科技巨头亚马逊、谷歌和脸书（Facebook）均已利用机器学习提供穿搭建议。时尚造型是否会成为人工智能（AI）颠覆的下一个领域，抑或人类审美仍将主导？
目前下定论为时过早，但了解机器学习的优势及其与时尚本质的重叠之处，有助于做出合理推测。
打造理想造型
机器学习擅长在物品组中寻找模式与共同特征。
凭借这一优势，Google Lens和Amazon Style Snap可从照片或视频中识别服装，并提供他人穿搭方式或购买渠道等信息。
这类似于时尚杂志拆解名人造型的功能。通过让消费者重现影视、杂志及T台秀中的造型，它推动了造型设计元素的普及化。
亚马逊更进一步，将服装与网红造型数据库链接，为顾客提供创意灵感；若顾客购买相关衣物，网红还可获得分成。
该系统潜力巨大，但效果取决于输入数据质量。庞大且多样化的数据库能展现非主流文化和审美标准，帮助人们寻找同好；但若来源单一，则易导致结果千篇一律。
机器中的造型师
计算机时尚的下一步——利用AI提供造型判断——目前成效尚不显著。
亚马逊Echo Look是一款语音控制相机，旨在充当造型助手。它使用机器学习算法比较两张照片并评分，但市场反响平平。
该服务难以成功，因其忽视了许多时尚设计基本原则。
例如，许多网红展示的造型仅含正面视角。缺乏全貌便无法正确搭配服装。此外，大多数造型原则还需考虑穿着者体型、合身度、个人性格及场合。背景、象征意义、怀旧情怀和个人偏好同样重要。
AI助手无法处理这些细微差别。要想取得成功，机器学习工程师需更深入理解时尚，并为AI设定具体且有价值的执行任务。
算法式装扮
Facebook的实验性项目Fashion++试图指导用户改进着装。
该软件理念是对服装进行“最小编辑”，如塞衬衫、卷袖口、改下摆或移除配饰等。若某服装在数据库中受欢迎，AI便会学习相应编辑方式以提高评分，从而将其定义为“时尚”。
这严重简化了时尚设计的实际运作。仅模仿流行元素并组合，并不能保证打造出美观造型。
统计上最流行的造型（即“众数”），未必真正时尚或“时髦”。
当你上传衣物图片时，Google Lens图像识别系统会提供网络上的类似造型。Google
你衣橱里的间谍
随着我们拍摄渴望之物、流媒体传输视频或上传内衣照，应牢记数据正被存储和挖掘。对于数据挖掘公司而言，我们的个人信息及其对行为的影响能力，正是其向广告商出售的目标。
即使不担心数据泄露，AI产品也可能鼓励不必要的消费，而非真正提升吸引力。通常，人们寻求造型师帮助或第二意见，目的往往不在于服装本身。
有些人需要认可或关注，或固守自身风格，这些特质使其更具吸引力。时尚造型服务于多种功能：营造美感、展现力量、吸引伴侣或让穿着者感到特别。即便有造型师和新衣助力，也无法保证实现这些目标，一款应用程序更难胜任。