【写在前面】6月25日,纽约,基于聊天的人工智能购物助手 Daydream 正式上线。跟我之前试用的内测版相比,交互界面依然与开云集团旗下数字创新试验场KNXT在23年就推出的 Madeline 应用类似,增加了造型师推荐的功能「Stylist Picks」(目前数量很少,供应显然不足)。这家种子轮拿到5000万美元融资的公司,在随后的 WWD 和Vogue Business等媒体报道中围绕 《AI如何帮你完成时尚搭配》做了分享:对比 ChatGTP 和 Google 同样是对话式的Agentic Shopping,Daydream自称提供了一个名为Brand Mapping的核心技术:“我们一直在研究服装图片,以识别其客观和主观属性,并确保其标准化。方法是将每件商品放入其自研AI 系统中,通过十几个小模型为商品添加更详尽的描述,力图比一般 AI 平台更精准的方式分析廓形、面料和悬垂性等细节,在个性化搜索中发挥关键作用。”这与我在本系列笔记中所谈的「时尚图谱」异曲同工。正如在 Styling Grap(1) 中写到的,对比过去在电商网站上不厌其烦的勾选无数filter,反复推敲自己的搜索query,对话式购物提升了一些效果,然而实现AI 个性化推荐是正确但最艰难的事。

Daydream团队相信通过Say More功能让用户以自然语言说出更多需求能够改善算法,这的确复刻了高转化率的实体店零售中与私人造型师对话的old fashion way。但是,这种模式可能只适合“资深”的重度时尚爱好者,包括Brand Mapping,似乎也意味着它是以品牌为核心的导购思路。这要求顾客对品牌所代表的设计与文化具备深刻的认知,否则很多时候门槛依然很高,消费者对描述自己要什么甚至理解AI的回覆是茫然无措的。另外,对于新一代年轻消费者来说,品牌因素在决策中的重要性可能也不如从前了。因此,我主张在语言问答的同时,人工智能购物助手还应该考虑重建「灵感获取 → 购物链接」的路径,这不仅与购物效率相关,还有购物过程带给我们的探索乐趣。时尚除了用于穿衣打扮,也是我们社交货币中重要的知识资本。过去,视觉为主的时尚内容来自纸质杂志或者社交媒体,借助AI能够颠覆传统的体验。当然,Say More的最大好处是建立消费者自己的标签画像,这个数据飞轮的效应是双向的,正如我们面对所有AI平台一样,问题是你愿意交出多少隐私来换取个性化服务?

欢迎订阅我的笔记: 数字时尚

1R-019 原文插图

Photographed by Steven Klein, Vogue, September 2003

Styling Graph (1)(2)(3)

共同的前言

(读过Graph-1 的朋友可以直接跳到Part-2 文本术语部分)

在通用模型基座已经达到落地可用标准的当下,「领域知识」成为阻扰时尚行业AI Mass Adoption的瓶颈之一。Google的Agentic智能购物采用了Shopping Graph,构建了产品-卖家-品牌-评论之间的语义网络,但这种围绕「产品知识」的图谱,无法捕捉超越客观属性的细致美学、文化和主观意义。另外,在众多杰出的生图模型中,也因为对时尚风格的理解局限,导致生成的换装可控性总有遗憾。我想时尚领域知识应该还需要另一图谱用于构建视觉元素的语义网络:「时尚图谱」Styling Graph。

无论是GPT-4V还是Gemini 2.5 Pro在通用视觉理解上也只有70分,更谈不上精准的时尚生成(包括自然语言问答、生图生视频)。对此,我将分三篇系列文章从跨学科(社会学、语言学、符号学、知识管理、时尚心理等)角度,首先抛砖引玉,在理论层面尝试提出可能改进时尚视觉语言模型(FVLM)的三角研究框架:【视觉特征←→文本术语←→规则逻辑】。下一步的工作是将这些抽象思想转化为具体的计算模型、数据结构和算法,构建一个具有明确评估方法论的稳健实验设计。

最终的目标是让三角框架能用于构建视觉语言训练(VLP)的数据库,结合检索增强生成技术( RAG),为视觉语言模型(VLM)扩展能力边界,缓解模型的知识固化、长尾知识缺失与幻觉问题,使用知识图谱支撑大模型的可解释性。考虑到Agentic端到端流程场景,将其装配到两个“大脑”,供给端的专家Agent,以及用户消费端的决策Agent。每个Agent有——一个知识图谱后端确保答案正确且符合上下文,一个LLM 前端确保交互自然。

从更广阔的角度看,如果能够成功解决这些挑战,该方法将为其他需要主观解释、文化语境和隐性人类理解的领域(如艺术、设计、烹饪等)提供一个构建“文化智能”人工智能系统的蓝图。为泛化多模态知识图谱提供一个强大的范式,弥合人工智能研究中长期存在的鸿沟。

