Professional Documents
Culture Documents
Mod Sazan
Mod Sazan
چگونههوشمصنوعیصنعتمدرامتحولکرد
سرشناسه :لیوس ،لین Luce, Leanne
عنوان و نام پديدآور :عنوان و نام پديدآور:هوش مصنوعی در خدمت مد :چگونه هوش مصنوعی صنعت مد را متحول کرد
نویسنده :لین لوسی
مترجمان :محسن محمودی ،محمد رهبان
ویراستار ارشد :مینا والی
ویراستار محتوایی :قاسم سرافرازی
ویراستار فنی :محدثه گودرزنیا
مشخصات نشر :تهران :راه پرداخت،.۱۴۰۰
مشخصات ظاهری : ۲۲۳ص.؛ ۵/۲۱ × ۵/۱۴سم.
شابک978-622-7702-11-8 :
وضعیت فهرست نویسی :فیپا
يادداشت :عنوان اصلیArtificial intelligence for fashion : how AI is revolutionizing the fashion :
,industry2019.
عنوان دیگر :چگونه هوش مصنوعی صنعت مد را متحول کرد.
موضوع :طراحی لباس -روشهای رقمی
موضوعFashion design - Digital techniques :
موضوع :بازاریابی مد
موضوع Fashion merchandising :
موضوع :پوشاک -صنعت و تجارت -دادهپردازی
موضوع Clothing trade- Data processing :
موضوع :هوش مصنوعی
موضوع Artificial intelligence :
موضوع :دادههای کالن
موضوع Big data :
شناسه افزوده :محمودی ،محسن، ،- ۱۳۶۲مترجم
شناسه افزوده :رهبان ،محمد۱۳۶۷ ، ،-مترجم
رده بندی کنگره:HD۹۹۴۰
رده بندی دیویی :۶۸۷/۰۲۸۵
شماره کتابشناسی ملی ۸۵۱۵۰۵۱ :
وضعيت ركورد :فیپا
هوش مصنوعی
در خدمـت مــد
مترجمان:محسنمحمودی،محمدرهبان لینلوسی
چگونههوشمصنوعیصنعتمدرامتحولکرد
عنوان :هوش مصنوعی در خدمت مد؛ چگونه هوش مصنوعی صنعت مد را متحول کرد
ناشر :راه پرداخت
نویسنده :لین لوسی
مترجمان :محسن محمودی ،محمد رهبان
ویراستار ارشد :مینا والی
ویراستار محتوایی :قاسم سرافرازی
ویراستار فنی :محدثه گودرزنیا
بازبینی نهایی متن :رضا قربانی
صفحهآرا :علیرضا کیوان
ناظر چاپ :قادر شهبازی
نوبت چاپ :اول 1400
شمارگان ۱۰۰۰ :نسخه
شابک978-622-7702-11-8 :
تلفن 021-44443966 :
دورنگار۸۹۷۸۴۹۰۲ :
ایمیل info@way2pay.press :
وبسایت way2pay.shop :
لیتوگرافی :هنر اشکان
چاپ و صحافی :واژه
همه حقوق چاپ و نشر این اثر برای «انتشارات راهپرداخت» محفوظ است .هرگونه تکثیر ،انتشار و بازنویسی این اثر یا قسمتی از آن به هر شکل و شیوه
(چاپی ،صوتی ،ویدئویی ،دیجیتال و )...بدون اجازه کتبی ناشر ممنوع است.
فروشگاه انتشارات راهپرداخت نشانی :تهران ،جنتآباد جنوبی ،خیابان الله غربی ،روبهروی پاساژ سمرقند ،خیابان حدیث ،کوچه حدیث دوم ،پالک ۸
13 پیشگفتار
19 مقدمه
[ یادداشت ناشر]
در سالهایی که در دانشگاه مهندسی میخواندم ،کتابهای فارسی فنی و مهندسی،
نه کتابهای جذابی بودند و نه ساده و روان .کتابهایی که معروف بودند به کتابهای
تکســت دانشــگاهی و صرف ًا پر از فرمول و نمودار و دیاگرام و نتیجهگیری و قوانین
بندانگشتی .کتابهایی که در صفحهآرایی بد بودند و در نگارش و ویرایش افتضاح!
کتابهایی که زبان فارسی را تهدید ،و مفاهیم درست و غلط را با هم ترکیب میکردند.
به همین دلیل استادان دانشگاه تأکید داشتند بر مطالعه کتابهای اورجینال و زبان اصلی.
هنوز هم این میل و هوس مبهم در بسیاری از استادان دانشکدههای فنی و دانشجویان
وجود دارد .هنوز هم در دانشکدههای فنی تصور میکنند که زبان فارسی ،زبان درک
مهندسی نیست و متأسفانه وقتی به صحبتهای برخی مهندسان گوش میدهیم ،صرف ًا
واژههای انگلیسی را میشنویم که از طریق حروف اضافه فارسی به هم متصل شدهاند.
در سالهای اخیر خوشبختانه جریان عمومیسازی متنهای فنی و مهندسی سرعت
گرفته است .دیگر مانند ۲۰سال پیش نیست که دنیای مهندسی دنیایی درون قلعههای
دربسته باشد .حاال مهندســی بیش از هر زمان دیگری در دسترس قرار گرفته است.
نهفقط حوزههای فناوری اطالعات ،بلکه تقریب ًا تمام حوزههای مهندســی بهدلیل در
دسترس قرار گرفتن محتواهای آموزشی ،متحول شده است .حاال به کمک ابزارهایی
مانند یوتیوب و بسیاری از کانالها و رسانههای گوناگون میتوان به حجم نامحدودی از
11هوش مصنوعی در خدمت مد
محتوای آموزشی دسترسی پیدا کرد .خوشبختانه حوزههای جدیدی که در جهان فناوری
شکل میگیرد ،بهسرعت محتواهای آموزشی مناسب خود را هم پیدا میکنند .حاال دیگر
میتوان بهآسانی به حجم وسیعی از متنهای خوب دسترسی پیدا کرد .به همین دلیل
دنیای مهندسی دیگر مانند گذشته دنیای دور از دسترسی نیست.
وقتی روند دسترسی به محتواهای آموزشی فراگیر میشود ،بهمرور نیازمند ادبیات
متناسب با آن حوزهها میشویم .هوش مصنوعی یکی از حوزههایی است که در سالهای
گذشته مورد توجه بسیاری از فعاالن دنیای کسبوکار قرار گرفته است .هوش مصنوعی
دریچههایی را به روی کسبوکارها ،مردم ،اقتصاد و حوزههای گوناگون باز کرده که غیر
قابل باور است .یکی از آن حوزههایی که شاید کمتر درباره آن شنیده باشیم ،حوزه مد
و فشن است .با اینکه هوش مصنوعی در دنیای فناوری اطالعات رخنمایی کرده ،ولی
حاال شاهد این هستیم که این فناوریها در حال تغییر دنیای مد و فشن هستند .این اتفاق
بزرگی است که نباید ساده از کنار آن گذشت .مد و فشن شاید دور از دسترس هوش
مصنوعی به نظر برسند ،ولی اکنون این دنیای پرزرقوبرق بیش از هر زمان دیگری تحت
تأثیر آثار فناوری قرار گرفته است.
برای مدیریت این دنیای جدید ،به درک ادبیات و در برخی موارد ،خلق ادبیات نیاز
ن کتابهای تکست دانشگاهی اکتفا کرد. داریم .دیگر مانند ۲۰سال پیش نمیتوان به مت
اکنون زمان آن رسیده که کسبوکارها ،همگام و فراتر از دانشگاه ادبیات ،دنیای جدید را
خلق کنند و آن را توسعه دهند .مزیت دنیای کسبوکار این است که هر محتوایی را قابل
فهم ،ساده و در دسترس میکند .به همین دلیل ما بیش از هر زمان دیگری به کتابها و
محتواهای آموزشیای نیاز داریم که به دور از پیچیدهنمایی ،اصل موضوع را روشن کنند.
