看臉的時代,AI醫美為什麽沒有成為風口?

來源:鳳凰科技 2018-04-07 10:31:03

原標題:看臉的時代,AI醫美為什麽沒有成為風口?

文 | 顏璿(關注AI醫療等)

來源 | 智能相對論(aixdlun)

有數據顯示,自2013年到2017年,整個AI醫療行業共獲得241筆國內融資。可見AI醫療已經成為資本新寵,但目前國內資本多布局於虛擬助手、醫療影像、醫用機器人、智能健康管理四個領域,且應用場景多針對醫院門診、腫瘤科等病室。而醫學美容則因為其介於醫療與美容兩個行業之中,不可避免地被醫療行業所忽視了。

AI醫美為什麽沒有火起來?

市場大、需求旺,AI醫學美容本有一個遠大前程

盡管每個行業都會說自己是朝陽產業,但多數是創業者講給自己或投資人聽的,而醫學美容綁上AI卻是個鐵打的黃金賽道。

1.醫美市場增速可觀

今年三月,醫美APP新氧完成了金額為2億元的D2輪融資。值得一提的是,在去年十二月,新氧就曾宣布獲得了4億元D-1輪融資。新氧在三個月內連續兩次融資,打破了2017年下半年以來互聯網醫美行業的沉寂。同類APP還有“更美”,其在周年慶期間也獲得了上億的流水。

醫美類APP不斷取得好成績,我們從中也可以窺見——醫美市場正在快速增長。德勤報告顯示,2017年中國醫美市場規模達到了1760億元,至2020年預計每年還將以40%的速度增長。根據中整協、新氧和美業觀察聯合出品的《2018年醫美行業報告》,2017年中國美業市場規模預計達到1.12萬億。

(圖為2016年—2018年中國醫療美容市場規模預測)

圖表來源:中國產業信息

市場的龐大代表著人們對醫美行業的認可度越來越高,具體表現在已經有越來越多的人願意主動分享自己的醫美經曆。據《2017新浪微整形年度大數據報告》顯示,關注醫療美容的群體總人數已超過2678萬,同比去年增加了13.57%,相比於增長緩慢的男性群體,女性群體占比則提升了17.1%。

圖表來源:2017年新浪微整形年度大數據報告

2.醫美需要AI的加持

隨著醫美市場的壯大,醫美產品和服務的一些空缺也亟需去填補。AI醫美可以在美容外科、牙科、皮膚科上助力。

我們首先來看一下《清科2017醫美行業研究報告》對傳統醫美行業惡性循環困局的分析——

在美容外科,也就是大家熟悉的整形美容方麵,從供給角度來看,醫療美容技術專業人才嚴重地供不應求,尤其是美容保健行業高素質、高技能的醫療美容技術人才的缺口甚大。又因為醫美的經濟效益比一般醫療要高,往往還會存在醫生為了經濟效益而“不願放”“非要醫”的情況。從需求角度來看,渴望“變美”的客戶有較強的意願和能力去尋求優質的整形資源,甚至於為了“美麗”不計成本,據統計20%的潛在消費人群表示隻要安全,價格不是問題。

如圖所示,技術進步是整個醫美行業健康業態的核心。當我們將AI應用於美容外科中,使AI“深度學習”大量整形數據文本,掌握問答、判斷、預測、實施的能力,填補上整形行業裏專業人才的空白。對於醫生而言,AI有利於提高工作效率、預判手術效果,醫美實現“快餐化”,多數手術控製在2個小時以內,而注射類微整形項目通常隻需要十幾分鍾。對於患者而言,簡單的操作就能對自身的情況有基本的了解,手術後也能免除後顧之憂,實現微創化和無創化。

在美容皮膚科方麵,AI在解碼個人身體信息上大有可為之地。武漢“嫦美皮膚解碼機器人”投入市場後,人們能在1分鍾內,完整解碼出毛孔、皺紋、紋理、美白度、油脂、紫質、紫外斑、色斑等8項指標,不僅可以讓用戶直觀閱讀皮膚信息,方便護膚,還能預知針對肌膚狀況的多種適用性保養方法。在身體數據管理上,AI憑借其強大的計算力將人類PK下去毋庸置疑。而醫生,要做的僅僅是根據AI提供的皮膚報告甚至是醫美方案來作出安排。

在美容牙科方麵,AI也能得到更廣泛的應用。北京比爾肖恩科技有限責任公司的CEO於東暉指出,人類牙齒在不幹預的情況下,變化是有跡可循的。所以,AI完全可以通過大數據找到其中的規律,精準判斷客戶是否需要進行拔牙、補牙、根管治療基礎治療或者是種植、正畸等複雜治療。

問題顯然比想象中多,AI醫美這個風口才沒有被真正“吹起來”

在我國,AI醫美的需求驅動因素很多,譬如大眾的消費觀念進步,居民可支配收入增加,以及各項新技術的發展等,如此看來,AI醫美成為風口似乎是必然的趨勢,但令人奇怪的是,智能家居如火如荼,智能教育不落其後,唯獨智能醫美不進不退,頗為尷尬。

