码隆科技联合创始人兼CEO黄鼎隆：AI赋能新零售全链条环节 | WISE2017新零售峰会
12月12日，由36氪《零售老板内参》主办的2017 WISE新零售峰会在北京国际会议中心隆重举行。15位零售业界顶级大咖，与1000多位零售行业精英齐聚一堂，围绕“新零售时代的融合进化”展开丰富多样的主题演讲、圆桌对话，共同深入探讨新零售元年的商业变革，以及未来发展趋势和进化之路。
在2017 WISE新零售峰会上，码隆科技联合创始人兼CEO黄鼎隆发表发表主题为《人工智能将为新零售带来什么？》的精彩演讲。在演讲开始，黄鼎隆以地球新物种进化理论类比零售商业新物种的大爆发现象指出，人工智能技术的突破，使得零售新物种能更好地洞察消费行为及需求，并带来进化新动力。而类似码隆科技通过将AI置于云端打造API的方式，能有效服务全行业，帮助零售商充分利用及调动识别商品的能力。
码隆科技联合创始人兼CEO黄鼎隆
黄鼎隆认为，AI赋能效应，可能是现在人工智能和新零售结合最受关注的点。零售的目的是为了让人们以更便利的方式购买到质量更好的商品，人工智能可以从设计、原材料采购、商品生产及加工、商品经营到结算等整个供应链生态链条，实现有效赋能。
黄鼎隆强调，我们所处的商业世界是充满噪音的，这些数据也是充满噪音的，按照现在人工智能深度学习的算法，需要非常精准标注过的数据，而这些从商业世界收集的数据是不能被直接运用的，或者需要大量的成本去人工校准，但我们可以利用弱监督学习的方法，把含有噪音的数据进行处理，基于这样深入学习的算法，使量化监控体系直观显示在商品品类上。并从不同的维度去实现“全栈式”的商品识别。真正的人工智能不在于自己有多智能，而在于让更多的产品变得更智能。
以下为黄鼎隆演讲实录，《零售老板内参》APP（微信ID：lslb168）编辑整理：
黄鼎隆：大家下午好，我是码隆科技的黄鼎隆，刚才听到上面的新零售新物种的时候，主持人问到说，你的公司是不是一个新物种，怎样才能成为新物种。我觉得新物种是一个很有意思的名词，生物界地球上面的新物种，在整个地球诞生45亿年里边，新物种诞生是集中在很短的时间里边，地球诞生很长时间里边新物种是非常少的。大概在寒武纪的时候，在短短的一千万的时间，突然爆炸式诞生了大量的新物种，很多生物学家都在奇怪，为什么在这个时期诞生很多的新物种？其中有一个理论是这样的，因为在这个时候，生物诞生进化出来，最早的三叶虫，开始有了很原始的视觉系统——就是眼睛，这个生物开始追逐它们的食物，同时成了猎人和生物之间不断躲避的关系，之后开始产生了很多的新物种。在现在的商业领域就是新物种的时候，为什么？由于人工智能技术的突破，使得现在的零售有了眼睛，它们只要有人工智能技术的帮助，就可以像人一样判断在零售场景里边的各种各样的场景，这跟以前三叶虫进化出眼睛一样。
那人工智能给新零售带来什么呢？人工智能给新零售带来新物种进化的动力，一双可以看懂商品的眼睛。首先简单介绍一下我们公司码隆科技，我们有三年多历史的人工智能的公司，我们聚焦在深度学习和计算机视觉技术研发。我们特别聚焦在商品视觉领域，让计算机像人一样看懂各种各样的商品。在上个月的时候，NVIDIA在它的官方推特上发布了这样的一条信息：码隆科技将改变我们的购物方式。因为我们本身不是做零售的公司，我们是做人工智能基于计算视觉的公司，为什么英伟达认为我们的技术改变购物的方式呢，大家看一下我们做了什么事情。
我们用了上亿商品的数据训练了一个人工智能的系统，像阿法狗用上亿的棋谱训练它，我们是用上亿的商品图片训练计算机，让它可以识别图片和商品，以及背后包含的商品各种各样的属性，我们进一步把这样的AI放云端打造API的方式服务各行各业，使得他们充分利用调动识别商品的能力。