کتاب «هوش مصنوعی در خدمت مد» از آن دست کتابهایی است که به زبان ساده
تالش میکند تأثیرات فنی و مهندسی حوزهای مانند هوش مصنوعی را روشن کنند.
امیدوارم مطالعه این کتاب نهفقط برای عالقهمندان هوش مصنوعی ،بلکه برای فعاالن
حوزههای مد و فشن هم جذاب باشد.
رضا قربانی /انتشارات راه پرداخت
پیشگفتار
13هوش مصنوعی در خدمت مد
همین اول کار باید بگویم قرار نیست شما در این کتاب با زندگینامهای خودنوشت
سروکار داشته باشید ،ولی میخواهم داستان مســیر پرپیچوخم ورود خودم به این
حوزه را برای خوانندگانی تعریف کنم که در صنعت فناوری کار نکردهاند.
من کارم را بهعنوان یک طراح مد شــروع کردم .قصد نداشتم بالفاصله در حوزه
فناوری کار کنم ،اما خب این اتفاق افتاد .من که در زمینه مد فعالیت میکردم ،دوست
داشتم ببینم چیزها کجا و چگونه ساخته میشوند .من در آن دوران کمتر به اینکه کی
یا چی «باحال» است اهمیت میدادم ،مگر اینکه به من کمک میکردند تا مشکلی را
حل کنم .من از نحوه کار صنعت مد ناامید شده بودم .بنابراین وقتی به این نتیجه رسیدم
که مسیر صنعت طراحی مد دیگر به دردم نمیخورد ،برای اطرافیانم تعجبآور نبود.
اوایل به دنبال فرصتهایی برای کار در حوزه فناوریهای نوآورانهای میگشتم که
مهارتهایم میتوانستند در آنها ارزشمند باشند .تیمی در مؤسسه «ویس» ()Wyss
در هاروارد یافتم که در حال ساختن «بروناسکلتهای رباتیک نرم پوشیدنی» بود؛
پروژهای که آنها «اگزوســویت» ( )Exosuitیا برونجامــه مینامیدند .این پروژه،
برنامههایی متنوع داشــت :از برنامههای نظامی تا توانبخشــی به افرادی که سکته
مغزی کرده بودند .ورود من به این پروژه بهشــکلی خاص و درخشــان آغاز نشد.
من شــروع کردم به دوختن نمونههای اولیه و پس از مدتی به قســمتهای دیگر
فرایند توســعه راه یافتم :نظارت بر مرحله آزمایش کاربر نهایی و پیشنهاد پیشرفت
( .)suggesting improvementsاگرچه در آن زمان لزوم ًا خیاطی چیزی نبود که من
را هیجانزده کند ،این حس که ساختن وسایل پوشیدنی میتواند به افراد کمک کند
تا حرکت کنند و در نتیجه زندگیشان تغییر کند ،باعث میشد حسابی شاداب شوم.
اندکی پس از کار در مؤسســه ویس ،به سانفرانسیسکو نقلمکان کردم و در گروه
«آدرل َب» ( ،)Otherlabکار روی پروژهای مشــابه را آغاز کردم .من به فناوریهای
ساخت این لباسها و اینکه چگونه از برخی از آنها برای بهبود فرایندها و محصوالت
در صنعت مد استفاده میشود ،عالقهمند شدم .دستآخر ،کارم را در حوزه رباتیک
متناسب
ِ رها کردم و شرکتی برای ایجاد تکنیکی خودکار جهت ساختن سوتینهای
سفارشیدوزیشده تأسیس کردم .این شرکت پس از یک سال شکست خورد و من
پیشگفتار 14
شروع کردم به فکر کردن درمورد دلیل شکستش .میخواستم یک سیستم نرمافزاری
برای اندازهگیری سایز کاربر ایجاد کنم و دستورالعملها را برای دستگاهی ارسال کنم
که با حداقل دخالت انسان لباس تولید کند .ولی من اطالعات پیشرفته و سطح باالی
چندانی درمورد چگونگی ساختن نرمافزار برای انجام این کار را نداشتم.
تغییر
در حالی که داشــتم گزینههایم را برای شغل بعدی بررســی میکردم ،شروع به
نوشتن کردم .درمورد طیف گستردهای از فناوریها نوشتم و فهرستی از شرکتهای
نرمافزاری و فناوری تهیه کردم که وارد عرصه مد شده بودند .نوشتن فرصتی فراهم
کرد تا با افرادی که در این فضا مشغول به کار بودند گفتوگو کنم و همچنین درمورد
آنچه روی آن کار میکردند و مســیر شخصیای که برای رســیدن به این نقطه طی
کرده بودند یاد بگیرم .باید تصمیم میگرفتم کــه در آینده چهکار کنم .در آن زمان از
دوستانم خواســتم راهنماییام کنند و مدام یک توصیه میشنیدم« :برنامهنویسی هر
روز موضوعیت بیشتری پیدا میکند».
اوایل با خودم میگفتم برای من که االن در منطقه خلیج سانفرانسیســکو زندگی
میکنم این توصیه چندان کارآمد نیست ،اما وقتی با دقت بیشتری به اطراف نگاه کردم،
شواهد بیشتری برای اثبات این گفته یافتم؛ شرکتهایی که بهاعتقاد من بیشترین تأثیر
را بر صنعت مد گذاشته بودند ،تقریب ًا همهشان شرکتهای نرمافزاری بودند .به نظرم
کسب مهارتهای برنامهنویسی تقریب ًا به درد هرچیزی میخورد که میخواستم در
آینده روی آن کار کنم ،از جمله شرکتی که به دنبال تأسیسش بودم.
تصمیم گرفتم کدنویسی را یاد بگیرم .هدفم هرگز این نبود که مهندسی ماهر شوم.
دلم میخواست آنقدر تجربه کســب کنم تا بتوانم خیلی خوب آن را بفهمم .وقتی
تصمیم گرفتم کدنویسی یاد بگیرم ،کارهای زیادی برای رسیدن به این نقطه در پیش
داشتم تا بتوانم آن را به هدفی مناسب تبدیل کنم .در آغاز نمیدانستم اصطالح نرمافزار
به یک فضای فنی عظیم ،گسترش مییابد و برخی از شاخههای آن به مهارتهایی
احتیاج دارند که لزوم ًا با هم همپوشانی ندارند .بهعنوان فردی که با این حوزه غریبه
15هوش مصنوعی در خدمت مد
شکست دوباره
از دوســتانم پرســیدم آنها چگونه یاد گرفتند و توصیه میکنند چه کاری انجام
بدهم .بســیاری از آنها گذراندن دوره مقدماتــی علوم کامپیوتر و برنامهنویســی
OpenCourseWareدانشــگاه «امآیتی» ( )MITرا توصیه کردند .در طول شش
ماه ،سه بار در این دورهها ثبتنام کردم ،قبل از اینکه اعتراف کنم این دورهها به دردم
نمیخورند .افراد زیادی در این روند به من شک داشتند و در آن مرحله حتی برخی
از دوستداشتنیترین و حامیترین افراد در زندگیام شروع کردند به منصرف کردنم.
آنها میگفتند شاید عدم توانایی من در اتمام این دورهها به این معنی باشد که من عالقه
چندانی ندارم .از بسیاری جهات ،این شکست رنجیدهخاطرم کرد.
یکی از دالیل مهمی که باعث شــد نتوانم این دوره را به پایان برسانم این بود که
نمیفهمیدم چه مهارتهایی را میتوانم از آن کسب کنم .نمیتوانستم نتایج آنچه را
میآموختم ببینم و بهعنوان شخصی که یادگیریام بسیار بصری است ،اینکه نتایج را
ببینم برایم الزم بود .فکر کردم گذراندن دوره به من کمک میکند تصویر کالنتر را
درک کنم.
