许多原先极大地仰仗个人及其经验的工作会被人工智能所取代，下一个这样的职业也许是时装编辑——为时装大片或是街拍照片标注照片内服饰、饰品的品牌、款式、型号、上市时间或是色号……一家叫Cortexica的视觉识别公司，通过他们的核心技术就可以做到这些工作，并且，他们想要借此来打通线上和线下的商品浏览和购物。
Cortexica是五年前来自于英国帝国理工大学的人工智能研究成果。起初，这项研究是为了医学图像的识别而搭建算法。我们此前在《百度首席科学家Andrew Ng：如何从“机器学习”到“复制人类大脑”》中，介绍过人工智能和深度学习的一些理论基础和原理。和“复制大脑”这个原理非常类似，来自帝国理工的研究学者Jeffrey Ng博士和另一位研究成员，也是通过研究人脑在接受到光线时大脑的反应方式，以及大脑接收到信息之后对信息进行的处理方式，随后借此运用GPU搭建模拟网络来进行图像识别、人脸识别等研究的。
2010年，eBay和Cortexica进行了一个实验性的测试，主要通过Cortexica的识别技术来提供汽车信息。通过照片，Cortexica的技术就可以提供出汽车的型号、品牌、出厂年份等信息，方便用户在eBay上卖车。
受此启发，eBay想把这样的识别技术用在更广的产品类别上。这家最大的线上购物网站发现，一个女性用户要在eBay上找到自己需要的东西，需要点击8下鼠标，而他们希望缩短这个流程，在不需要点选品牌、款式、颜色等筛选项，就搜索出用户想要的产品——精简的流程让用户可以将商品的搜索即时搬到移动设备上。比较典型的应用场景是，许多街拍时尚达人的照片，当用户使用识别技术时，就可以找到相似或者甚至是相同款式的衣帽鞋包。
在18个月和eBay的合作过程中，他们开发出了Find Similiar，这款产品和此前专注研究的精确匹配不同，它着重进行颜色、图案和突出特征的匹配，用以进行相似产品的推荐。Cortexica的副总裁Steve Semenzato对PingWest说，和eBay的这次合作对他们塑造公司方向起到了很大的影响。
Cortexica的视觉识别准确度并不是业界最高的——事实上，随着机器学习、图像识别等概念的推广，每项研究和核心技术会在不同的专长领域寻找突破，比如一些公司擅长人脸识别，而另一些数据在文字识别和转化上更强一些。他们最终决定把这项技术带入时尚领域，Steve说：“时尚行业是那么多行业中少有的主动寻找和需求我们这类产品的行业。时尚行业是对这个技术有最正面积极反应的行业。”
现在，他们开发出了一款Chrome插件，用以向人们展示背后的核心技术，我们此前报道过的华人创业团队Orbeus也有类似的做法。在打开这款Chrome插件后，用户可以在任何一张搜索来的图片上应用，在新打开的标签页（tab）中，用线框选择出想要搜索的服装或单品，随后可以得到在Google中搜索类似产品所获得的结果。同时，系统本身会记录下来用户是否喜欢匹配的结果，来对算法进行改进。
他们的API及技术已经被一些移动应用，比如ShopStyle，StyleThief所使用。
Steve Semenzato表示，视觉识别、人工智能这些技术，仍然在研究发展进程中的。影响准确度的因素，并非是一个实验室或是一家创业公司改善算法就能改变的，比如说，iPhone摄像头拍摄照片的原生数据是不开放的，除非苹果公司作为制造商优先对这个设置进行改善，否则和他们差不多的创业公司都无能为力。在这点上，Android的设备已经可以实现，因此识别效果会较好。他们也期待在可穿戴设备这一波创业浪潮中，可以通过设备和摄像头来获得更多有用的即时信息数据。但在此之前，商业或个人可以先运用想象力，把这些技术应用在适当的领域，而不是完全静态地去等待这个技术成熟。
,
