Levi's 如何使用AI加速其设计流程和数字化转型

发布时间:2024-03-04 17:09:27 浏览量:208次


由于机器学习在企业中无处不在,当您想到 AI 智能时,Levi's 可能不是您想到的第一个品牌。作为一家自1853 年以来一直生产牛仔裤和其他牛仔服装的公司,Levi Strauss & Co.在没有神经网络和机器学习算法干预的情况下似乎做得很好。但与许多大公司一样,Levi's 发现了 AI 技术的大量用途,从自动化日常任务和分析与牛仔布相关的数据集到帮助其设计师创造新的牛仔夹克设计。

2019 年,Levi's 聘请卡蒂亚·沃尔什 (Katia Walsh) 担任公司首席人工智能和战略官,领导其新的全球人工智能团队,从而正式确定了其与人工智能长达数年的接触。为了将这项前沿技术整合到一个成熟的传统品牌中,Walsh 在 2021 年初推出了公司有史以来的第一个机器学习训练营。这个为期八周的密集计划邀请了来自整个组织的 40 名 Levi's 员工学习机器学习学习,敏捷开发方法,当然还有如何编写代码。

更多:LEVI'S 希望通过在其业务中部署机器人每年节省 20000 小时工作时间

设计协调员 Ron Pritipaul 是 Levi's 的一名员工,他报名参加了首届以人工智能为中心的训练营,他说这一决定对他处理设计、跨团队合作和思考未来的方式产生了重大影响。VentureBeat 与 Pritipaul 交谈以了解更多信息。


VentureBeat:
告诉我们一些关于你在 Levi's 的角色。像您这样的设计师是如何最终从事机器学习算法的?

Ron Pritipaul:我在 Levi's 工作了三年多一点。我是一个巨大的牛仔布头。长大后,我曾经收集复古牛仔裤。在大学里,我开始专注于牛仔布的历史。毕业后,我的梦想是为最古老、最酷的牛仔公司工作。所以,我给所有在 Levi's 能找到的人都发了邮件,要求找工作。我得到了一份在办公室做体力劳动的临时职位。最终,我以自己的方式进入了设计团队,担任设计协调员。在担任该职位期间,我协助设计师将卡车司机夹克和其他产品变为现实,并完成了许多小任务来帮助设计部门。

就在那个底层,我知道我们的很多流程都是非常手动和痛苦的。时尚仍然是一个非常模拟的行业。当我看到我们内部网站上发布的机器学习训练营机会时,我申请了。这个决定彻底改变了我如何看待自己和我的职业生涯。我开始开发自动化工作的算法和程序,让我们更有创造力,并为设计部门带来增长。最终,所有这些工作使我成为了计算机视觉副数据产品经理的新角色。

VentureBeat:时尚和服装设计似乎是 AI 意想不到的用例。你最终建造了什么,它对设计过程有何影响?

Pritipaul:很多人认为人工智能会取代人类或其他什么东西。我不相信会是这样。时尚是一个非常私密的领域。你正在为另一个人穿衣服,这可能是你能做的最私密的事情之一。这是一种非常个人化的人际关系。从根本上说,这个行业的核心始终是人类,但人工智能可以释放增长并自动完成人类不应该花时间做的任务。例如,我在设计角色中花了很多时间将线与织物进行颜色匹配。当我们可以让计算机来做这些时,浪费了很多时间。因此,我编写了一个程序来帮助自动化我们的配色过程以腾出时间,让设计师可以更有创意。

我还做了一些神经网络工作,这些工作需要艺术并制作 Trucker 夹克。这开启了一种新的创造力形式,人们不仅可以从 Vogue 或 Instagram 上的内容中获得灵感,还可以从艺术作品或照片中获取灵感,并了解计算机如何解读它以帮助我们创造新的设计。这真的可以改变你看待时装设计和思考创意灵感的方式。我确实将 AI 视为创意工具,可以让他们花更多时间进行创意并开发更多创意设计。

从事这些事情、思考新想法、快速制作原型并四处玩耍是很酷的。我在新兵训练营中参与了很多很酷的项目,现在我们正在转变为实际的工作流程。

公司现在正在使用的训练营项目有哪些例子?

Pritipaul:我所做的将绘画变成夹克的神经网络绝对是其中之一。另一个例子是 Levi's 的商店经理,她利用自己的经验创建了一种算法来帮助进行店内产品推荐。它可以根据客户过去的购物历史以及总体趋势来打造一套服装,从而帮助客户。

以我的设计背景,我看待数据收集的方式不同于数据科学家。我们生产牛仔裤已有将近 150 年的历史。每一条牛仔布都是一条数据。我们有数千条牛仔裤的档案和关于每条牛仔裤如何随时间褪色的数据。如果我们将其加载到一个程序中,我们就可以开始解锁关于牛仔布的洞察力,这是人类永远看不到的。

像李维斯这样的公司肯定坐拥其他未开发的数据宝库。您是否考虑过在其他历史数据集上运行算法?