با گذشت زمان ،موانعی که بر ســر راه فهمیدنم بودند ،کمتر و کمتر شدند و جلو
رفتن آسانتر و آسانتر شد .هیچ راهحل جادویی خاصی وجود نداشت ،هرچه بود
پشتکار بود و پشتکار .پیدا کردن آن نقطه ورود مهمترین مسئله برای من بود .اگرچه
درک اولیهام عمق چندانی نداشت ،بســتری برای شروع پرسیدن و پرده برداشتن از
اکوسیستمی بزرگ برایم فراهم کرد :این بستر نرمافزار بود .بعد از یادگیری اچتیامال
و سیاساس ،جاوااسکریپت و پایتون را یاد گرفتم .یادگیری اینها باعث شد بهشکلی
کلیتر به نرمافزار فکر کنم و ایدههایم را بیشتر توسعه دهم .در حالی که هرگز قصد
نداشتم مهندس نرمافزار شوم ،برای من ،یادگیری کدنویسی گامی بسیار مهم و بلند
در مسیر رفتن به گوگل بود و کمک کرد مدیر محصوالت این شرکت شوم.
پدید آوردن منبعی بود که بتواند بخشــی از ناامیدی دیگر افراد کنجکاو ،بهویژه در
صنعت مد را از بین ببرد .این کتاب برای کمک به افراد جهت یافتن یک نقطه ورود
مناسب و به دست آوردن درکی پیشرفته است که من در تحقیقاتم به دنبال آن بودم.
این راهنمایی است که ای کاش من هم هنگام یادگیری در اختیار داشتم .اگرچه زاویه
دید و چشمانداز کتاب حاضر بهطور خاص بر صنعت مد متمرکز شده است ،معتقدم
محتوای این کتاب برای هرکسی که یادگیری درمورد هوش مصنوعی را تازه شروع
کرده ،مفید و بهدردبخور اســت ،زیرا نمونههایی که در صنعت مد از آنها استفاده
میشود ،در صنایع دیگر نیز بسیار کاربرد دارند.
این فصلها برای پاسخگویی به برخی از پرســشهای اساسی طراحی شدهاند و
دریچهای رو به جهان هوش مصنوعی میگشــایند .این کتاب فقط آغاز کار است.
همانطور که میدانید ،همیشه چیزهای بیشتری برای یادگیری وجود خواهند داشت.
مقدمه
19هوش مصنوعی در خدمت مد
مصنوعی فقط در یکسری از صنایع خاص کاربرد دارد ،اما امروز هوش مصنوعی
در همه صنایع فراگیر شده است.
جهتگیری کتاب تا حد امکان سرراست است؛ با توضیحاتی درباره مفاهیم کلیدی
هوش مصنوعی مستقیم ًا ســراغ اصل مطلب رفته و اصطالحات فنی موردنیاز برای
درک مفاهیم اصلی را توضیح داده است.
مخاطبان
کتابی که اکنون در دســت دارید برای خواننده عام نوشته شــده است ،بنابراین
هرکس آن را بخواند ،از پس درک کتاب برمیآید .این کتابی نیست که مهندسان برای
کدگذاری بهتر یــا آموختن تکنیکهای جدید بخوانند .در ایــن کتاب هیچ معادله،
الگوریتم یا کدی وجود ندارد .از منظر فنی ،مباحث مطرحشــده در این کتاب بسیار
سادهاند .در نتیجه ،اینطور نیست که فقط یک فرد دانشگاهی یا متخصص آیتی این
کتاب را بخواند.
بهکارگیری هوش مصنوعی در یک شــرکت بر همه بخشهــا و ارکان آن تأثیر
میگذارد ،از طراحان گرفته تا مدیران ارشد .مدیران و کارمندان هر بخش میتوانند
نحوه کاربست فناوریهای جدید را در تخصص مربوطهشان یاد بگیرند تا در نهایت
فرایندها را بهبود بخشند .بهویژه این موارد را مدنظر داشتم:
متخصصان صنعت مد که هیچ تجربهای در زمینه نرمافزار و کدگذاری ندارند
اما کنجکاو و عالقهمندند بدانند تغییر فناوری در صنعت مد چگونه است.
مدیران ارشــد و مدیران اجرایی که درمورد کاربست فناوری در برندهای مد
تصمیم میگیرند.
کارآفرینانی که به دنبال ایجاد فناوری برای صنعت مد هستند.
دانشــجویانی که درمورد گزینههای شــغلی آینده در زمینه مــد و فناوری
فکر میکنند.
1
بخشاول
سرآغاز
فصلاول
23هوش مصنوعی در خدمت مد
چراهوشمصنوعیمهماست؟
در گزارشی با عنوان «وضعیت مد در سال )The State of Fashion 2018( »2018که
شرکتهای «مککنزی» و «بیزینس آو فشن» تهیه کردهاند 75 ،درصد خردهفروشان قصد
داشتهاند در سالهای 2018و 2019در زمینه هوش مصنوعی سرمایهگذاری کنند .هوش
مصنوعی در حال تغییر شیوه کسبوکاری صنعت مد در کل زنجیره ارزش مد است .عرضه
مبانی هوش مصنوعی 24
تجربههای شخصیسازیشده و پیشبینی بهتر ،صرف ًا شروع کار است .در حال حاضر ،بیش
از سی درصد فعالیتها در شصت درصد کسبوکارهای موجود در کلیه صنایع میتوانند
بهصورت خودکار انجام شوند .اجرای برخی از این خودکارسازیها و مهارتآموزی مجدد
نیروی کار فعلی ،هنوز زمانبر است .با این سرعت ،جای تردید نیست که هوش مصنوعی
بهشکلی قابلتوجه بر نحوه کار ما تأثیر میگذارد.
هوشمصنوعیچیست؟
هوش مصنوعی به اصطالحی گیجکننده تبدیل شده است .یادگیری ماشین ،یادگیری
عمیق و هوش مصنوعی اصطالحاتیاند که اغلب بهجای یکدیگر استفاده میشوند و
ممکن است این سؤال پیش بیاید که تفاوتشان در چیست؟
یادگیری ماشین راهی برای دستیابی به هوش مصنوعی است .در سال « ،1959آرتور
ساموئل» ( )Arthur Samuelیادگیری ماشــین را «توانایی یادگیری بدون اینکه بهطور
صریح برنامهریزی شده باشــد» تعریف کرد .معموالً این کار از طریق «آموزش» انجام
میشود .یادگیری عمیق روشی برای یادگیری ماشین است که معموالً شبکههای عصبی
بزرگ را در بر میگیرد .شــکل 1-1بازنمایی گرافیکی از رابطه بین هوش مصنوعی،
یادگیری ماشین و یادگیری عمیق را نشان میدهد.
یادگیری ماشین()ML
یادگیری ماشین
یادگیری ماشین قسمت عمدهای از هوش مصنوعی را که امروزه در کسبوکارها به
کار گرفته میشود ،تشکیل میدهد .اهداف یادگیری ماشین ،خودکارسازی فرایندها
بهمنظور کاهش تالش انسان و کشف الگوهای پیچیدهای است که انسان نمیتواند
بهتنهایی تفسیرشان کند.
این قیاس کامل نیســت ،اما بیاییــد اینطور فکر کنید که یادگیری ماشــین برای
برنامهنویســی ،مثل چرخخیاطی برای خیاطی اســت .قبل از اختراع چرخخیاطی،
تکتک کوکها با دست دوخته میشدند .هنگامیکه چرخخیاطی اختراع شد ،خیاطی
سریعتر شد ،چون دیگر یک انســان کوک نمیزد .با یادگیری ماشین ،ما میتوانیم
برنامههایی بنویسیم که پیچیدگیهای بیشتری را بدون نیاز به کدگذاری همه جزئیات
انجام دهند .در نهایت ،درزها نمیتوانند خودشــان را بدوزند و یادگیری ماشین نیز
برای کار کردن به نیروی انسانی احتیاج دارد.
