當人工智慧與時尚相遇 – HAI Day驚豔大稻埕

從民生西路與迪化街口走入，穿過年貨大街的人潮和許多烏魚子、干貝、香菇……等南北雜貨，由台灣人工智慧學校校友會主辦的「HAI Day」系列活動第一場，選在2020年第一個週末舉行。這場結合了人文（Humanity）與人工智慧（AI）的活動，讓看似科技的、冰冷的電腦程式與人工智慧回歸人性。主要策展人、台北經理人班第二期的陳頣師博士，希望透過這一系列活動，讓大家思考如何將生活與人工智慧結合，而第一場則從最切身的話題「衣」開始，探討人工智慧與時尚產業的連結。

活動在位於迪化街區內的老厝URS172舉行，對面則是實踐大學推廣部服飾精修班的成果展，兩者巧妙搭配，恰好導引聽眾以實物為連結，重新思考服飾的定義，進而透過講座思考科技應用的必要與可行性。

講題的設計也從這樣的角度出發，從分析西洋服裝史的演進，呼應時空環境的挪移與需求，逐步堆疊百餘年時尚的底蘊。三位講者林依蒨、徐志山與郭彥伶，分別從服裝設計、行銷與科技的專業出發，彷彿從河的兩岸對望，透過對於人性與生活需求的理解而搭起互動橋樑，也觸發各種未來的創新與可能性。

一開始林依蒨先介紹從西方服裝風格的演變，分析1920年代迄今，大稻埕與時尚的關係，以及與西方服裝的異同。百年前的大稻埕是台灣最繁華的街區，當時的台灣雖已有國際貿易，但服裝仍以漢服為主，直到1960年代後西服才逐漸普及。

而這一切的演變，除了美學之外，也是服飾設計與社會及心理的微妙關係。例如大家所熟知的香奈兒黑色小洋裝，出現於1926年，其實是歐洲對於女性線條的大解放，而這同時反應一次世界大戰後女性走入社會、具有獨立經濟能力的實況。但這樣的解放到了1940年代又開始回頭，以迄1950年代大家所熟知的奧黛麗赫本，她在《羅馬假期》裡的形象幾乎成為後來我們對於那個世代的不變印象。

徐志山提到，有趣的是，1950年代電腦發明，人工智慧一詞旋即被學者視為重要研究方向，雖然不到二年就宣告失敗，但很顯然，科技創新對於人文、藝術與時尚思考產生不同的啟發。無論對外太空、未來或另外的世界，人們開始有不同想像，反應在時尚設計領域，則是多元材質的使用，例如金屬、紙張都被做為服裝素材。緊接著下來1970年代的反戰與嬉皮風、1980年代流行的「大墊肩」……都脫離不了大環境變動下所影響的人性需求。

而來到2020年的今天，人工智慧在短短三、四年間蔚為顯學，對於時尚又會產生什麼影響？

麻省理工學院(MIT) 研究人員，前Google購物之人工智慧專家郭彥伶從另外一個角度出發，她分析AI應用於服裝產業的演進，從搜尋開始，電腦要理解搜尋文字、還有圖片上的服飾特徵，或者是從使用者的行為進行服推薦，這都是常見的應用。而現在則可以採取「策展式搜尋」，例如找「2020紐約時裝週」，就可以從社群媒體或部落客、YouTuber的內容中找到經過整理的資訊。

但截至目前為止，沒有人工智慧能夠替一個人決定，如何藉由服飾來表達自己的形象或想傳達的訊息，或者什麼樣的服裝最適合你。但可以想見的是，由於科技的大量應用，消費者有機會從被動購買慢慢轉向主動創造；而設計師也從提供知識與創作變成定義規則與參數，成為科技與人文之間的轉譯者。

當天出席的來賓，也不同於一般科技論壇常見的面孔，除了多位台灣人工智慧學校校友之外，還有台北霞海城隍廟董事長陳文文，曾於2020 S/S CFDA 紐約時裝週走秀的「時尚老人」林經甫，以及新北市政府顧問暨前新北市政府文化局局長蔡佳芬皆到場參與。

這一場人文與科技的互望與對談，講者們從「人」與「社會文化」的角度，一步步嘗試將服裝與人工智慧結合的方法，探討現今科技能夠實踐的程度，以及潛在的壁壘。進一步也討論到，透過人工智慧的幫助，人類如何能超越並重新探索、重新定義自己獨特的價值與美好。

(本文圖片攝影：台北二期經理人班校友 Marx）

＜延伸閱讀＞

2017年在美國上市的Stitch Fix就是一個相當有趣的人機協作範例。這家公司做的是賣衣服的生意，表面上看起來平平無奇，但背後卻有堅強的人工智慧團隊，靠著資料及演算法在五年內打造出20億美元的市值，在美國目前擁有200萬活躍用戶。

Stitch Fix的營運模式相當大膽而簡單，加入會員時先繳交20美元，就能定期收到裝著五件衣服的包裹，這是Stitch Fix依個別用戶身材及偏好做個人化推薦的成果。收到後，用戶可以留下自己喜歡的品項，退回其他的，如果都不滿意也可以全數退回，但必須支付20美元的運費。

這種創新的營運模式非常大膽，因為如果用戶連續幾次對寄來的衣服都不滿意，很快就會流失。那為什麼Stitch Fix有辦法獲得廣大消費者的持續支持？主因是他們擁有強大的造型師團隊與人工智慧團隊，根據2018年5月的資料，5800位員工中，有3000位造型師與75位資料科學家，根據會員在註冊時填寫的詳細問卷，以及每次留下及退回的品項記錄，精確量化每個用戶的穿著品味、偏好與身材，藉由機器學習不斷優化寄送的衣服樣式與尺寸，以符合每個用戶的需求，降低退貨率及提升使用者滿意度。

但這樣還不夠，購衣及穿衣並不完全是數據可以解釋的行為，總是有些人工智慧無法完全掌握的考慮，得由造型師與人工智慧協同合作。例如某些用戶特別挑剔老是退貨，或是特殊情境的需求，例如參加畢業舞會、第一次約會、重要的面試等。因此，Stitch Fix安排三百多位造型師提供線上諮詢，幫助用戶找出最合適的商品，以滿足在不同情境下的需求，同時增進人工智慧推薦系統的守備範圍，讓系統可以在未來將這些特殊的需求及情境列入考慮。

Stitch Fix這個例子可以呼應我們之前的討論，未來人與人工智慧的協作將會無所不在，不再是特例，而是常規的流程。具體的協作方式可能有很多種，例如由人來準備好高品質的資料，協助建立更好的人工智慧模型；以人工智慧來做常規的決策，由人來進行例外處理；或是以人工智慧來找出人類決策之間的不一致，幫助人類日後做更好的決策等等。無論人工智慧以何種形式被使用，員工的績效評估方式應該都是一致的，以最終的成效為依歸：有沒有讓工作效率更高？是不是讓決策更精準？是否為組織帶來更高的價值？

本段文字出自《人工智慧在台灣》