这是在超市购物的环节，你把商品放在购物车里边，我们就可以把购物车所有的商品识别出来，然后实时进行结帐，不用再去收银台排队了。大家看这里边像啤酒，可以用不同的角度摆放它，也可以像人一样准确的识别出来。基本上你可以随意的摆放，像三四个苹果放在袋子里面，也可以识别出来，分成不同的姿势摆在那里也可以识别出来。分成两袋有七个苹果也可以识别出来。甚至有一定的重叠，有部分的重叠还是可以识别出来的。包括摆放的不同角度，它的能力基本上就跟一个人的能力是一样的，一个人看购物车里边有什么商品，AI也能够一眼把所有商品识别出来。
大家应该马上可以想到，这是现在很火的无人零售无人结算的概念，这是用AI赋能收银员，在零售环节当中，收银员是我们最后的一个环节，我们要结算。AI赋能收银员，这可能是现在人工智能和新零售结合最为大家所关注的一点，这是唯一的一个点吗？其实收银员只是购物的最后一步。
那零售的目的是为了人们让更便利的方式购买到质量更好的商品，其实在商品经营到结算的环节，前面还有一系列的环节。比方说这些，因为我们从收银员往前追溯的话，其实你先要经过导购员帮助选择你的商品，在导购之前还有店长，由店长管理商品和商铺。在店长选择商品之前，要被生产出来，生产出来再一次经过原材料的挑选和购买。在原材料之前还有商品被设计的环节，前面有很长的链条，一条供应链使得最后的消费者可以购买到优质的商品。其实在中间整个链条，人工智能都是可以去赋能的。
那么我会用我们一些案例介绍每个环节。在导购这个环节，这是我们近期做的一个事情，穿衣镜大家看到很多了，比如看到顾客身上穿的衣服是什么风格，帮助她找到店里边跟他穿的衣服相匹配的商品。比如女孩穿黑色的裙子，这种风格的裙子搭配什么样的鞋，什么样的包和其他饰物，帮助你导购。这是去年我们给蒙牛做的一个案例，你可以在挑选的商品的时候玩一个游戏，比如有一个时空猎人，你把时空猎人召唤出来玩一个游戏，玩赢了获得一个优惠券，当时这个活动之后大概有30%的转化率。
这是我们把AI放在穿戴设备上面，我们在这个上面开发了一个APP，如果你是一个服装店的导购员你带着这样的设备，你可以看到顾客身上穿的衣服什么风格，什么牌子，多少钱，你就可以知道可以穿短裤，可以配什么牛仔短裤，你可以推荐给客户配他的这件上衣。因为你能够把人工智能引入进来，帮助导购快速的提升他们的技能，这些没有经验的导购在很短的时间里边变得很有经验。
我们再来看看AI如何赋能店长，这是我们最近做的一个案例，在服装零售店的产品上面用AI进行客户智能的签到和客流的分析，这是我们当时拍的一个东西。当客人进来的时候，这个摄象头自动识别这个客人是不是这个店VIP客户，自动签到。如果是的话会提供出这个客户的各种各样的信息，方便店员进行相应商品的推荐。比如我们一整天进入店里边的顾客，他们穿的衣服是什么风格，什么颜色，一个量化的比例。有了这些数据店长可以量化的找哪一天到我们店的客人是什么样的画像。
店长还有一个很重要的工作就是去进货。每天大概会有十几万服装店店长利用我们的技术进行服装进货和选购。服装店的店长会上传卖的好的衣服的图片，通过我们的技术找到相应款式的衣服不同的货源，不同的价钱，可以快速的进行相应的选购。这些背后的图片可能经过大量的改进，甚至不是一个模特拍的照片，我们也会基于同样的商品把这个识别出来。如果在我们数据库里边没有一模一样的服装，我们就会找到相似风格的服装。
同样的场景也可以用在家具领域，如果你是家具店的店长，你可以通过上传一些图片，我们可以提供类似的东西，就把相应的柜子找出来。如果你选一个窗户，我们也会把门窗找出来，甚至一个盆栽也可以通过图片找寻到。