در یادگیری ماشــین ،از ماشینها برای شناســایی الگوهای دادهها و پیشبینی مکرر
مقادیر دادههای ناموجود -که اغلب با وقایعی که در آینده رخ میدهند مرتبطند -استفاده
میشود .یادگیری ماشین شامل روشهای زیادی برای یادگیری از دادههاست و بخش
بزرگی از تحقیقاتی را که امروز در حوزه هوش مصنوعی انجام میشود ،در بر میگیرد.
هوش چیست؟
اگرچه ما بهطور شهودی میدانیم هوش چیست ،خالصه کردن یا دادن تعریفی رسمی از
آن دشوار است .نظریهها و تعاریف بسیاری در این باره وجود دارند که چه چیزی انسان را
باهوش میکند .قرنهاست که فالسفه درباره چگونگی اندازهگیری هوش بحث میکنند.
«شین لگ» و «مارکوس هاتر» بیش از هفتاد تعریف کارشناسان از هوش را در مقالهای با
عنوان «مجموعهای از تعاریف هوش» جمعآوری کردهاند .آنها در تالش برای به دست
مبانی هوش مصنوعی 26
آزمون تورینگ
چگونه میتوان فهمید که یک ماشین هوشمند است؟ «آلن تورینگ» ،در سال ،1950
آزمون تورینگ را بهعنوان یکی از اولین آزمایشهای بهکارگیری هوش در ماشینها انجام
داد .درک این مسئله که آیا ماشین مانند انســان عمل میکند یا نه ،یک چالش محسوب
میشود .برای قبولی در آزمون ،یک انســان در نقش قاضی از ماشین سؤال میکند .اگر
قاضی نتواند تشخیص دهد که کدام پاسخها متعلق به انســان و کدام پاسخها متعلق به
ماشیناند ،ماشین در آزمون برنده میشود.
آزمــون تورینگ طی چهل ســال گذشــته بارهــا و بارهــا در فیلمهــای علمی
تخیلی مشــهور به نمایش درآمده اســت .اکــس ماکینــا ( )Ex Machinaو بلید رانر
( )Blade Runnerدو نمونه از این فیلمها هستند .این آزمون یکی از بسیار اتفاقاتی است
که در این حوزه رخ میدهند و هنگام وقوعشــان از خودمان میپرســیم «آیا به مقصد
مطلوبمان رسیدهایم یا نه» .مواردی اســت که در آن هنگام گلوگاههایی است که تحت
ایستهای بازرسی «پس کی میرسیم؟» قرار دارد.
درک رفتار انســان پیچیده است زیرا انســان همیشــه منطقی یا عقالنی عمل
نمیکند .مــا میتوانیم با جســتوجوی الگوها ،توانایی ماشــین را در پیشبینی
رفتار انسان افزایش دهیم .این الگوها به کشــف و تعریف روندها کمک میکنند.
با تجزیهوتحلیل این روندها و مدلسازیشــان با الگوریتمها ،ماشینها میتوانند
پاسخهای انســان را با ورودیهای خاص تقلید کنند .سپس ،هنگام مواجهه با این
ورودیها در دنیای واقعی ،آنها قادر به پاسخگویی متناسباند.
یادگیری چیست؟
اگر بتوانیم یادگیری انســان را ســاده کنیم ،ممکن اســت بگوییم که انسانها
اطالعات را از محیط اطرافشــان میگیرند ،آنها را با چیزی مرتبط میکنند و سپس
یاد میگیرند یا عمل میکنند .این ورودیها میتوانند چیزی باشند که آنها میبینند،
بو میکنند ،میچشند ،میشنوند ،احساس میکنند یا حتی تفسیرشان از یک حالت
یا لحن باشد .این اطالعات مربوط به دانشی است که شخص پیش از این در مورد
جهان به دست آورده و باعث ایجاد ارتباط میشــود .از این رو ،یک انسان ممکن
است با دانش جدیدش دست به عمل بزند ،چیزی را کاوش کند یا دست به نوآوری
بزند .این روند را میتوانید در شکل ۱-۲مشاهده کنید.
عمل
احساس اتصال کاوش
توجه ارتباط یادگیری
ورودیهای حسی
یادگیری پیشبینی
سنجش
آموزش
دادههای ورودی
ادراک ماشین
ماشینها میتوانند از طریق مشاهده ،احساس و شــنیدن که از طریق حسگرها
امکانپذیر میشوند ،محیط را درک کنند .حسگرها بخشی از سیستم سختافزاری
ماشــیناند .آنها اتفاقات فیزیکی مانند دما ،فشــار ،نیرو ،شــتاب ،صــدا و نور را
اندازهگیری میکنند.
در واقع ،تلفن شــما میتواند تقریب ًا همه این مــوارد را اندازهگیری کند .تلفنها
از طریق وســایل الکترونیکی کوچکی به نام سیســتمهای میکروالکترومکانیکی
( )MEMSاز امکان حس کردن محیط برخوردارند .میکروفون ،دوربین ،دستگاههای
سنجش اینرســی (که به ردیابی موقعیت کمک میکنند) و حسگرهای مجاورتی،
همگی نمونههایی از سیستم میکروالکترومکانیکی هستند .این حسگرها را میتوان
در دستگاههای مختلف اینترنت اشیا نیز یافت.
29هوش مصنوعی در خدمت مد
زبان
زبانهای انسانی برای برقراری ارتباط حیاتیاند .ما از کلمات و عبارات و ترکیب
آنها به روشهای مختلف برای بیان ایدهها و احساساتمان استفاده میکنیم .ماشینها
از زبان ماشین برای تعریف الگوها و پارامترها استفاده میکنند .زبان انسان و ادراک
ماشین ،هر دو ،ورودیهایی به شکل داده برای ماشینها فراهم میکنند تا از آنها برای
یادگیری استفاده کنند.
تفاوتی مهم بین زبانهای ماشــین و زبانهای انسان وجود دارد؛ زبانهای ماشین
بهصورت کد نوشته شــدهاند .در اصل ،این کد فقط یک سری اعداد صفر و یک ،یا
باینری (دودویی) ،بــود .ترکیبات مختلف صفر و یک ،اطالعــات مختلفی را برای
ماشینها رمزگذاری میکنند .با گذشت زمان ،انسانها زبانهای برنامهنویسی را ایجاد
کردهاند تا رابط بین زبان انسان و زبان ماشین باشند و کار رمزگذاری را آسانتر کنند.
خروجی یک ماشین زمانی بیشترین کاربرد را دارد که یک انسان بتواند تفسیرش
کند و این باعث میشود زبان انسان مفهومی مفید برای درک ماشین باشد.
باشــد زیرا اغلب مردم را به این باور میرســاند که هوش مصنوعی یک جعبه سیاه
اسرارآمیز اســت که میتواند هر مشــکلی را حل کند .در واقع ،هوش مصنوعی از
چندین زمینه کاربردی ،ابزار و تکنیک تشکیل شده است .درک مقولههای گستردهتر
و زیرمقولههای خاصتر این حوزه ،تصویری از چگونگی همخوانی همه اجزای آن
با یکدیگر ارائه میدهد.
زمینههای کاربردی موردبحث در این کتاب عبارتاند از:
پردازش زبانهای طبیعی (انالپی)
بینایی رایانه (سیوی)
تحلیل پیشگویانه
رباتیک
حوزههای کاربرد
«حوزههای کاربرد» به عرصههایی خاص گفته میشــود کــه در آنها میتوان از
ابزارها و تکنیکهای یادگیری ماشین استفاده کرد .پردازش زبانهای طبیعی ،بینایی
رایانهای ،تحلیل پیشگویانه و رباتیک ممکن است از برخی از تکنیکهای مشابه مانند
شبکههای عصبی برای حل انواع مختلف مشکالت اســتفاده کنند .این حوزههای
31هوش مصنوعی در خدمت مد
بینایی رایانهای
از بینایی رایانهای برای پردازش و تجزیهوتحلیل تصاویر و فیلمها استفاده میشود.
