در مقاله ای که در ArXiv منتشر شد، محققان دانشگاه کالیفرنیا، سان دیگو و Adobe یک روشی را برای AI طرح ریزی کردند که نه تنها یک سبک شخصی را آموزش می دهد بلکه تصاویر کامپیوتری از مواردی را که با این سبک مطابقت دارند را هم ایجاد می کند. این سیستم می تواند برای خرده فروشان این امکان را فراهم آورد تا لباس های شخصی تولید کنند یا حتی می تواند برای کمک به پیش بینی روند پیشرفته تری از مد نیز بکار رود.
مقاله دو الگوریتم متفاوت را شرح می دهد نخست، محققان یک شبکه عصبی کانولوشن (CNN) را برای یادگیری و طبقه بندی اولویت های کاربر برای آیتم های مشخص با بکارگیری دیتاهای خرید از آمازون در شش دسته بندی: کفش، پیراهن و شلوار هم برای مردان هم برای زنان ترتیب می دهند. این نوع از مدل توصیه کننده خرده فروشی آنلاین در جهان رایج است، که معمولا در قسمت «آیتم های دیگری که ممکن است شما دوست داشته باشید» در پایین صفحه، نمایش داده می شود. سپس تیم فنی این اطلاعات را برای ایجاد یک شبکه متقابل ژنریک (GAN) بکار می برد. یک نوع از هوش مصنوعی که بطور ویژه برای تولید تصاویر واقع گرایانه بسیار مفید است.
یک GAN با داشتن دو شبکه با دیتاهای مشابه کار می کند. یکی از شبکه ها تصاویر جعلی بر اساس مجموعه داده ها ایجاد می کند، در حالی که شبکه دیگر از داده های مشابه برای تعیین اینکه آیا تصویر واقعی است یا نه استفاده می کند. این روش به شبکه اجازه می دهد که نتایج خود را بهبود بخشد. برای این تحقیق ،GAN تصاویر چندتایی از آیتم ها برای هر کاربر ایجاد کرد.
