AI“艾菲卡”

今天，我们的主角是一位AI机器人。

艾菲卡其人，艾菲卡（EFFACLAR SPOTSCAN），国内首款美妆AI机器人，2011年生于法国，师从业内顶级皮肤科医生，9年“阅”痘无数，历经6次专业技能深造，现已出师问诊，矢志一生呵护油痘肌肤……

2019年5月19日，欧莱雅（中国）与阿里巴巴集团共同发布了首个针对痘痘问题的移动端人工智能检测应用—理肤泉艾菲卡痘痘检测（EFFACLARSPOTSCAN）。现在，你只需要点开手机淘宝，登陆天猫“理肤泉官方旗舰店”首页，便可以试用艾菲卡痘痘检测。

作为一个辅助工具，艾菲卡可以帮助消费者快速辨别自己痘痘的严重程度，给出相应的解决方案，并随时随地对痘痘情况进行持续跟踪管理。其核心价值在于，客观传播专业知识，在品牌与消费者之间搭建起传播专业知识和服务的桥梁，同时AI的便捷性和个性化服务也深刻影响改变着人们的生活方式，持续提升人们的生活质量。

无论是艾菲卡的牛刀小试还是AI技术的飞速发展，AI在行业未来的应用都是毋庸置疑的，现在的问题是AI开发门槛高，美妆公司该如何入局？

这里，欧莱雅提供了1份宝贵的经验。

“AI的本质在于如何把人的智能教给计算机，并使机器能以人的方式作出反应，其开发应用遵循人工智能-模式识别-强化学习的逻辑思路。”欧莱雅（中国）医学关系与传播总监张中兴说。

欧莱雅总结了一套AI开发5步法。

图1 欧莱雅AI开发5步法

通俗地说，就是拍照-人工识别照片-把照片给电脑学习测试电脑学习情况-持续改进。

欧莱雅在全球找到了1012名痤疮患者，包括非洲黑人、高加索人、亚洲人，使用苹果IOS和安卓AN智能手机获取了5972张（全脸/左侧脸/右侧脸）有效照片，然后请3位皮肤科医生使用黑/红/绿3色笔进行数据标注，作为电脑的学习教材，接着就进入持续的训练-测试-改进环节。

这里有几个点比较重要。

1、定位核心技能，找到学习目标。

不同的AI设计对应不同的核心技能，比如自动驾驶、人脸支付、智慧医疗、智能家居……不同的AI对应不同的核心技能，需要去挖掘找到关键的信息点。以痤疮治疗为例，其关键步骤就是痤疮分级，它不仅关系着治疗方案的选择而且也是疗效评价的重要依据。某种程度上我们甚至可以说学治痘，就要先学分级。欧莱雅在全球通用的GlobalEvaluationAcne6级痤疮整体等级评估标准体系中，依据皮损程度和色斑沉着情况，找到了3个关键信息—肺炎性闭合性和开放性粉刺，炎性丘疹、脓疱，炎症后色素沉着（PIHP），这3个点就成为AI学习的核心内容。

图2 测量痤疮严重性的整体痤疮评量表（GEA）

2、持续的训练-测试-改进和60%的小目标

“学习-测试-纠错-再测试……”张中兴说教AI学习和教小学生一模一样。

图3 评估的3种皮损类型/色斑

欧莱雅会先给AI1000张照片学习，然后给200张做测验，然后再给1000张学习，再拿200张做测验……就这样反复打磨。

那么，学到什么程度，AI算合格了呢？欧莱雅给艾菲卡设立的小目标是60%。

图4 现行第6版AI的评估结果

大家可能会觉得60%的标准简直低到了尘埃里……但这个60%显然大有文章，张中兴接着给出了1个有趣的对比实验和4个数据—67%、59%、48%、74%。

为了判断AI是否具备了精准测试痘痘的能力，欧莱雅请3位皮肤科专家在3个不同诊室看同一个病人，分别记录3次诊断结果，发现3位专家的统一性只有67%，就是说专家面诊会产生1/3的人为偏差。而这个偏差是真实存在的，我们必须尊重正视它的存在。接着他们把面诊换成用来测试AI的照片资料，发现3位专家查看照片的一致性是59%，显然照片会引起医生评估的进一步偏差。48%是第4版AI和3位医生看同一张照片的相似性。74%验证的是AI的重复性，即同一张照片给AI判断，其前后结果一致性达到74%，这个数据是超过医生面诊数据的，说明人工智能的稳定性是超过人类的。

图5 精准度和查全率

这个60%的标准就是从59%的专家读图一致性数据来的，AI的精准度一旦超过了专家读图的水平，就具备了现实意义。欧莱雅现行的第6版AI，已经实现了炎性痘痘72%的精准度和73%查全率，对GEA的精准度达到68%，对炎性/PHIP/非炎性皮损的F1评分（精准度和查全率的加权平均）分别达到了84%、72%和61%。

3、精准度和查全率

电脑在反复学习的过程里会有2个容易出错的地方，1个是把不该查的查出来，如图5左侧图像上的4颗痘痘是医生标注的，右侧图像上的5颗痘痘是AI查出来的（只有2颗是对的），2/5就得到40%的精准度，那么总共4颗痘痘找到2颗，2/4就是50%的查全率。

在AI的学习中，精准度和查全率是需要持续关注的，如果我们把AI的敏感度提升就会出现查全率大幅提升但精准度大幅下降的情况，这就需要找到电脑学习的平衡点。图6就是电脑反复学习的过程，能提升每一种皮损精准度的上升。

图6 反复学习模型

最后，为了保证AI的持续改进，还需要一个持续稳定的信息资源库支撑。

“从70%提升到80%容易，但是从80%到90%甚至更高，每一个点的提升都需要大量的数据照片来支撑。”张中兴说。为此，欧莱雅和CSID中国装备协会人工智能联盟皮肤科专委会合作做了一个中国人群多维度痤疮人群影像数据库，来稳定获取病人的精准照片。

因此AI的背后，是欧莱雅/AI专家/皮肤科专家共同的身影。

“我们希望能有更多人参与进来，痘痘肌有AI，敏感肌有AI，老化有AI……所有的肌肤问题都可以通过AI帮助消费者提升皮肤健康。”张中兴最后说。

撰稿：温淑均