بینایی رایانهای ،وظایفی را که ممکن اســت با سیستم بینایی انسان و موارد دیگر در
ارتباط بدانیم ،بهصورت خودکار درمــیآورد .اگرچه بینایی رایانهای خود حوزهای
مستقل محسوب میشود ،هوش مصنوعی نقشی عمده در پیشرفتهای اخیر آن ایفا
کرده است .از بینایی رایانهای اغلب در برنامههای مد استفاده میشود زیرا صنعت مد
بسیار بصری است.
در صنعت مد ،از بینایی کامپیوتری در فناوریهایی مانند جســتوجوی بصری،
آینههای هوشمند ،خرید از طریق شــبکههای اجتماعی ،پیشبینی روندها ،واقعیت
مجازی و واقعیت افزوده استفاده میشود.
مبانی هوش مصنوعی 32
تحلیل پیشگویانه
تحلیل پیشگویانه ،از روشهایی مختلف بهره میبرد تا از اطالعات تاریخی برای
پیشبینی حوادثی که در آینده اتفاق میافتند ،اســتفاده کند .این روشها پیچیدگی
زیادی دارند و شامل دادهکاوی ،آمارهای اولیه و یادگیری ماشین هستند.
در این کتاب ،تحلیل پیشگویانه در دو حوزه دیگر نشان داده میشود :سیستمهای
توصیهگر و پیشبینی تقاضا.
سیســتمهای توصیهگر بخشــی از تحلیلهای پیشگویانهاند .آنها به دنبال درک
رفتار کاربر یا مشــتریاند و محصوالت یا خدماتی را که کاربر احتماالً دوست دارد
یا خریداری میکند ،به او توصیه میکنند .سیســتمهای توصیهگر ،نقشی بسیار مهم
در کشف محصوالت در تجارت الکترونیکی داشــتهاند .همهجا میتوانید حضور
سیستمهای توصیهگر را ببینید ،از وبســایتهای خردهفروشی مد گرفته تا پشت
صحنه خدمات جعبه اشتراک ( .)Subscription boxهمچنین در حوزههای دیگری
نیز از جمله رسانههای جریانی موســیقی و ویدئو در سایتهایی مانند نتفلیکس و
یوتیوب متوجه آنها خواهید شد.
از پیشبینی تقاضا برای بهینهسازی برنامهریزی زنجیره عرضه استفاده میشود .با
پیشبینی تقاضا برای محصوالت ،صنعت مد میتواند از تولید بیش از حد بکاهد ،در
نتیجه هزینهها را کاهش دهد و جلوی اتالف منابع را بگیرد.
رباتیک
رباتیک ،بهویژه در تولید پوشــاک ،حوزهای منحصربهفرد برای مطالعه محسوب
میشود که البته نیازمند تخصص در مجموعهای از رشــتهها از جمله مد ،مهندسی
33هوش مصنوعی در خدمت مد
ابزارها و تکنیکها
از ابزارها و تکنیکهایی مانند شبکههای عصبی ،شبکههای زایای دشمنگونه و
دادهکاوی در حوزههای کاربردی استفاده میشود .این روشها بهطور مداوم در حال
تغییر و تحولاند تا نتایج باکیفیت بیشتری را در صنعت به دست آورند.
شبکههای عصبی
شبکههای عصبی معموالً از طریق الیههایی ایجاد میشوند که اطالعات را بهطور
موازی محاسبه میکنند .آنها از گرههای بههمپیوسته تشکیل شدهاند .دانش در این
سیستمها بهوسیله الگوهایی عرضه میشود و گرهها از طریق همین الگوها برای انتقال
اطالعات به یکدیگر استفاده میکنند .این سیســتم از شمار زیادی عناصر پردازشی
فوقالعاده بههمپیوســته به نام نورون تشکیل شده اســت که برای حل یک مسئله،
هماهنگ با هم عمل و اطالعات را توسط سیناپسها (ارتباطات الکترومغناطیسی)
منتقل میکنند.
نحوه تفکر افراد در مورد ترکیب یک شــبکه عصبی معموالً شــامل سه قسمت
اساسی است:
الیههای ورودی :حاوی دادههای ورودی هستند.
الیههای پنهان :حاوی معماری سیناپسها هستند.
الیههای خروجی :نتایج را از طریق شبکه عرضه میکنند.
مبانی هوش مصنوعی 34
در این چهارچوب ،یک شبکه عصبی میتواند معماریهای زیادی به خود ببیند.
همه شبکههای عصبی یکسان نیســتند .در مرحله اجرا ،آموزش نیز بخش مهمی از
فرایند است .آموزش شامل ارسال دادهها از طریق شبکه عصبی است .در این مرحله،
شــبکه در حال یادگیری ارتباطات پیچیده بین ورودیها و خروجیهای موردنظر
است .در بسیاری از موارد ،کارایی شبکه به دادههای با کیفیت باال بستگی دارد.
ال در این فصل به آنها
از شــبکههای عصبی غالب ًا در حوزههای کاربردیای که قب ً
پرداخته شد ،استفاده میشود .درک ســازوکارهای اساسی شبکههای عصبی کمک
میکند بنیادی برای درک نحوه کار هوش مصنوعی در دوران کنونی فراهم شود.
دادهکاوی
دادهها برای انجام هر کاری در یادگیری ماشین حیاتیاند .بدون داده ،ماشین چیزی
برای آموزش ندارد .دادهها میتوانند اطالعات مختلفی مانند ویدئو ،تصاویر و متن را
در بر بگیرند .جمعآوری دادهها به فرایند جمعآوری دادهها برای تحلیل اشاره دارد.
35هوش مصنوعی در خدمت مد
در بسیاری از موارد ،جمعآوری دادهها صرف ًا آغاز کار است .شما با جمیع دادهها
چهکار میکنید؟ دادهکاوی در واقع کشف اطالعات مفید در مقدار زیادی داده است.
برای صنعت مد ،شبکههای اجتماعی میتوانند گنجینهای پر از دانستی و نکتههای
مفید در مورد احساس مشتریان درباره محصوالت و روندها باشند.
خالصه
زمینهها ،تکنیکها و ابزارهای مختلف کاربــردی دارای نقاط قوت و ضعف در
کارهای خاص هســتند .از حوزههای کاربردی هوش مصنوعی غالب ًا برای برآوردن
نیازهای خاص استفاده میشود (بهعنوان مثال ،مشکالت مربوط به تصویر و زبان،
به ترتیب ،با اســتفاده از بینایی رایانه و پردازش زبانهای طبیعی برطرف میشوند).
در حال حاضر ،استفاده موفقیتآمیز از هوش مصنوعی مستلزم فهمیدن تکنیکها و
ابزارهایی است که برای کاربرد موردنظر شما منطقیاند.
بینایی رایانهای یک حوزه اساس ًا بصری از هوش مصنوعی است و در مواردی که
با تصاویر و ویدئوها سروکار دارند ،به کار میرود .از طرف دیگر ،پردازش زبانهای
طبیعی به برقراری ارتباط بین زبانهای انسانی و زبانهای ماشینی میپردازد.
هوش مصنوعی و بهویژه روشهای یادگیری ماشین ،از دادهها و مدلها برای درک
و پیشبینی پرسشهایی که ما پاسخی برایشان نداریم ،استفاده میکند.
برای بررســی عمیقتر اصول و مبانی هوش مصنوعی ،خواندن کتابهای زیر را
توصیه میکنم .در یادداشتهای بخش کتابشناسی و در فصلهای آینده این کتاب
میتوانید اطالعات بیشتری به دست بیاورید.
