机器如何懂时尚？这是码隆科技上一款产品希望解决的问题，那一次他们推出了StyleAI，希望用图像识别结合深度学习来破解时尚密码。
10月24日，该公司更进一步，推出ProductAI，将AI做成一项云服务，希望让没有AI技术能力的公司也能利用这一全新技术。同时还宣布获得6200万A轮融资，目前该公司员工人数还不到30人。
StyleAI是一项AI的具体应用，而此次推出的ProductAI则是一款企业端产品，具体来说它是一项PaaS（Platform-as-a-Service）服务，开发者可通过调用其接口来获得人工智能服务。
ProductAI背后的两项核心技术分别是“以图搜图”和“图像识别”，它可以理解图片“表达了什么意思”，还可以对图片进行分类、处理、标注，实现更多应用。
在发布会现场，码隆的程序员演示了用5分钟时间在ProductAI平台上搭建一个定制化的以图搜图引擎。
其收费模式也和一般的云服务类似，按照API接口调用量来收费，通常在千次10元左右，取决于调用的API和使用总量。目前ProductAI的客户包括中国纺织信息中心、视觉中国、微软在线暴风影音等 。
人工智能并不是一项解决所有问题的技术，它更适合在某个非常细分的领域发挥自己的功能。下面是ProductAI提供的一些主要功能。
假设你拍下了一张照片，照片中有麦当劳、公交车、老人、杨树、白云、蓝天，那么，ProductAI可以精准的将照片中的元素识别出来。比如下面这张图片中，ProductAI将所有13辆汽车都识别出来。
ProductAI可以“以图搜图”，识别目标图片中的类似场景。下图是根据城堡图片，搜索出的类似图片。
ProductAI可以为海量的图片自动打标签，通过综合识别模型，挖掘出语义信息并用文字标签的形式将这些信息表达出来。可解读的信息包括图片中的客观内容（老人、树、音乐厅等）、主观感受（积极、成功、快乐等）、内容衍生主题（健康生活方式、家庭等）、图片颜色（彩色、黑白等）、图片产生方式（摄影、剪贴画等）、拍摄手法（剪影、留白、逆光等）等。
AI不是搜索引擎，但在很多层面和搜索引擎类似。在之前接受雷锋网(公众号：雷锋网)采访时，码隆科技的联合创始人Matt Scott解释了让机器认识时尚的背后技术，
首先，我们从网络上收集关于时尚的海量数据，找出一些已经存在时尚标签的内容（比如这张图片是某位时尚明星的着装照）；然后，我们创造一个模型来分析这些数据，用海量的数据来训练它，使它能够理解图片的色彩、纹理和Style，同时还有一小部分人可以帮忙给数据贴上标签；总的来说就是用类似搜索引擎的数据加上很强大的AI模型，收集数据并分析这里面的时尚视觉元素。
之后，我们会把分析的结果，比如版型、类别和衣服之间的关联等提取出来，去匹配你的模型和喜好。
最后的产品，是一款可以了解用户想要什么的个性化时尚工具。这其中AI的部分，主要就是通过深度学习构建起来的可以自我学习的模型，并用数据去训练这个模型。
而ProductAI是面向各种不同用户定制化的AI服务，在不同的应用场景中，它需要胜任不同的任务，这意味着深度学习的模型也是不同的。
一个深度学习的模型，适用于某一个任务。就好像一个人，他去上大学，学的是中文？还是物理？还是建筑，大脑里面的结构是不同的，这个不同是知识上有不同。那我们呢？就相当于要构建一个这样结构的大脑，去适应相应的任务，就好像不同的人有不同的专业一样。
Matt解释道。
Matt告诉我们，在构建特别的AI应用中时，一共有四个步骤：
首先是研究问题，明确我们需要解决的问题是什么，希望得到什么答案；
接着，建立适用于这个问题的神经网络架构；
然后，用海量的数据来训练这个架构；
最后，如果没有解决问题，再回去改。
码隆科技与中国纺织信息中心的合作就是一个例子，需要解决的问题是识别面料，码隆设计出一个神经网络架构，再利用中国纺织信息中心大量的面料图像来训练这个架构，最后得到的就是一款可以智能识别服装面料的工具。
这里面架构的好坏，数据的好坏与多寡都会影响最终工具的性能。码隆科技表示，ProductAI平台的图像分类和识别度匹配识别能力比专业人员还高8%，显示其在人工智能方面的技术实力。
码隆科技创立于2014年7月，两位创始人黄鼎隆（CEO）和Matt Scott（CTO），一位是中国人一位是美国人，两人曾在微软共同合作“必应词典”系列产品。
本文作者：刘芳平
本文转自雷锋网禁止二次转载，原文链接
