清华创业团队用AI+区块链,正试着改造奢侈品电商价值链_鉴定

新闻来源    2019年06月08日 11:06

近年来,女性在消费领域的地位与日俱增,而“包包/名牌包包”在女人心目中的地位,从“包治百病”“一包在手,天下我有”等广为流传的网络词语便可见一斑。但“哪里有流行,哪里就有高仿”,大量的高仿产品将整个奢侈品市场搅得乌烟瘴气。对于大多普通消费者来说,在鱼目混珠的包包中辨别真伪是很困难的,而一旦错买假货,本来高高兴兴的一件事就会变得无比的气恼。更别说还要承担一笔不小的经济损失,毕竟大部分奢侈品包的价格是会让人感到“肉痛的”。

基于目前奢侈品市场中存在的种种假货问题,一个拥有着深厚科研背景、在计算机视觉技术和区块链领域有着多年研究经验的团队专门成立了一家公司——图灵深视(南京)科技有限公司,旨在用人工智能技术为鉴定行业赋能。进而通过创新技术,推动奢侈品行业整个销售链条的变革,从鉴定开始,再至销售流通的物流渠道,甚至到二手市场价值评估等场景,建立起一个全新的“交易信用保障体系”。

出自清华校园的技术团队

图灵深视(南京)科技有限公司成立于 2018 年 10 月 23 日,创始团队由清华大学交叉信息研究院唐平中教授领衔,团队的核心技术人员包括来自清华大学、北京大学、上海交大、香港中文大学等国内顶级高校的博士、硕士研究生。目前包括实习生在内,公司已经拥有 30 多名员工,从技术、产品到市场、运营等岗位一应俱全。




图灵深视之所以选择南京,是因其依托于图灵人工智能研究院的优质资源而发展壮大。图灵人工智能研究院是南京市与图灵奖得主姚期智院士合作建设的新型研发机构,依托姚期智院士及清华大学交叉信息研究院的科技优势,加强南京市在 AI 领域关于科技创新、人才培养、传统产业技术升级等方面的建设,并推动 AI 领域科技创新成果的转化与落地。

作为图灵深视的联合创始人,也是这个团队的“灵魂人物”,唐平中的求学和科研经历可谓是五彩缤纷。他 17 岁考入中科大计算机专业,19 岁开始做机器人足球的人工智能研究,博士自学经济学,博士后师从于卡耐基梅隆大学的“德扑 AI 之父”Tuomas Sandholm 教授。

图|唐平中:2018 年《麻省理工科技评论》“35 岁以下创新 35 人”(Innovators Under 35 China)中国区榜单之一

唐平中在人工智能和博弈论交叉领域有着独到的见解,他在计算经济学的研究成果不仅在社会效益上取得过巨大成就,还曾帮助千万中小商家和阿里、百度等互联网巨头以低转化成本达成业务目标。而在现今的研究方向上,他对可信赖的电商平台兴趣浓厚。

他表示,目前电商在逐步朝着垂直化的方向发展,类似于“小红书”“寺库”和“毒”等类型的 APP 平台都是典型代表。与此同时,二手电商市场如“闲鱼”和“58 同城”等 APP 的活跃度也在逐渐提高。随之而来的,大量涉及商品真伪的问题将会极大程度地影响用户或消费者对垂直电商平台的信任度,更有甚者,可能会影响大众对假货所挂品牌的市场认可度。

但如果要求电商平台来对商品的真伪进行鉴定,首先无形之中增加了平台的运营成本,而这部分成本最后必然会“羊毛出在羊身上”。而且,鉴定人员是否专业、鉴定的准确率是多少、鉴定出来的商品是不是真的就是消费者最终拿到手的商品等问题依然会困扰着广大用户。