1R-019 原文插图

Part-2 文本术语

Language of Fashion

大语言模型(LLMs)能力不断增强,我认为人类大部分时尚知识已经散落在模型庞大的语料库中。但是它也同很多像我们这样的专业人士一样,这些Know How 仍然属于大脑中的隐性知识,并没有被结构化显性提取。

知识可以归纳成四种:知道自己知道的,知道自己不知道的,不知道自己知道的,不知道自己不知道的。针对这些无论是在“语义树”上缺失的枝叶,还是“语义网络”上没有被连结的块茎,导致LLMs在处理快速发展的潮流趋势和流行文化细微差别方面具有局限性:

知识抽取困难

“时尚语言” 隐晦且多变,充满多义词与语境敏感词。LLM在缺乏特定上下文时容易误判术语含义,尤其当术语存在同形异义时,自动化抽取实体和关系的准确率仍有待提高。

知识融合复杂

时尚符号解释需要关联社会学多元领域,这些长尾概念在通用语料中出现频率低,LLM对隐性知识相对缺乏显性记忆,不同抽象维度的数据源之间实体消歧和关系对齐影响知识图谱的一致性和完整性。

知识更新频繁

时尚潮流更新快,新术语、新概念标签层出不穷,轮回出现的风格可能改头换面,相同术语也可能含义截然不同,知识需要频繁更新以保持时效性。

1R-019 原文插图

从「知识管理」学科角度看,之前很多工作已将「数据」升维成「信息」,但如果不能用于“对齐客户需求”的推理,就还称不上高浓度优结构的「知识」。举个最简单的例子,「产品图谱」会知道“blouse”是“shirt”的一种,帮助引擎理解意图和上下文。如果进一步将它与「时尚图谱」中的风格释义链接起来,可以大大降低用户使用时的挫败感和跳出率,并通过更智能的推荐来提升追加销售/交叉销售。另一个好处是可解释性:实现诸如“为什么向我推荐这个?”之类的功能。

在Part-1中,我们讨论了:当FVLM识别出一件衣服的特征后,可从「时尚图谱」中获取对应的物质属性之外的术语定义,再反馈给模型以增强模型的推理和回答能力。例如,模型识别出图片中是“无袖红色碎花连衣裙”,传统时尚推荐或搜索多采用端到端深度学习,往往只能找到外观相似的结果,缺乏对更深层次时尚概念的理解。而「时尚图谱」可检索“碎花图案”关联的风格(可能是夏日度假风,又或者是向往异域风情的都市Boho),帮助模型给出更丰富正确的描述或推荐。这种紧密耦合有望让模型具备感知-语义-推理的一体化能力。

目前研究人员和开发者已经在时尚知识的术语一致性(严格层级体系)、属性完整性(强制填充结构化字段)、基础搭配关系链(规则显性化),甚至在更深入的学科专业知识(理论书籍和论文、色彩学、轮廓比例经典原则等)、行业趋势(权威机构发布,媒体报道等)、用户行为建模(社媒大样本偏好)各个方面做了很多工作。但这些系统依然难以从物理属性级别的编码逐步上升到符号意义层面的建模。最终面对用户,由于缺乏可解释性(XAI),“黑森林迷雾”进一步破坏了信任。

1R-019 原文插图

如何拨开时尚语言的迷雾

本轮人工智能革命的核心引擎是基于 Transformer 架构的大语言模型(LLMs)。人类智慧的显性表达载体是语言,LLMs在语言层建模,也就间接触及了知识、逻辑、情感、观念等。那就让我们回到“语言”这个古老的学科。

哲学家勒内·笛卡尔说的“我思故我在”将“思维”视为人类本质,而语言正是是思维的外化形式。马丁·海德格尔将语言提升到存在论高度,认为人通过语言与世界发生关联,赋予经验以意义。语言哲学家路德维希·维特根斯坦提出语言的意义存在于其使用的语境和生活形式中。霍金说也认为“语言是人类文明的基石”。所以,我们也可以说是语言定义了时尚。

20世纪法国著名的思想家罗兰·巴特在他的时尚研究中提出这样一个观点:我们每天所穿的“真实服装”(real cloting)次生于“修辞符码”(rhetorical code)。我们可以把修辞理解为服装是如何被转译为语言的。他说:当我们注视“意象服装”(image cloting,也就是我们前文提到的时尚图像视觉)的时候,我们就是在阅读一件被修饰过的衣服,没有语言,时尚便失去了精髓,不再完整。而这套语言符码的另一个部分就是“书写服装”(writing clothing,我们前面也提到的文本描述)。他还有一个观点“仿佛”预言了今天的VLM技术:图像中凝结的无数可能性都被文字约束为独一的确定性,是语言为图像带来知识。

