miguel Rojas – som ikke engang skulle slå – slo et banebrytende homerun og vant World Series. «Fordi AI-drevne prediktive modeller er helt avhengige av tidligere mønstre, kan de ikke forutse fremtiden eller forstå hva som vil finne gjenklang.»

Dette er Lees største bekymring med å bruke AI til å forutsi trender eller endringer i smak. «Måten AI 'forutsier' trender på er egentlig ikke prediksjon – det er bare en refleksjon av det som skjer nå,» sier hun.

Den menneskelige fordelen

Denne menneskelige fordelen er avgjørende. AIs avhengighet av historiske... Dataene viser at AI kan identifisere innhold basert på «hva», men ikke «hvorfor». Som Muston sier: «AI kan kodifisere smak, men bare på en syntetisk måte.»

Thompson Ford er enig i at den er for imitativ. «Det er én ting å si: 'Jeg vil se ut som Ralph Laurens kolleksjon fra i fjor' – AI kan kanskje klare det. Men hvis jeg vil se ut som noens kolleksjon i år som ikke engang er skapt ennå, tviler jeg på at AI kan gjøre det en designer gjør, eller det en stilfull person gjør.»

Selv teknoptimister som McCune stiller spørsmål ved dette. «Av natur må modeller trenes på noe fra fortiden,» forklarer han. «Mennesker kan se fremover og skape nye trender og estetikk. Modeller vil alltid reflektere fortiden – jeg tror bare mennesker kan virkelig se inn i fremtiden.»

Eksperter foreslår at den eneste måten AI kunne imitere dette på er hvis den fikk følelser – en heftig debattert mulighet – og selv det er ikke sikkert. McCune legger til: «Jeg tror generativ AI vil kunne dyrke smak og stil, men det vil være smaken og stilen til nåtiden eller fortiden. Den vil ikke se inn i fremtiden og skape nye ting som følger trendene.»

Lee, som er mindre optimistisk når det gjelder AI, er enig i at dens manglende evne til å se fremover er en stor begrensning. For henne betyr dette at AI – uten følelser – aldri vil dyrke ekte smak eller stil. «Du må gå ut, se hva folk har på seg, høre hva de snakker om, se på filmer, lytte til musikk, følge med på aktuelle hendelser og politikk,» sier Lee. «Dette er det som former mote og stil. Det er ikke bare klærne – det handler om alt ved deg som person. Hvis du stoler på AI til å fortelle deg hvem du er, vil du aldri ha stil.»

Selv om AI en dag fikk følelser og frigjorde seg fra menneskelig input, ville den fortsatt mangle én ting: en menneskekropp. Uten en kropp å operere fra og å kle, virker det nesten nytteløst å dyrke smak og stil. «Det AI ikke har, er en kropp,» bemerker Thompson Ford. «Det er vanskelig å forestille seg at AI utvikler intuisjonene som kommer fra å bevege seg gjennom verden i din egen kropp og samhandle med andre – bortsett fra, igjen, gjennom imitasjon.»

Lee er enig. «Jeg er sikker på at den vil forbedre seg, men AI vil aldri være menneskelig. Så det er umulig, tror jeg, å virkelig forstå verdenshendelser og hvordan de oversettes til mote,» sier hun. «Jeg har drevet med dette i ti år, og noen ganger tar jeg selv feil eller ligger etter på visse ting. Det er ingen måte en robot noensinne vil bli bedre på det enn meg.»

Ofte stilte spørsmål
FAQ Kan AI virkelig forstå smak



Nybegynnerspørsmål



1 Hva mener vi med smak i denne sammenhengen

Vi mener den komplekse menneskelige opplevelsen av smak som kombinerer lukt, smak, tekstur, temperatur og til og med personlig minne og følelse. Det er mer enn bare en kjemisk analyse.



2 Kan AI smake mat som et menneske

Nei, ikke på den menneskelige opplevelsesmåten. AI har ikke bevissthet eller subjektive følelser. Den kan ikke nyte et måltid eller ha en personlig preferanse. I stedet analyserer den data om smak.



3 Så hva kan AI gjøre relatert til smak

AI kan behandle enorme datamengder – som kjemiske forbindelser i mat, oppskrifter, forbrukeranmeldelser og sensorpanelresultater – for å forutsi smaksprofiler, skape nye oppskriftskombinasjoner, optimalisere matprodukter og anbefale retter du kanskje liker.



4 Hvordan lærer AI om smak

Den trenes på datasett. For eksempel kan den bli vist tusenvis av oppskrifter merket med smaksbeskrivelser, eller data som kobler kjemiske strukturer til oppfattede smaker. Den finner mønstre i disse dataene for å gjøre forutsigelser.



5 Finnes det noen virkelige eksempler på dette

Ja. Selskaper bruker AI til å utvikle nye snacksmaker, lage øloppskrifter eller skape personlige ernæringsplaner. Apper som plantebaserte kjøttselskaper bruker AI til å analysere molekylære strukturer for å etterligne smaken og teksturen til kjøtt.







Avanserte praktiske spørsmål



6 Hva er hovedbegrensningen som hindrer AI i å virkelig forstå smak

Det vanskelige problemet med bevissthet og qualia. Smak er en subjektiv førstepersonsopplevelse. AI kan korrelere data, men kan ikke oppleve følelsen av søthet eller nostalgien en smak fremkaller. Den mangler kroppslig, subjektiv bevissthet.



7 Kan AI ta hensyn til kulturelle og personlige forskjeller i smak

Den kan prøve, men det er en utfordring. Ved å trene på mangfoldige, kulturelt spesifikke datasett kan AI lære vanlige preferanser innenfor grupper. Men å fange den dype personlige, emosjonelle og kulturelle konteksten bak en persons favorittmat er ekstremt vanskelig.



8 Hva er fordelene med å bruke AI i matvitenskap og utvikling