一场基于深度学习的创业，竟争夺起了传统时尚的话语权

码隆在7月份注册，此时距离科技部主办的第三届中国创新创业大赛报名截止时间只剩下一周不到的时间，黄鼎隆、码特以及另一位前微软的设计师组成的小团队抱着一半测试自己一半向别人证明的心态踩着截止日期报名参赛。

参赛团队报名提交资料的时候并不需要提交实物，于是，刚刚创业不久还只有一个概念的黄鼎隆他们趁势填上了“视觉决策引擎”。从网络初赛、地区赛、行业半决赛再到最后的全国总决赛，在每轮比赛之间大约有2到3周时间的间隔，而这就也成了黄鼎隆他们在赢得上轮比赛获得评委意见之后不多的用来进一步修正自己的产品的时间。

大赛持续了约2个月，和其他已经有了成型产品的参赛者不同，他们的产品在每一轮比赛中都不断地改动优化，最终，他们获得了此次大赛团队组全国第二名，之后一个多星期，他们又获得了深圳创业创新大赛的冠军，不到两个月后，码隆在2015年入选了微软创投加速器。

此时，深度学习已经成为一个洛阳纸贵的技术概念与实践。

深度学习的出现推动了整个 AI 和机器学习的大发展 来源：Nvidia

深度学习究竟如何帮助人们进行“视觉决策”呢？

不妨让我们从过去几十年里最风行的人工智能神经网络说起。它是在我们对人脑的认识理解基础上结合人工智能产生的交叉学科，在大脑里，神经在一定物理距离内可以和其他任意神经连接。但是，可惜的是，人工智能神经网络却受限于自身各个分隔的神经层、连接和数据传播方向。

一个对象输入人工智能神经网络的第一层，然后再由第二层的神经处理自己的任务，在进入到下一层，重复这样的程序直至最后一层，最终得出输出结果。每一个神经都获得一个和它执行任务相关的正误情况的权重，最后的输出结果便由这些权重决定。然而，问题在于，即使最基本的神经网络也有着惊人的计算需求，同时，它还需要人工来提取样本的特征，这些极大阻碍了它的实际应用。

深度学习则从根本上改变了这一情况。

它由多个线性或非线性变换组成大量的任务处理神经层，利用非监督或自监督特征学习算法和层次特征提取等算法来实现取代手工特征学习提取，从而创造出更好的表达并在大规模没有标签化的数据基础上利用这些表达建立出更好的模型。

词向量（distributed representations）假定观察到的数据是因为各个神经层中的因子互动而产生的，深度学习则进一步假定这些神经层的活动和不同层级的抽象组成之间有着对应关系，数量和大小各异的神经层可以用来提供不同的抽象。

于是，深度学习可以从较低层次开始学习从而习得更高层、更抽象的概念，在最底层利用无监督学习逐层预训练学习特征，将结果作为更高一层的输入，到最上层则改用监督学习进行调整，和贪婪算法结合后，这套方法使得深度学习能够习得抽象概念并选出那些有助于学习的特征。

也就是说，相比以前以人工智能神经网络为代表的浅度学习，深度学习可以更好地自主学习数据和对象特征并持续进化自己的学习能力，大数据的大行其道让深度学习有了前所未有的用武之地，数据量越大，它的精度就越高。而 MapReduce 大规模集群架构的兴起、GPU 的大规模应用和应运而生的优化算法更是极大地缩短了深度学习训练数据需要的时间。

当深度学习风靡整个业界的时候，不同的模型和算法就成为了每个公司的独门武器，黄鼎隆对码隆的技术颇有信心。他们内部首先建立了一个量化的评测体系，在新算法投入使用之前，都会在公司里进行测试打分。

在这之前，码特他们还会先设计一个系统把个人偏好、界面设计喜好等因素排除掉让大家更客观地评分，但是这显然还不够，更有说服力更有决定性的是客户的使用反馈。

现在，码隆面向的是企业用户，而在创业之初，情况却并非如此，那时候，他们将目标锁定在了普通消费者身上。

技术的逻辑

11月的深圳，气温依然高达27℃。码特卷上百叶窗，边呼吸着温热的海风，边吃着刚买来的麦当劳汉堡和薯条充饥。他谈到了 give up，码特告诉我，在工作上有时候需要不过分坚持甚至放弃自己的想法来让更多人说出他们的意见，只有这样才可能维持一个良好的工作氛围促进整个集体的成长。

码隆一开始推出的产品叫 StyleAI，他们当时决定要从时尚作为突破口来应用深度学习帮助用户穿衣打扮。尽管推出了App 和微信微信公众号，但是，在用户和市场看来，这始终只是个“人工智能+时尚”噱头下的玩具而已，而习惯了大公司充足资源从来有过一线经验的黄鼎隆和码特也渐渐回过味来，他们最终意识到，深度学习在2C 领域很难有大作为。

最大的障碍在于，时尚涉及到包括布料、生产加工、设计等太多的产业上下游链条，而一个创新小公司根本无力同时应付从产业生态链到消费者的商业闭环，他们既没有资源也不具备精力耐心去自己补完这个链条。在消费者端兜兜转转不少时间之后，他们忽然意识到自己其实应该把重心放到上游环节上去。

“这是一个新的领域，就意味着你要解决很多未知的问题，甚至有一些是没答案的，所以你就把这些问题装在脑袋里面。吃饭的时候也想，洗澡的时候也想，上厕所的时候想，睡觉的时候想，没日没夜地想，然后一下子灵光乍现，有个点子！解决了！”回忆起过往苦思冥想公司方向的时光，黄鼎隆依然兴奋。

在这个技术创新起决定性作用的市场里，要想让深度学习技术发挥最大的作用，要想让码隆商业上成功的可能性尽可能增多的话，两个从微软出来的人想出来的主意是把公司的技术开放出来，让更多的企业接触使用。

让深度学习帮助这些企业解决它们以往遇到现在需要解决优化的问题，反过来，同时又让这些深度参与到时尚产业各个链条的既有资源又有能力的参与者来推广促进深度学习技术。

于是，他们转向了2B 市场，推出了平台 ProductAI，他们对这个产品的介绍是 AI for your product。

优料宝是他们的典型用户。

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!