下面到了生产，AI还能够赋能生产。这个案例是我们在陶瓷领域的案例，是我们给江西景德镇做的一个项目。我们可以通过一张图片可以识别出一个陶瓷产品，比如一个杯子它的制成生产工艺，比如它的方式，它的烧成方式，它的上釉等等，快速连接到具有相等工艺的供应商。如果你拿一个杯子给一个陶瓷界的匠人看，这是什么什么工艺，然后哪一个厂给你生产这样的杯子再去找他，这样老师傅的技能是很有用的，问题是这样的老师傅太少了，需要很多年才能培养出一个老师傅，我们让AI学习到这些老师傅的本领再给他们提供相应的服务。
这是我们另外一个案例是纤维识别，他们把服装成分进行鉴定，这个衣服是羊毛的，还是纯棉的，是什么样的成分，需要在显微镜下面看到分子的图片，像右边分子的图片交给专业人员判断这是什么材料。比如这里边一个是羊毛，一个是棉制品，一个是马海毛问题是专业的人员培训三到五年才能上岗，我们AI学会这些专业本领，我们在单品识别精准度到了99%，所以把这些产品给我们AI，它马上告诉你这个是棉制品，这个是羊毛，这个是马海毛。
接下来AI如何赋能原料采购这个环节，我还是以衣服为例，因为在座的有服装行业的，衣服面料的采购是很大的问题。比如你看看面料，面料是一个很难用语言描述的东西，你只能够到线下市场去看，可能要看好几遍才能定下面料。我们现在提供不同的方法，接下来国内70%面料生产都是我们的客户，大家找面料的时候很简单，只要上传一个他们想要面料的图片。比如这样的黑底花纹的面料，上传图片马上找到相应的面料，在手机上，这样的面料你很难用语言描述，你手机拍个照片一秒钟时间就可以把面料找到，可以马上下单购买面料。
接下来其实每个商品的最开始的环节，就是设计，每个商品首先先被设计出来，背后需要有一个设计师，AI也可以赋能设计师。这是我们给中国纺织信息中心开发的一个用人工智能帮助设计师快速的分析预测流行色的产品，这个产品以任何图片，我们把T台秀照片智能地提取出来，然后把模特身上穿的衣服提取出来，然后把衣服的颜色排除掉，光色角度等等因素的干扰得出一个量化的数字，不同的颜色在多少的比例，然后生成一个量化的报告。这个技术可以怎么用呢，他们每年都要发布行业的报告，每年流行什么色彩，大家要怎么样生产。过去他们在几大时装周的时候他们要看时装秀，总结个人的感觉，什么颜色会更流行。现在我们改变了这种做法，只要把时装周一百万张图片上传上去，马上生成一个量化报告，来预判流行的趋势。
中国纺织信息中心用这个技术，发布了全球第一个AI COLOR Trend应用，刚发布一个月得到了色彩协会颁发的中国色彩技术奖。我们还跟工业设计公司洛可可联合成立了人工智能联合实验室，通过人工智能联合实验室，我们会建一个智能的标签体系，建一个智能的数据服务和搭建一个智能的搜索引擎，我们预计这样的工具使得每个设计师效率有一个大幅度的提升，用更的时间为消费者设计出质量更好的商品。
为什么我们可以做这些事情呢？为什么我们可以打造像人一样识别出各种商品的人工智能，这个比赛的结果，可以解答一部分疑惑。在今年WebVision全球计算机视觉挑战赛上，码隆科技获得全球第一名。这是被誉为接棒ImageNet的全球AI比赛，最大挑战在于需要用未经人工标注的“噪音”数据进行模型训练。大家知道我们所处的一个商业世界是充满噪音的，可是这些数据是充满噪音的，按照现有的人工智能深度学习的算法，需要非常精准标注过的数据，这样的商业界收集过来的数据是不能被直接运用的，或者需要花大量的成本利用人工校准，但我们利用弱监督学习方法就可以把含有噪音的数据进行处理。基于这样的深入学习的算法，我们一套量化监控体系显示出我们在很多商品上品类上，识别精准度上达到世界最领先的水平。而且我们可以从不同的维度去实现商品，我们称之为“全栈式”的商品识别，我们不仅通过摄象头识别，还可以通过X光机识别商品，甚至还可以通过显微镜识别分子的商品，让ProductAI平台成为商品识别的引擎。
最后，这是我们的理念，我们认为真正的人工智能不在于自己有多智能，而在于让更多的产品变得更智能，谢谢大家。