正是这些问题的存在,促使了唐平中使用“AI 技术和区块链”联手来帮助用户在没有平台交易成本下进行高价值商品的交易。同样,这也是图灵深视公司创立的初衷。

如何鉴定奢侈品包并保证其唯一性

Louis Vuitton、Gucci、Chanel、Prada 等国际品牌想必大家都耳熟能详,这些品牌的皮包大多设计精美、充满时尚魅力,但通常也“价格不菲”。那么确保自己花大价钱买来的包是正品,而不是让自己发现上当受骗后愤怒的来源,判断皮包的真伪就显得尤为重要。

唐平中团队依托清华大学计算经济学实验室多年的科研成果,对产品进行了二次开发,现已成功落地到 AI 奢侈品鉴定这一场景上。唐平中表示,目前他们的产品应用范围已经基本覆盖了现有的国际一线品牌,并且在微信中建立了一个叫做“包小鉴”的公众号,里面包含的鉴定奢侈品包真伪的小程序是向用户开放的初期试验性产品。

图|小程序截图

目前“包小鉴”开放了对 LV 和 Gucci 两个品牌皮包鉴定真伪的功能,用户只要根据要求拍照、上传皮包对应位置的照片,经过系统分析,程序就会提供一份真伪鉴定报告。对 LV 皮包的鉴定,只需要提供 2 张照片就可以完成,包括一张包的皮签照片,另一张则要求是“五金”的照片,主要包括拉链头、锁扣头和铆钉等金属件。

图|LV 的皮签照片示例(来源:采访对象提供)

图|LV 的“五金”照片示例(来源:采访对象提供)

相比于 LV,鉴定 Gucci 的皮包则需要多一张照片来分析,要采集 Gucci 皮包的皮签、数字皮签和“小黑标”3 个位置的照片。

图|Gucci 皮签、数字皮签的照片示例(来源:采访对象提供)

图|Gucci 小黑标的照片示例(来源:采访对象提供)

在这看起来“平平无奇”的鉴定背后,实则包含了唐平中团队在计算机视觉技术上多年的积累和突破。计算机视觉是教机器如何“看”的科学,也是人工智能的重要分支之一。唐平中团队采用了目标检测、语义分割、文字识别(OCR)、生成式对抗网络(GAN)等技术,来让计算机懂得如何“分辨”各个品牌的皮包并鉴定其真伪。与人们了解较多的人脸识别技术相似,对皮包的真伪鉴别也是通过对其特定位置照片的检测进行语义分割(在图像领域,语义代表图像的内容,分割则表示从像素角度分割出图像中的不同对象),并对原图中的每个像素进行标注,随后在 GAN 这个深度学习模型中进行分析判断。

一个优秀的 GAN 应用需要有良好的训练方法,而关于奢侈品包的海量图片训练,其实是一种“dirty work”,但任何一个能落地的人工智能应用背后必不可少的就是这些看似乏味、重复、简单的“脏活儿”。正是这些积累,让目前公司的产品对 Gucci 皮包的鉴定准确度已经高达 99%,鉴定 LV 皮包的准确度相对低一些,但也有 95%。

那么,同样款式的皮包会不会出现鉴定误差?唐平中说:“正如世界上没有完全相同的两片树叶,也不会有完全相同的两个人一样。即使是同一款式的皮包,在识别系统中也有着很大差别。比如,如果扫描两个相同款式的 LV 皮包 150 个像素点,可能只有 30 多个点是一样或者说相近的。而用来鉴别真伪所分析的数据量级,远远不会因为相同款式而出现误差。换句话说,每个包的存在也是独一无二的。除了相同款式的问题,我们团队在算法的应用上针对不同拍照设备的差异、环境光线影响等多种对鉴定结果可能产生影响的参数变化都做了全面的准备。”