十几年前,我还是时尚主编的时候,我的CEO 就教导我们用「符号学」来启发创作,这是她年轻时在巴黎的主修课程。优秀的时装杂志作品,功能不仅在于提供一种复制现实的样式,更主要是把时装作为一种意义加以传播。解释时尚其实就是利用“修辞符码”的过程。

符号学的辩证法强调,所有符号都是两种基本元素构成,一个是“能指”(signifier),即实体形式,也是我前面提到的第一层抽象。另一个“所指”(signified),指的是由物质能指所标记或联结的习俗与文化内涵,接近与前文我提到的第二层抽象。因此符号学提出一个非常雄辩的观点:一切事物都可以在符号层面解读。

后结构主义学者也对此做了补充,符号意义具有流动和开放性。时尚深嵌于时代语境,这也是时尚的最大特征,即迅速且持续的变化。比如“牛仔裤”,在时尚的历史上没有任何一种服装比它更充分表达了这一点。牛仔裤的“能指”是一种靛蓝染色棉布的裤子,在19 世纪原始“所指”是代表户外劳动者的最底层穿着;在20世纪40 年代由工人阶层战时配给转向表达抗争与民主的艺术家群体;而在5/60年代“垮掉一代”看来,它象征颓废反叛精神;到了80年代婴儿潮一代成为都市社会精英,它又成为一种象征自由与征服的美国精神……意义的不断变化直到今天,某些款型也许只代表着“我想隐形于普通人中”。

1R-019 原文插图

利用知识图谱嵌入(Knowledge Graph Embeddings)技术(如TransE、ComplEx、RotatE),将数据集中的“时尚语言”基本单元: <主 (Subject), 谓 (Predicate), 宾(Object)> 三元组映射到向量空间,使得模型能够学习实体(服装属性、概念)和关系学,从而捕捉“能指”与“所指”之间的复杂语义关系 ,相关领域仍有大量工作需要推进。

比如通过在大量时尚领域特定数据集(时尚杂志文章、设计师访谈、社交媒体时尚评论、时尚趋势报告、理论书籍等)上对通用LLM进行二次预训练,用微调或增强LLM以处理“时尚语言”中的多义性和语境敏感性;以及用于消歧的提示工程策略,编写清晰、具体、结构化的指令,明确要求LLM识别和描述时尚元素,并提供相关上下文,从一个宽泛的概念开始,逐步添加细节和限定条件,引导LLM进行更精确的推理 。

少量样本学习:

利用LLM的推理能力,在少量标注数据(few-shot)的指导下,为新的时尚类别或概念生成精确的描述 。这些描述可以作为零样本学习(zero-shot learning)的指导,从而在只有少量甚至没有标注数据的情况下对新项目进行分类。

时尚图谱更新持续学习:

时尚图谱在不断接收新知识(如新趋势、新设计师、新文化符号)的同时,有效保留旧知识,避免灾难性遗忘 。图谱的本体论(ontology)需要具备动态适应性,能够根据时尚领域的变化(如新风格的出现、旧风格的复兴但含义不同)进行调整和完善。持续从社交媒体、时尚媒体报道、行业报告等多样化来源获取数据,并将其整合到图谱中。

专家在环(Expert-in-the-loop)主动学习:

结合主动学习(Active Learning)策略,让领域专家参与到数据标注过程中 。当模型对某个时尚概念(特别是主观意义或新兴趋势)的理解不确定时,系统可以主动请求专家对最具信息量或最模糊的数据进行标注 。这种方式能够高效地获取难以量化或形式化的隐性知识 ,并将其注入到模型中,从而提高模型对新颖搭配或违反常规组合的判断能力。

1R-019 原文插图

待续……

To Be Continue

当语言沉默时,符号依然在说话。

伟大的欧洲哲学家维特根斯坦曾说:“语言的界限即世界的界限”(What we cannot speak of, we must pass over in silence)。美学、伦理、价值观等意识形态领域“形而上”的内容,只能通过“沉默”或“显示”间接体现。回顾本文中讨论的其他思想家,比如索绪尔的符号系统,巴特的神话理论,福柯的话语权力分析,都强调了语言的社会性和意识形态功能,他们可能正是通过对维特根斯坦的“不可言说之物”采取符号实践,来间接显示其意义

“显示” 恰恰是视觉语言模型VLM 最擅长的领域,通过与纯文本的语义拉齐,直击人类的情感。而知识图谱正是我们破解这些“无声宣言”的密码本。

Part-3,我将探索时尚语言的游戏规则。下周见!

1R-019 原文插图

上一篇 下一篇

应用于AI的领域知识之时尚图谱 Styling 应用于AI的领域知识之时尚图谱 Styling

Graph(1) Graph(3)

个人观点,仅供参考