
、创新与技术方面的探索同样硕果累累。
自2012年以来,欧莱雅一直经营着自己的科技孵化器项目。2019年,欧莱雅集团提出“全球首家美妆科技公司”的目标,以美容与技术的交汇点作为主干思路,聚焦增强现实、虚拟现实、大数据、人工智能等新科技。
本文梳理了欧莱雅的的科技孵化器项目,以及包括皮肤数字化诊断在内的一系列AI应用方向。
欧莱雅的技术孵化器
欧莱雅公司的首个孵化器实验室建于新泽西州,此后又陆续在旧金山、巴黎以及东京开设了其它实验室。这些实验室专注于少数特定产品——例如结合应用、可穿戴设备以及配套装置,共同实现化妆器械联网并以定制化调整满足客户的特定需求。各孵化器实验室与企业家及学术界能力合作,致力于利用技术开发出最新、最科技的产品。
Makeup Genius
2015年,孵化器项目推出了一款APP,叫做Makeup Genius。想必大家对这种“试妆”类别的移动应用不会陌生,主要借助增强现实技术,让用户在购买产品之前就可以看到自己面部使用产品后的妆容效果。
操作也很方便,用户只需上传自己的面部图像,或者直接使用设备相机,即可体验化妆品,还可以利用滑动功能比较产品使用前后的差别。
智能发梳
孵化器项目推出的另一款产品,是一款智能发梳,与智能技术制造商Withings and Kérastase(欧莱雅公司的高端护发品牌)合作开发。这款发梳配备电导率传感器、加速度计、陀螺仪、麦克风、蓝牙以及Wi-Fi连接,用以收集技术指标并将其上传至算法处,算法能够利用这些信息针对每个人提供最佳护理方式和个性化产品建议,旨在帮助消费者更轻松地养护头发。
欧莱雅生产设施中的技术
除了传感器、相机以及激光器之外,IBM的Watson物联网平台也为欧莱雅带来了能够应对工业4.0挑战与机遇的新型生产设施。如今,客户的要求越来越高——他们希望有最适合自己的配方解决具体问题,或者满足个人喜好。而IBM技术的介入,帮助欧莱雅的生产设施迎来更高的响应能力与敏捷性,有望逐步满足这些韧性于个人的需求。
Facebook Messenger Bot
为了在会话当中贯彻欧莱雅公司的营销信念,美妆巨头还与Automat Technolgies合作推出了Facebook Messenger Bot,用于同客户进行更具个性化的对话(并最终促成销售)。
该聊天机器人由人工智能驱动,能够以对话的方式与客户沟通,并引导消费者在轻松交流之余表达自己的个人偏好。
该公司首席数字官Lubomira Rochet在采访中表示,“我坚信AI技术与互联网本身一样伟大。”
简化招聘与雇佣流程
欧莱雅公司还将人工智能引入自身招聘与雇佣流程当中。作为一家每年开放约15000个职位的大型企业,欧莱雅需要处理近百万份申请,因此其开始尝试利用AI技术帮助员工摆脱令人头痛的简历筛选。
Mya是一款聊天机器人,它能够处理候选人提出的问题,从而在招聘早期帮助欧莱雅节约大量宝贵的时间。此外,它还能够检查各项重要细节,例如求职者是否尚未找到工作,以及签证的当前状态等。
接下来,求职者需要面对Seedlink,这款AI软件负责评估他们在开放式面试问题中给出的答案。这款工具能够找到在简历审阅过程中被忽略的求职者。
该公司招聘人员表示,在一次从12000名候选人中选出80名实习生的过程中,该软件帮助他们节约了200个小时的工作时间。
AI支持皮肤诊断
通过对AI/AR厂商ModiFace公司的收购,欧莱雅如今获得了通过现场视频提供美容产品试用模拟的新型技术工具,可为客户提供皮肤诊断方案。在收购当中,Rochet通过声明指出,“凭借着收购ModiFace,我们开启了欧莱雅公司的第二阶段数字化转型,即专注于通过语音、AR以及AI等技术重塑美容体验。”
利用深度学习技术,该工具利用ModiFace的AR功能配合欧莱雅的照片数据库、皮肤老化专业知识与皮肤老化映射集,能够在女性消费者将自拍照上传至公司网站后提供个性化的产品使用指导。在2019年初以Vichy SkinCounsultAI产品的形式在加拿大推出之后,这套方案将在今年年内实现全球上市。
好文章,需要你的鼓励
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。