可能有人认为,为了鉴别真伪考虑这么多很浪费精力,买奢侈品包一定会到门店、专柜或者官网去,以求安心。那么通过这几个渠道就一定保真么?当然,在门店或专柜遇到假货的概率是极小的。但前两年就曾有新闻报道过,一名居住在美国得克萨斯州的泰国女人在购买大量山寨高仿名牌皮包的同时,在美国购物网站和百货公司的专柜买正品皮包,随后通过各种理由用高仿皮包退货,并将正品放在网上二手售卖来获利。这种“狸猫换太子”的行为持续了近两年时间才被商场发现并报警,这期间她累计非法获利近 50 万美元(约合 300 万人民币)。

除此之外,海外购物时售货员在顾客付款后悄悄掉包或者商品在物流过程中出现问题的新闻偶有出现。面对这些情况,单纯的鉴定真伪已经不足以完美解决奢侈品交易的信誉保障问题,所以唐平中团队在使用 AI 计算机视觉技术的同时,还引入了区块链技术来对每个包进行“唯一标识”。

说起区块链,人们想到的可能是比特币这类虚拟数字货币,但实际上区块链的本质是用来解决信任问题、降低信任成本的技术方案,目的就是为了“去中心化”。之前人们对产品、商店的信任通常来源于品牌或者权威机构认证等,但区块链通过技术手段可以建立起一套新的信任体系,它是可以被量化、被数据记录且不可篡改的。

比如一个 LV 正品包在制成之后,对上述几个角度拍摄的照片进行识别分析,并将这个包所产生的数据信息命名为“LV 包包 01”上传至唐平中团队研发的数据系统中,这就相当于在一个“信用保险箱”里给该皮包打上了唯一标识,创建这个包独有的数字标签。同时,为出厂时刻的数据盖上“时间 001”的时间戳。随后,顾客通过电商平台或专柜等渠道购买这个包,再对特定位置拍照上传。在系统“验明正身”后,就可以开心地背出门了,同时生成新的时间戳“时间 002”来表示顾客将这个包购买到手的状态。

图|区块链保证包的“唯一性”

而之后不管是把自己心爱的包包送去保养,还是放到二手平台转卖,都不用担心出现被赝品掉包的情况,因为可以再次拍照鉴定,并生成代表下一状态的时间戳“时间 003”。这样,从生产厂家到店铺、店铺到消费者(甚至“多手”消费者)的整个流程中,奢侈品包的保真问题就得到了妥善的解决。

对未来商业模式的计划

唐平中表示,从长远角度来看,产品的设计分为“to B”和“to C”两种应用模式。但鉴于目前公司正处于创立初期,现阶段的主要精力将投入到“to B”的应用上,而“to B”的商业模式也分为:面向电商平台,例如寺库、毒、闲鱼等一手及二手交易 App;以及面向典当行的应用。

目前“毒”和虎扑社区的“鉴定中心”等平台都有类似的拍照上传鉴定功能,但区别是他们仍然要通过“鉴定师”肉眼识别商品的真伪。顾客需要付出一笔“鉴定费”不说,关于鉴定结果是否准确的问题也始终活跃在搜索引擎的问题框里。

图|“毒”平台的在线鉴别须知(来源:毒 APP)

而唐平中团队的产品针对于电商平台,通过“人工智能+区块链”的结合,以实物精细化 AI 鉴定功能、自研的数字签名技术手段生成无法伪造的防伪标识,来对电商平台进行“信用背书”,使得电商平台的交易变得更加透明可信。同时,由于只需要视觉设备便可区分唯一的目标商品,还解决了商品流通过程中可能出现的掉包、替换等不信任环节。

唐平中认为,奢侈品包只代表了一部分细化商品类型,而“实物 AI 鉴定+唯一数字签名”这种手段则标志着一个全新的电商平台信用保障模式,就好像一些品牌的限量款运动鞋,全球限量发行 5 万双,可能在某些电商平台上就有 50 万双的销售记录,这些问题在技术层面上逐渐都可以得到解决。当然这也需要大量来自“B 端”的图像等数据作为支持,这也是为什么先要集中精力投入在“to B”模式的应用上。