問題顯然比想象中多,AI醫美隻是看上去很美好,但發展的前路依舊有不少障礙需要去克服。這些障礙包括AI醫美產品和服務不到位而導致的市場缺乏核心競爭力,以及AI在審美上的“天生缺陷”。

1.市場缺乏核心競爭力

目前,AI醫美的產品實現落地的非常少。即便有,也多偏向於美妝美發方麵,與醫美還是有本質差別的。這裏的AI產品,大多秉持著“君子動口不動手”的原則,一般為谘詢式的虛擬助手,功能主要是提供相關建議。比如鬆下的智能化妝鏡,宜家魔鏡等,而即使是這些品牌紮眼的產品,也沒能與更廣泛的人群產生聯係。

也有一些產品以皮膚測試為切入口,比如美圖美妝APP,采用了美圖影像實驗室 MTLab的AI 測膚技術——MTskin,不過其測試的專業性和精準性依舊有待商榷。而這類AI產品,看起來還是很淺層的AI應用,甚至隻是個營銷噱頭。

當然,不乏有產品成功進軍B端,但能夠深入人心的To C產品還是太少。

醫美行業的AI產品進軍皮膚科的占大多數,且大多數的科技重點放在客戶的個人數據管理上,比如上文中提到的皮膚智能解碼儀,能夠檢測到關於皮膚的多元數據,再通過AI技術去分析這些數據得出結果。但縱觀整個醫美市場,在美容外科上,我們缺乏真正具有說服力的人工智能產品。

於是,產品的不到位導致AI醫美市場缺少了核心競爭力,行業巨頭不去搶灘布局,淺層的AI應用占據了大市場,產品和服務的質量依舊滿足不了人們的需求,AI醫美服務就會處於一種停滯的狀態。

2.在弄懂求美者的心這件事上,AI還有許多事要做

人通過眼睛采集圖像,通過大腦感知美醜。對於AI,我們可以為其創建出最精密的視覺係統,卻難以打造一個可以媲美人類大腦的感知係統。不管醜陋還是美麗,於AI而言就是一堆死板的數字。本質上來說,對美的欣賞和創作是人獨有的。那麽,求美者把自己的“美麗”交給AI,靠譜嗎?

一般而言,AI進行的深度學習多為監督學習,即由人類進行人工標識,抽取事物的特征作為機器學習的模型。例如,卷積神經網絡(Convolutional neural networks,簡稱CNNs)就是一種深度的監督學習下的機器學習模型。

如果人們將“瓜子臉、大眼睛、高鼻梁”作為“美女”的特征供機器學習,而醫美AI又缺乏真實的感知,會不會打造出一批相同的“網紅臉”呢?如同我們使用的美顏相機,磨皮+變白+濾鏡就等於一張“照騙”。

這樣提取特征的方法似乎很眼熟。我們常見的小遊戲——測一測你最像哪位明星的運行機製不正是如此嗎?人們在係統中上傳一張照片,係統就會進行人臉識別,提取出這張照片中人物的五官特征,然後迅速在圖庫中找到能與這些特征相匹配的明星照片。

AI對美麗的定義可能是單薄的,但求美者的心態和想法卻是多種多樣的。如何讓AI做到“我知女人心”,為用戶個性化建模,還亟待技術人員去思考。

在風口爆發起來之前,AI醫美還需要更多“人文關懷”

愛美之心,人皆有之,但主動追求美麗卻沒有人們想象得那麽容易。智能相對論(ID:aixdlun)分析師顏璿在百度中搜索詞條“整容”+“心理障礙”,出現的相關結果足有116萬個。

有研究報道,在主動要求整容的人群中,有大約1/3的人患有軀體變形障礙(BDD)。BDD是一種嚴重的心理疾病,病人往往會過分在意自己身體上的某個瑕疵,即使在旁人看來那並沒有什麽問題。

除了這類特殊的求美者外,還會有一些求美者在接受了美容外科手術後產生心理問題,特別常見的就是過分在乎別人對自己的看法,甚至產生自卑感。

麵對這些情形,為醫美中的AI添加心理保健功能尤為必要。一方麵,要讓AI進行用戶調研,定期回訪客戶,掌握市場數據,實現用戶的個性化心理建檔;另一方麵,要為AI建立更加完整的知識圖譜,包括語義分析、人機交互等,通過聊天等方式來與客戶交流,並通過語音識別和情感分析來揣測客戶的情緒。AI醫美有,AI心理醫生亦有,但能夠結合二者,在醫療美容的全程中追蹤用戶心理動態,提供醫美診斷協助和心理輔導的項目仍處於空白。

在很多的研究中,人工智能已經成功擊敗了人類,但在其大規模落地前,人類與AI還有很多的課要補。智能醫美這個方向還有很多技術等著我們去探索,但技術的突破不是我們的最終目的,科技的發展永遠要以人為本。美好的生活不僅需要美麗的外觀, 還需要一顆美麗的心靈。

智能相對論(微信id:aixdlun):深挖人工智能這口井,評出鹹淡,講出黑白,道出深淺。重點關注領域:AI+醫療、機器人、智能駕駛、AI+硬件、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背後的芯片、算法、人機交互等。

點擊查看原文

相關鏈接