Sieci neuronowe piękna – przesuwanie granic skuteczności kosmetyków

Sieci neuronowe piękna, znane również jako modele predykcyjne piękna lub klasyfikatory piękna to modele uczenia maszynowego przeszkolone do oceny postrzeganej atrakcyjności ludzkich twarzy lub innych cech estetycznych. Modele te wykorzystują techniki głębokiego uczenia się i duże zbiory danych do badania wzorców i cech powszechnie kojarzonych z pięknem.

Sieci AI dla urody zazwyczaj analizują różne atrybuty twarzy, takie jak symetria, proporcje, jakość skóry i wyraz twarzy, aby przewidzieć postrzegane piękno danej osoby. Modele te są szkolone na wypunktowanych zestawach danych, w których ludzie oceniają atrakcyjność twarzy lub obrazów na skali. Ucząc się na podstawie tych wyników, sieć neuronowa może uogólniać i przewidywać wyniki piękna dla nowych, jeszcze nie widzianych obrazów.

Ta więź między sztuczną inteligencją i dermatologią jest szczególnie istotna w czasach, w których konsumenci gotowi są na korzystanie z opartych na technologii innowacji kosmetycznych. 

Jakie jest jednak zastosowanie sztucznej inteligencji w dermatologii i kosmetologii? Przenalizujmy główne trendy, kształtujące technologię i nauki kosmetyczne w dzisiejszych czasach, podając przykłady składników kosmetycznych, w których wykorzystano innowacje oparte na sztucznej inteligencji (AI).

Sieci neuronowe piękna: zastosowanie w dzisiejszych czasach

• Predykcyjna, spersonalizowana dermatologia. Wykorzystanie biometrycznych big data otwiera drogę do opracowywania produktów kosmetycznych i dermatologicznych oraz do rekomendacji konkretnego produktu dla specyficznych potrzeb danej osoby – w tym możliwość uzyskania bezprecedensowego wglądu w analizę skóry, z uwzględnieniem czynników, takich jak styl życia czy rodzaj skóry. Odpowiada to obecnemu zapotrzebowaniu konsumentów na hiperpersonalizację w kosmetyce. Przykładem są badania przeprowadzane przez firmę Mintel, według których 72% kanadyjskich konsumentów w wieku 25-34 lat zainteresowanych jest hiperpersonalizacją produktów.
• Diagnostyka i monitoring dermatologiczny. Zastosowanie algorytmów sztucznej inteligencji (AI) umożliwia dostęp do informacji niezbędnych do przeprowadzenia dokładnej diagnostyki dermatologicznej, w tym dotyczącej schorzeń takich jak trądzik czy wykrycie czerniaków we wczesnym stadium.  Wykorzystanie sztucznej inteligencji w dermatologii w niektórych przypadkach umożliwia również przejście na kolejny etap badań, pozwalając specjalistom na monitorowanie ich rozwoju.
• Telemedycyna. Sztuczna inteligencja zastosowana w dermatologii otwiera również dostęp to zdalnych konsultacji lekarskich.
• Przełomowe badania naukowe. Technologia w branży kosmetycznej, zastosowana w szczególności w badaniach kosmetycznych i dermatologicznych, wykorzystuje obecnie narzędzia sztucznej inteligencji i modele big data, umożliwiając naukowcom uzyskanie bezprecedensowego zrozumienia zagadnień, takich jak ekspresja genomów, ekspresja transkryptomiczna czy proteomika. Przekłada się to z kolei na bardziej efektywne i precyzyjne zabiegi dermatologiczne i kosmetyczne, poszerzające możliwości kosmetologii i otwierające drogę dla nowych perspektyw, takich jak beauty tech.

Kosmetologia i sztuczna inteligencja w firmie Provital: szereg rewolucyjnych możliwości

W firmie Provital stawiamy na innowacyjność, która z kolei przybiera różne kształty i formy – jedną z nich jest zastosowanie najnowszych osiągnięć sieci neuronowe piękna. 

Deklarację tę ilustruje jedna z naszych najnowszych kreacji. Mówimy o Altheostem™ – wyzwalaczu senolizy, który jest w stanie dostosować swoje działanie biologiczne do indywidualnych potrzeb. Jego celem jest usuwanie starzejących się komórek skóry, a także powstrzymanie pewnego rodzaju procesów zachodzących w starzejącej się skórze. 

Prezentując przełomowe działanie tego składnika, które osiągnięto dzięki komórkom macierzystym pochodzącym z płatków Althea rosea, w przypadku Altheostem™ posunęliśmy się o krok dalej w kwestii oświadczeń opartych na nauce.

Wykorzystując ogrom możliwości, jakie daje technologia w branży kosmetycznej opracowaliśmy metodologię opartą na sztucznej inteligencji, która potwierdziła konsumentom silne działanie przeciwstarzeniowe naszego składnika. Tym samym w firmie Provital zastosowaliśmy metodę testowania in vivo, która była w stanie obliczyć wiek z wyglądu (Visual Apparent Age) panelu badanych osób, wykorzystując nowy i niezawodny system uczenia maszynowego oparty na sztucznej inteligencji.

Z jednej strony, system zdołał przeanalizować 223 560 obrazów, przedstawiających ewolucję panelu 70 zdrowych ochotniczek w wieku od 45 do 65 lat, porównując ich wiek z wyglądu przed i po zastosowaniu naszego aktywnego składnika. 

Z drugiej – potrafił przewidzieć wiek badanych osób w kontrolowanym środowisku, dzięki zastosowaniu zespołu konwolucyjnych sieci neuronowych (CNN) wydobywających informacje z każdego obrazu, w wyniku wcześniejszego szkolenia maszynowego – wykorzystano 55 134 obrazów pochodzących od 13 617 osób w wieku od 16 do 77 lat.

Następnie, jako bazę źródłową do dalszych badań wykorzystaliśmy 207 filmów wideo przedstawiających ewolucję badanych, na różnych etapach leczenia (dn. 1, dn. 28, dn. 56). Owe filmy zostały następnie wczytane do 3 różnych modeli szacujących wiek badanej osoby.

Jako efekt tych obliczeń zdołaliśmy oszacować obniżenie wieku z wyglądu o ponad 3 lata u wszystkich leczonych ochotników w porównaniu z placebo, dostarczając dowodu na potężne działanie przeciwstarzeniowe składnika Altheostem™, dzięki zastosowaniu sztucznej inteligencji (AI). 

Zaowocowało to powstaniem pionierskiego składnika aktywnego, który oferuje markom możliwość opracowywania predykcyjnych i wysoce selektywnych produktów do pielęgnacji twarzy, zgodnych z aktualnymi potrzebami konsumentów.