而对于典当行,可能很多人对它的了解都来源于影视或文学作品,但实际上典当行是目前社会小额抵押贷款的重要来源之一。而运用上述技术,可以帮助典当行的鉴定师准确地对抵押物品进行估值判断,避免被赝品欺骗而蒙受损失。同时,在抵押物品主人回购或者出售“死当”物品时,保证了物品的唯一性,避免被替换。

至于“to C”的业务,现阶段则会推出类似“包小鉴”这种小程序,作为一个测试性质的产品来让 C 端的用户尝试体验。

对人工智能与经济学的看法

从一名在人工智能和经济学交叉领域学习的优秀科研学者,再至以经济学角度将人工智能落地创业的创始人,唐平中对这两个领域有着深刻的理解与认识。

对于人工智能与经济学之间的关系,唐平中认为两者本身就是相互交叉的。经济学是研究人类经济活动规律,并对未来发展加以预测的学科。而人工智能的出现,推动了经济学的发展,使其能完成对过往不可能达到的海量规模的数据进行分析,有助于得到更精准的推论。同时,经济学又是帮助人工智能寻找落地点的重要途径,像 Google 旗下的 DeepMind 公司(AlphaGo 的研发团队)一年亏损高达 27 亿元人民币,那么如何在经济领域找到人工智能的落地点就显得极为关键。

目前在商业零售领域的人工智能应用,主要目的是为了完成“用户画像”,而用户画像的根本则是为了更精准地进行广告投放。让各个商家(包括线上平台和线下实体店面)更加“了解”用户,以便提供更“贴心”的服务。但唐平中则结合他在人工智能和经济学领域的深刻理解,走出了一条建立新型电商平台“信用保障体系”的道路,这将极大地推动电商平台交易透明化和提高商品保真度的进程,对电商行业的整体发展有着重要意义。

-End-返回搜狐,查看更多

责任编辑:

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。


新闻来源


CryptoCurrencyCNYChange 1hChange 24hChange 7d
Bitcoin33,872 0.26 % 1.07 % 0.13 %
Ethereum1,494.6 0.04 % 0.90 % 10.92 %
XRP1.960 0.55 % 1.45 % 5.52 %
Bitcoin Cash2,179.3 0.30 % 0.53 % 0.94 %
Litecoin521.96 0.76 % 1.08 % 4.47 %
EOS27.15 0.24 % 2.02 % 6.41 %
Tether7.120 0.16 % 0.04 % 0.14 %
Binance Coin197.40 2.02 % 8.22 % 11.83 %
Bitcoin SV844.51 0.22 % 2.15 % 0.80 %
Cardano0.3481 0.36 % 0.39 % 4.83 %
Stellar0.4798 0.87 % 2.28 % 16.64 %
Monero461.20 0.03 % 1.56 % 3.38 %
TRON0.1201 0.27 % 5.55 % 8.51 %
LEO Token7.620 0.43 % 0.74 % 0.12 %
Huobi Token28.30 0.38 % 0.85 % 1.89 %
Tezos7.510 2.23 % 1.27 % 5.28 %
Dash805.40 0.20 % 1.77 % 9.06 %
IOTA2.060 0.44 % 1.69 % 16.13 %
OKB19.04 0.31 % 3.12 % 3.37 %
Cosmos20.19 0.50 % 3.40 % 17.95 %
Ethereum Classic38.85 0.12 % 1.75 % 3.58 %
ChainLink13.10 0.41 % 0.63 % 13.96 %
NEO64.25 0.09 % 1.84 % 0.61 %
Ontology5.550 0.78 % 1.07 % 3.04 %
NEM0.3183 0.49 % 0.18 % 4.24 %
Crypto.com Coin0.2759 0.64 % 1.14 % 0.25 %
Maker4,974.6 0.05 % 0.47 % 3.56 %
USD Coin7.120 0.15 % 0.04 % 0.04 %
Zcash551.82 0.36 % 0.62 % 2.85 %
Dogecoin0.01718 0.39 % 0.83 % 3.09 %