Moda se je v zadnjih nekaj letih močno razvila in njen digitalni del je zdaj ena tehnološko najbolj rastočih industrij v svetu e-trgovine. Spletne modne platforme so se pojavile, da bi zadovoljile potrebe potrošnikov, ki želijo ostati v trendu, a želijo tudi izkoristiti avtomatizacijo, ki jo “fizični” svet ponuja že leta. Vendar pa je z množico izdelkov v ponudbi in s tisočimi modnih e-trgovinami za kupce lahko izziv najti tisto, kar iščejo na lahek in enostaven način.
Zato je za organiziranje mode iz razdrobljenih virov e-trgovine ključnega pomena razumevanje tako vizualnih kot besedilnih informacij o izdelkih. Na lestvici 14 držav vodilnega evropskega modnega iskalnika GLAMI.group, katerega del je tudi GLAMI.si s več kot miljon milijoni sej na mesec, je to mogoče le z avtomatizacijo. Poleg tega je dovolj visokokakovostno samodejno katalogiziranje v modnem sektorju z niansami mogoče doseči le z naprednim strojnim učenjem človeka v zanki.
GLAMI od leta 2015 uporablja tehnologijo strojnega učenja, da strankam zagotovi najboljšo možno izkušnjo brskanja po modi. Danes njegova namenska ekipa AI ustvarja aplikacije, kot so priporočila za izdelke, podobnosti, kategorizacija in še veliko več, da bi vsakemu obiskovalcu GLAMI.si omogočili brezhibno potovanje odkrivanja mode, tj. možnost uporabe tehnologije umetne inteligence.
Jezikovni agnostik Merlin: večjezična rešitev z umetno inteligenco
Ključna nedavna izboljšava zaledja platforme GLAMI je bila implementacija splošnejšega in učinkovitejšega mehanizma za razumevanje izdelka. Novi sistem lahko skoraj čudežno deluje v več jezikih hkrati, kar mu daje ime Language Agnostic Merlin (LAM). Arhitektura LAM, ki so jo zgradili interni strokovnjaki in je bila izdelana po meri, uporablja sodobne tehnologije pri obdelavi naravnega jezika (zmožnost računalnika, da razume človeški jezik) in računalniški vid (zmožnost računalnika, da interpretira slike), da odkrije ključne lastnosti izdelka. LAM na primer uporablja ključno tehnologijo, imenovano Transformer, ki poganja priljubljeni ChatGPT, njegove večjezične zmogljivosti pa med drugim vodijo do manjšega števila napak na manjših trgih, zmanjšanja števila potrebnih modelov strojnega učenja in krajšega časa za širitev. na nove trge, kar je pomemben cilj za mnoga podjetja v e-trgovini.
Kakšne koristi ima GLAMI od LAM-a
Prepoznavanje lastnosti izdelka, kot so barva, velikost ali model, je pomembno za kakovost kataloga in številne nadaljnje sisteme v GLAMI. Ker LAM razume tudi slovenski jezik, ga je ekipa GLAMI AI uporabila za popolno prekategorizacijo velikega kataloga, ki vsebuje 700.000 izdelkov v več kot 200 kategorijah izdelkov, vključno s podkategorijami, kot so na primer mokasini in espadrile. S tem se je odstotek nekategoriziranih izdelkov znižal na le 1 %, hkrati pa se je zmanjšal tudi obseg strokovnega vzdrževanja na standardizirano lastnost izdelka. Poleg tega je LAM zaradi raznolikega usposabljanja robustnejši in omogoča avtomatizacijo virov e-trgovine z izjemnimi izdelki. LAM se tako zdaj uporablja za prepoznavanje več kot 130 funkcij izdelka, kot je V-izrez ali cvetlični vzorec, medtem ko ekipa AI optimizira uporabo virov v oblaku in osnovne infrastrukture.
Prihodnost umetne inteligence v modi in širše
Industrijske aplikacije umetne inteligence, ki jih vidimo na obzorju, so globoko razumevanje namenov in preferenc strank glede stila, funkcije in velikosti ter inovativni vmesniki, ki uporabljajo pogovorne ali 3D vidike, na primer virtualno pomerjanje oblačil. Konec koncev, ko se tehnologija umetne inteligence še naprej razvija, GLAMI pričakuje, da se bodo pojavile še bolj napredne funkcije, ki bodo naredile modno industrijo še bolj dostopno in strankam prijaznejšo. GLAMI-jeva uspešna uporaba umetne inteligence, podobne tehnologiji ChatGPT, služi kot navdih za druga podjetja, ki želijo razširiti svoj doseg, in tista, ki sprejmejo te nastajajoče tehnologije, bodo v ospredju trga in bodo spremenili način nakupovanja in interakcije s platformami za e-trgovino.
GLAMI bo zato še naprej uporabljal in razvijal svoje znanje in izkušnje, pridobljene pri uporabi strojnega učenja in umetne inteligence, za izboljšanje lastne platforme, pa tudi za prispevanje k AI in odprtokodni skupnosti kot celoti.