راسل ،استوارت و پیتر نورویگ .هوش مصنوعی :رویکردی مدرن ،انتشارات
پیرسون2016 ،
وارویک ،کوین .هوش مصنوعی :مبانی ،انتشارات راتلج2011 ،
37هوش مصنوعی در خدمت مد
ن طبیعیپردازش زبا
وگفتوگو درباره خرید
«اگر چیزی برایتان جالب نیست ،آدم جذابی به
حساب نمیآیید».
اریس آپفل ،طراح داخلی و یکی از نمادهای دنیای مد
پردازش زبان طبیعی ،نقشی حیاتی در ارتباطات میان ماشین -انسان بر عهده دارد.
کاربران روزانه میلیاردها گیگابایت داده را در سراسر جهان ایجاد میکنند .بیشتر این
مطالب ،در قالبهای غیرساختاری ایجاد میشوند که با استفاده از تکنیکهای رایج
برنامهنویسی قابلاستفاده نیستند .با پردازش زبا ن طبیعی ،این دادههای غیرساختاری
را میتوان بدون نیاز به ساختارهای دقیق داده ،از طریق ماشین تفسیر کرد .برای کسب
اطالعات بیشتر در مورد دادهها و ساختارهای داده ،فصل ششم را مطالعه کنید.
در صنعت مد ،از پردازش زبان طبیعی در برنامههایــی مانند تجارت محاورهای،
چتباتها ،طراحان مد متکی به هوش مصنوعی ،طبقهبندی تصویرها و روندها و
خریدهای لحظهای ،استفاده میشود.
یافتن لباسهایی که دوست دارید ،در اینترنت کار سختی است و نیازمند زیرورو
کردن دهها ،صدها یا حتی هزاران فهرســت اســت .یکی از مفاهیــم فراگیر برای
جلبتوجه در خردهفروشــی مد ،تجارت محاورهای است که از اواخر سال 2017
رشدی فزاینده یافت .با وارد کردن اطالعات محصول در یک رابط مکالمه ،برندها
قادرند اختالفنظرها را هنگام کشــف محصول کاهش دهند و تجربههایی بسیار
شخصی را در اختیار مشتریانی قرار دهند که به دنبال محصوالت ،اطالعات و خدمات
مشتریان هستند.
پردازش زبان طبیعی و گفتوگو درباره خرید 42
این فصل به زمینه ظهور تجــارت محاورهای و پردازش زبــان طبیعی ،همچنین
فناوریهایی که ظهور این پدیده را امکانپذیر کردهاند ،میپردازد.
ن طبیعی
پردازش زبا
دانشمندان علوم کامپیوتر از دهه 1950شروع به مطالعه پردازش زبا ن طبیعی کردند.
آلن تورینگ ،دانشمند مشهور ،توانایی استفاده از زبانهای انسان را عاملی مهم برای
هوشمندی در ماشینها دانســت .او بعدا ً آزمون تورینگ را بهعنوان معیار سنجش
هوش ماشین ایجاد کرد.
همانطور که در فصل اول اشاره شد ،اگر دستگاهی بتواند فرد را گمراه کند ،طوری
که باور کند این یک انسان است ،در آزمون تورینگ برنده میشود .در آن زمان و در
طول دهه ،1960نخستین چتبات ایجاد شد ،که نمونهای از قدرت رابطهای مبتنی
بر زبان طبیعی است.
االیزا
«چه چیزی باعث میشود که شما فکر کنید من از نظر خودم
محق هستم؟»
االیزا ،چتبات
از مشهورترین چتباتها در آن زمان االیزا بود .االیزا یکی از نخستین برنامههایی
بود که توانایی موفقیت در نسخه محدودی از تســت تورینگ را کسب کرد .این
برنامه با شبیهســازی یک رواندرمانگری راجری ،ورودیهای کاربر را پردازش
میکرد و آنها را در حافظه ذخیره و هنگام گفتوگو به یاد میآورد.
االیزا را در ابتدا «جوزف وایزنباوم» ( )Joseph Weizenbaumدر آزمایشــگاه
هوش مصنوعی «امآیتی» طراحی کرد.
چتبات االیزا شامل فهرستی طوالنی از پاسخهای احتمالی و قوانین پیچیده برای
تعیین پاسخهایی است که در گفتوگو استفاده میشوند.
43هوش مصنوعی در خدمت مد
در دهه ،1980ســاختار این بات به دلیل یادگیری ماشــین تغییــر کرد .امروزه
چتباتها به دلیــل الگوریتمهایی که آنهــا را کنترل میکنند قــادر به تعامالتی
پیچیدهترند.
چتباتها
بیشــتر چتباتها مبتنی بر دو دســتهاند :اسکریپتشــده و هوش مصنوعی.
چتباتهای اسکریپتنویسیشده فقط میتوانند از یک مجموعه قوانین ازپیش
تعریفشــده پیروی کنند .این مجموعه قوانین به معنای انواع ســؤالهایی است
که چتبات میتواند به آنها پاسخ دهد و این پاســخها محدود به اسکریپتهایی
هستند که با آنها برنامهریزی شدهاند .چتباتهای هوش مصنوعی برای تفسیر
زبان طبیعی مورداستفاده انســان ساخته شــدهاند و قادرند پاسخهایی مناسب به
ورودیهایی بدهند که دقیق ًا از قبل تعریف نشدهاند.
بهتازگی چتباتها میتوانند عالوه بر متن ،از تصاویر نیز بهعنوان بخشــی از
گفتوگو استفاده کنند .تکنیکهای بینایی رایانهای که جستوجوی بصری و سایر
ویژگیهای مبتنی بر تصویر را امکانپذیر میکنند ،در فصل سوم بررسی شدهاند.
چتباتهای تخصصی
اگرچه شــرکتهای زیادی وجــود دارند که در زمینه ســاخت چتباتهای
عمومی فعالیت میکنند ،شرکتهایی نیز هستند که چتباتها را بهطور تخصصی
برای برنامههای خردهفروشی میسازند .این نوع از چتباتها عمدت ًا در خدمت
خردهفروشان مد قرار دارند زیرا ممکن است چتباتهای معمولی هنگام بحث در
مورد مد یا خردهفروشی با مشتری ،گیج شوند .شرکتهایی مانند «مد دات ایآی»
( )mode.aiدر زمینه استایل ،سایز و تناسب اندام کار میکنند .ویژگی دیگری که
برخی از این شرکتها در حال کار روی آن هستند ،اضافه کردن ارتباط سایز و برند
در چتباتهاست تا در لحظهای که مصرفکنندگان قصد خرید دارند ،راحتتر
بدانند چه سایزی را خریداری کنند.
پردازش زبان طبیعی و گفتوگو درباره خرید 44
تجارت محاورهای
«من کسی را نمیشناسم که دوست داشته باشد با یک کسبوکار
تماس بگیرد و هیچکس دلش نمیخواهد مجبور باشد برای هر
کسبوکار یا خدماتی که با آن سروکار دارد ،اپلیکیشنی جدید روی
گوشیاش نصب کند .ما فکر میکنیم شما باید بتوانید طوری به یک
بوکار پیام دهید که انگار دارید به یک دوست پیام میدهید».
کس
مارک زاکربرگ ،هشتم فوریه 2016
رابطهای محاورهای پدیدهای جدید نیستند .اگرچه آنها از زمان معرفی چتباتهایی
مانند االیزا در دهه 1960وجود داشــتهاند ،جذابیت امروزشــان احتمــاالً با افزایش
محبوبیت اپلیکیشنهای پیامرسان گره خورده اســت .وبسایت «بیزنس اینسایدر»
اعالم کرده است که در سال ،2015رشد اپلیکیشنهای پیامرسان از رشد اپلیکیشنهای
شبکههای اجتماعی پیشی گرفتند .اپلیکیشنهای پیامرسان ،که تا همین سالهای اخیر با
استقبال چندانی مواجه نبودند ،یک رابط طبیعی برای چتباتها ایجاد میکنند.