Pritipaul:我们一直在作为一个团队讨论事情,例如,我们将如何利用我们曾经使用过的所有面料的面料库并从中提取数据以了解更多关于它们的信息?例如,他们如何对不同的流程、洗涤技术等做出反应。如果我们谈论数据源,我们有面料,我们有杂物——比如纽扣、拉链等等——我们有所有这些东西。如果我们获取这些数据并使用它,而不是仅仅存储它,我们肯定可以收集到一些见解。

人工智能可以在许多不同领域释放出如此多的洞察力,比如可持续性。如果我们非常了解我们的面料,并且知道洗涤它们时会发生什么,我们就可以开始思考如何优化事物,让我们的产品既美观又环保。我们还可以使用这项技术来预测未来生产时的情况,因此我们不必生产那么多样品。

VentureBeat:这里使用了哪些具体的技术、工具和平台?

Pritipaul:在训练营中,我们用 Python 学习了一切。于是就有了一周的Python介绍。然后我们直接进入机器学习。我个人经常使用 Pytorch,它用于神经网络。我的线程颜色匹配的东西最初是我训练的神经网络。

[Trucker jacket] 风格转移的东西也是一个神经网络,它是通过冻结不同的层来完成的。它的后端自 2017 年以来一直存在,但我所做的只是分割图像,以便我们只在卡车司机夹克上进行风格转移,而不是背景,诸如此类的小事。

我们所做的大部分工作只是编写连接事物的 Python 代码。我们正在使用自制工具并自己构建平台。我们发现现成的工具有助于我们进入第一阶段,但之后,我们需要构建自己的工具。这为我们带来了很大的增长,因为我们可以为我们需要的东西构建工具。当我们需要图像处理时,不用打开 Photoshop,我们可以编写一个 Python 脚本来尽可能高效地处理图像,并处理数百张图像。

VentureBeat:除了你自己的角色之外,你认为像这样的 AI 新手训练营这样的项目会如何更广泛地影响组织?

Pritipaul:在新兵训练营的申请过程中,员工可以选择在毕业后是否愿意考虑在 AI 部门担任新角色,或者他们是否愿意通过这些学习和数字回到以前的角色了解他们可以通过持续的指导和工具做什么,以利用他们学到的知识并加以实施。

由于我们都参加了新手训练营并且都在同一个电子邮件列表中,因此跨部门协作更多。它正在创建一个由所有说同一种语言的人组成的庞大网络。我可以与 IT、销售或产品开发人员一起工作,他们都参加过新手训练营。所以,我们不像以前那样孤立无援。

VentureBeat:您认为其他公司可以从 Levi's 的经验中学到什么?对技术决策者和企业其他领导者有何启示?

Pritipaul:并非每家公司都可以举办新手训练营,但每家公司都可以让非技术人员参与这些技术对话。他们可以解锁的领域专业知识水平远远超过让一群程序员解决问题所能获得的水平。在我们的配送设施工作的新兵训练营的某个人编写了一个程序来预测机器何时会在配送中心发生故障。这来自数据,但也来自实际工作的洞察力。如果你有我们位于旧金山的数据程序员,试图在我们的工厂解决这个问题,他们不在机器旁边。他们没有看到实际发生了什么。

你可以让最好的数据程序员解决一个问题,但有时如果你只是给非技术人员提供工具和语言来讨论这些问题并让他们了解机器学习可以做什么,就会有很多事情你可以完成。我一直在充当数据科学部门设计、销售和产品开发方面的联络人。人们一直来找我,告诉我所有这些实际上很容易用人工智能解决的问题,但具有严格数据科学背景的人甚至都不会考虑这些问题。利用您所在领域的专家并真正将他们融入事物的设计中,可以真正为公司释放如此多的潜力。

更多:LEVI'S 表示机器人去年工作了 25,000 小时

热门课程推荐

热门资讯

请绑定手机号

x

微信扫码在线答疑

扫码领福利1V1在线答疑

点击咨询
添加老师微信,马上领取免费课程资源

1. 打开微信扫一扫,扫描左侧二维码

2. 添加老师微信,马上领取免费课程资源

同学您好!

您已成功报名0元试学活动,老师会在第一时间与您取得联系,请保持电话畅通!
确定