خرید و پیامرسانی
به نظر میرسد خرید محاورهای یا تجارت محاورهای بهعنوان یک مفهوم در سال
2015ظهور کرد .باتهای هوش مصنوعی پشــت رابطهــای تجارت محاورهای،
بهعنوان نمایندگان طرف دیگر گفتوگوی پیامرسان با مصرفکننده عمل میکنند .با
پرسیدن سؤال از بات ،مشتری میتواند توصیههای شخصیسازیشده ،دستورالعمل
نگهداری از محصول ،خدمات مشــتری و حتی خرید محصوالت را با یک کلیک
دریافت کند.
ظاهرا ً «کریس مســینا» ( ،)Chris Messinaمتخصص صاحبنام فناوری ،کسی
است که برای نخستین بار اصطالح تجارت محاورهای را به کار برده است:
«تجارت محاورهای منوط به استفاده از چت ،پیامرسانها یا سایر
ال صدا) برای تعامل با افراد ،برندها
رابطهای زبان طبیعی (مث ً
یا خدمات و باتهایی است که تاکنون جایگاهی واقعی در
پیامهای دوطرفه و غیرهمزمان نداشتهاند».
کریس مسینا ،بنیانگذار شرکت مولی
یک رابط مکالمه لزوم ًا فقط شامل پیامرسان نیست ،بلکه شامل دکمهها ،بازدیدهای
وب ،تصاویر و سایر مؤلفههای مرتبط با رابط کاربر گرافیکی ساده است .این مؤلفهها
میتوانند با عرضه نتایج احتمالی برای یک محتوای خاص ،به راهنمایی گفتوگو
پردازش زبان طبیعی و گفتوگو درباره خرید 46
دکمهها بر اساس
زبان کاربر آنها را راهنمایی میکنند.
شکل 2-2گفتوگوی بین بات پیامرسان لیوای که مد دات ایآی آن را ساخته و یک مشتری که به
دنبال شلوار جین است
تجربه خرید شخصیسازیشده ،بهویژه برای نسل جوان ،باعث تغییر چشمگیر خرید
آنالین شود .بر اساس یافتههای مؤسسه مککنزی« ،شخصیسازی میتواند پنج تا
هشت برابر مبلغی که برای بازاریابی هزینه شده ،بازده سرمایهگذاری داشته باشد و
میتواند فروش را 10درصد یا بیشتر کند».
گفتوگوی آنالین
در سال ،2017فهرست خردهفروشــی اومنیچنل که اتحادیه ملی خردهفروشی
منتشر کرد ،اعالم کرد گفتوگوی آنالین یکی از حوزههایی بوده که رشدی سریع
را در خردهفروشی اومنیچنل تجربه کرده است .بر اساس این گزارش 54 ،درصد از
خردهفروشان گفتوگوی آنالین را در وبسایتهایشان به اجرا درآوردهاند .بسیاری
از مشاغل بهمنظور پاســخگویی به ســؤالهای لحظهای خدمات مشتریان ،ارسال
اطالعات سفارش و سایر موارد ،امکان گفتوگوی آنالین را در وبسایتهایشان
فراهم کردهاند.
برای مصرفکنندگان ،صحبت با یک دستیار فروش در یک فروشگاه راهی برای
توصیه گرفتن از یک متخصص دیگر اســت .توانایی تعامل با مشتریان در حالی که
آنها بهصورت آنالین در حال خرید هســتند ،به لحاظ تاریخی اتفاقی بســیار تازه
است .لحظاتی که مصرفکننده در حال تصمیمگیری برای خرید کردن است ،اهمیت
بسیاری برای نرخ تبدیل ( )Conversion rateدارند.
گفتوگوی آنالین یا گفتوگوی فروش تنها روشــی است که خردهفروشان از
طریق آن از رابطهای مکالمه برای هدایت تصمیمهای مصرفکننده استفاده میکنند.
رابطهای گفتوگوی آنالیــن ،مصرفکنندگان را به یک انســان ،یک بات هوش
مصنوعی یا یک راهحل ترکیبی متصل میکنند .به لحاظ تاریخی ،گفتوگوی آنالین
به معنای گفتوگو با یک انســان از طریق یک رابط گفتوگو بود که در وبسایت
یک برند قرار داده میشد.
با استفاده از باتهای هوش مصنوعی ،این سرویسهای فردبهفرد ،سنجشپذیرتر
شدهاند .با سادهتر شدن کاربست این سرویسها ،تمایز بین باتهای گفتوگوی زنده
و تجارت محاورهای از بین میرود.
49هوش مصنوعی در خدمت مد
که متن طبیعی را به دادههایی تبدیل میکند که دستگاه از توان درک آن برخوردار است .بهعنوان
مثال ،نرمالسازی میتواند با تصحیح غلطهای امالیی آغاز شود .سپس فرایند جداسازی
کلمات ،تحلیل آنها و ارتباط کلمات با یکدیگر برای استخراج معنا را دنبال میکند .چهار
روشی که معموالً برای پردازش زبا ن طبیعی از آنها استفاده میشود ،عبارتاند از:
توکنیزاسیون
تعبیه کلمات
برچسبگذاری جزء کالم
شناسایی موجودیتهای نامدار
توکنیزاسیون
در فرایند توکنیزاسیون ،یک ماشین بخشهای یک جمله یا عبارت را به واحدهای
زبانی کوچکتر (به نام توکن) ،معموالً کلمات یا اصطالحات ،تقسیمبندی میکند.
این فرایند همچنین گاهی اوقات بهعنوان تحلیل واژگانی یا واژگانشناسی نیز شناخته
میشود .این واحدهای زبانی کلمات ،عالئم نگارشی ،اعداد و غیره را تشکیل میدهند.
توکنیزاسیون مرحله مهم پیشپردازش قبل از طبقهبندی کلمات است .شکل ۲-۳
نشان میدهد که چگونه یک سیستم میتواند توکنها را از طریق فضاهای خالی یا
فاصله بین کلمات جدا کند.
این یک جمله است.
شکل ۲-۳یک ماشین ممکن است با استفاده از فضاهای خالی بهعنوان جداکننده ،عبارت این یک
جمله است را توکن کند
توکنیزاسیون فضای خالی فقط یکی از بسیار روشهای توکنیزاسیون متن است.
روشهای دیگر ،برای ساختار جمالت پیچیدهتر یا زبانهایی که از فضای خالی برای
جدا کردن کلمات استفاده نمیکنند ،به کار گرفته میشوند.
51هوش مصنوعی در خدمت مد
تعبیه کلمات
چگونه یک ماشین میتواند کلمات را درک یا با هم مقایسه کند؟ یک راه این است
که هر کلمه با مجموعهای از مقادیر عددی یا بردارها مرتبط شــود ،بهطوری که یک
ماشین بتواند آنها را مقایسه کند .این بردارها بهعنوان تعبیه کلمه یا بردار کلمه شناخته
میشوند .تعبیه کلمات ،با آسانتر کردن انجام محاسبات ریاضی بر روی کلمات ،آنها را
برای انواع خاصی از مدلهای یادگیری ماشین در دسترس قرار میدهد .آنها میتوانند
به تعریف روابط بین کلمات و تصویرسازی این روابط کمک کنند.
اسکیپ گرمز ()Skip Grams
یکی از روشهای تجزیهوتحلیل این روابط و نزدیکی آنها استفاده از اسکیپ گرمز
است .مدل جستوجوی اسکیپ گرمز به ما امکان میدهد احتمال وجود دو کلمه
در کنار یکدیگر را در یک متن بررسی کنیم.
مثال ما در شکل ۲-۴این جمله است که «لباس خوشدوخت اما کوچک از کار درآمده
است» .کلمه ورودی با رنگ بنفش برجسته شده است .با نگاهی به نزدیکترین دو کلمه
به هم ،جفت وا ژههای اسکیپ گرمز این جمله در سمت راست نشان داده شده است.
خوش دوخت لباس از کار درآمده است کوچک خوش ،دوخت
دوخت ،لباس
خوش ،از کار درآمده است
خوش ،لباس
خوش دوخت لباس کوچک از کار درآمده است لباس ،دوخت
از کار درآمده است ،لباس دوخت
لباس ،کوچک
شخص زمان
شکل .۲-۶شناسایی موجودیتهای نامدار در این جمله «ربات مد وبالگی است که لین لوسی در
سال 2016ایجاد کرد» ،برای طبقهبندی اسامی
53هوش مصنوعی در خدمت مد
ن طبیعی
فهم زبا
فهم زبا ن طبیعی بهعنوان زیرمجموعهای از پردازش زبا ن طبیعی به چالشهای درک
زبانهای انسانی میپردازد .در حالی که پردازش زبان طبیعی در مورد خواندن زبان
است ،فهم زبا ن طبیعی با درک زبان در ارتباط است .جنبههای درک زبان مانند تحلیل
احساسات و استخراج رابطه ،هر دو ،در زیر مبحث فهم زبان طبیعی قرار میگیرند.
شکل ۲-۷رابطه بین فهم زبا ن طبیعی و پردازش زبان طبیعی را نشان میدهد.
تحلیل احساسات
تحلیل احساس روشی است برای درک احســاس گوینده درباره یک موضوع یا
منظور خاص .چندین روش برای درک احساسات وجود دارد ،از جمله استفاده از
یادگیری ماشین ،آمار ،روشهای مبتنی بر پایگاه دانش یا ترکیبی از اینها.
در حالی که روشهای مبتنی بر پایگاه دانش بیشتر به تعیین احساسات به شکلی
مشــخص و قطعی میپردازند ،روشهای یادگیری ماشــین امکان انعطافپذیری
بیشتری در معنا را فراهم میکنند.
«ریچارد ســاکر» ( )Richard Socherو دیگر همکارانش که از محققان دانشگاه
استنفورد هستند ،در مقالهای با عنوان «مدلهای عمیق بازگشتی برای ترکیببندی
معنایی یک درختبانک احساسات» از یک مدل یادگیری عمیق ،نهفقط برای تحلیل
پردازش زبان طبیعی و گفتوگو درباره خرید 54
احساسات تکتک کلمات ،بلکه برای بازنمایی کل ساختار جمله در راستای تعیین
احساسات آن اســتفاده کردند .نمونهای از درختبانک در شــکل ۲-۸نشان داده
شده است.
-
بر اساس این مدل ،جمله «این مجموعه پاییزی 2018برای این برند غافلگیرکننده
نبود» بیانگر احساسات نسبت ًا منفی است.
احساســات منفی به عبارت «غافلگیرکننده نبود» نســبت داده میشوند .این امر
در تصویر با دایرههایی نشان داده میشود که داخلشــان یک خط تیره ( )-ترسیم
شده است.
استخراج رابطه
استخراج رابطه روشی برای اســتخراج اطالعات خاص و ارتباطشان با موضوع
یک متن است .فهرستی طوالنی از روشهای مورداستفاده برای دستیابی به استخراج
رابطه وجود دارد ،اما تقریب ًا اهداف همه روشها یکسان است .استخراج رابطه به دنبال
درک مواردی مانند موضوع ،رابطه و منظور یک جمله معین است .در واقع ،بهطوری
عمومیتر در جســتوجوی روابط در متن بدون ساختار اســت .استخراج رابطه
55هوش مصنوعی در خدمت مد
بسیار مفید اســت زیرا همانطور که بهعنوان یک ماشین متن را میخواند ،میتواند
از جمالت موجود در آن متن بیاموزد ،این دانــش را در یک پایگاه داده ذخیره و در
صورت درخواست ،اطالعات را بازیابی کند.
نمونهای از چگونگی استفاده یک ماشین از استخراج رابطه را میتوان در متن زیر
و جدول ۲-۱مشاهده کرد.
«پیویاچ» ( )PVHشرکتی اســت که دفتر مرکزیاش در نیویورک قرار دارد .در
هشتم آوریل ،1976پیویاچ بهعنوان یک شرکت پوشاک به ثبت رسید.
جدول ۲-۱استخراج روابط از زبان طبیعی به دادههای ساختاریافته برای استفادههای آتی
خالصه
زبان طبیعی راهی است تا انســانها با یکدیگر ارتباط برقرار کنند و ایدههایشان
را -از هماهنگی کارها تا خرید -با هم در میــان بگذارند .پردازش زبان طبیعی این
امکان را فراهم میکند که ماشینها با اســتفاده از زبان انسانی عمل درک و ارتباط را
محقق کنند .در این دنیای جدید هوش مصنوعــی ،زبان بهعنوان یک رابط کاربری،
یافتن یک شلوار جین اندامی مشکی را سریعتر و آسانتر میکند.
اگرچه کار چتباتها با اســکریپتهای ساده شروع شــد ،اکنون آنها قادر به
ترجمه کامل جمالت و تصاویر در آن واحد و بازگشت سریع نتایج مربوطه هستند.
اگرچه چتباتها غالب ًا پدیدهای رایج محســوب نمیشــدند ،به نظر میرســد به
شکلی روزافزون در حال گسترشاند .آنها تعامل آنالین را ارتقا میبخشند و امکان
تجربههای شخصیسازیشده برای خریداران سختپسند و سختگیر و بسیاری
دیگر از موارد را فراهم میکنند.
57هوش مصنوعی در خدمت مد
دهند.
تحلیل احساســات :یا عقیده کاوی ،برای تعیین تأثیرات عاطفی مجموعهای از
کلمات مفید است.
خزندههای وب :نوعی نرمافزار که یک وبسایت را برای دریافت اطالعات اسکن
میکند ،محتوا را میخواند و آن را به دادههای ســاختیافته تبدیل میکند .از آنها
اغلب در موتورهای جستوجو استفاده میشود.
ترجیحات اندازه و تناسب :اندازهای که فرد ترجیح میدهد و روشی که دوست
دارد لباس متناسب با آن دوخته شود .بهعنوان مثال ،میتوان این ویژگی را «لباسهای
راحت» در مقابل «لباسهای اندامی» تعبیر کرد.
اسکیپ گرمز :در الگوی اســکیپ گرمز ،بهجای حدس یک کلمه ،چندین کلمه
حدس زده میشود .در این الگو ،یک کلمه بهعنوان ورودی داده شده و دو کلمه قبل
و دو کلمه بعد از آن حدس زده میشود .ممکن است شکافهایی بین کلمات وجود
داشته باشند که در حین تحلیل کنار گذاشته شوند.
اولویت سبک :اولویت مصرفکننده هنگام انتخاب سبک لباس .بهعنوان مثال ،در
انتخاب شلوار جین ،این اولویت میتواند به «شلوار جین اندامی» در مقابل «شلوار
جین دمپاگشاد» اشاره داشته باشد.
توکنیزاسیون :فرایند تبدیل یک سری از کاراکترها به توکنها (اغلب کلمات).
تعبیه کلمات :اعداد یا بردارهای واقعی که با کلمات ترســیم شــدهاند .همچنین
بهعنوان بردار کلمات نیز شناخته میشود.
هیچ ندیدهای هنوز
انتشارات
برای سفارش اینترنتی این کتاب به وبسایت انتشارات راهپرداخت مراجعه کنید
way2pay.shop
Artificial
Intelligence
for Fashion
How AI is Revolutionizing
the Fashion Industry
―
Leanne Luce
ISBN :978-622-7702-11-8
انتشارات
نوآوری و فناوری ناشر
9 786227 702118