人工智能系统需要感知的信息主要来自其视觉、听觉和触觉，嗅觉也是一个有价值的方向。目前，研究人员一直在研究气味传感器及其在环境保护等领域的应用。

博览会期间，除了仿生机器人、自动生产线等“硬核”智能技术外，人工智能驱动的人工智能美容顾问、虚拟化妆师、定制护肤品等也吸引了不少人的目光。近年来，人工智能开始在图像、图像和语音识别领域渗透到美容行业。市场表明，人工智能制造的香水在消费者中得到了很好的反馈。”香水是一项复杂的系统工程。它涉及到原材料、技术、用户、市场等诸多因素。在众多的参数空间中，很难找到正确的方法。中国科学院自动化研究所研究员孙振安在接受《科技日报》采访时说：“仅仅依靠人工经验很难穷尽所有可行的解决方案，很可能会错过市场和用户欢迎的最佳解决方案。”。

人工智能调味品不依赖香味来判断香味的顺序

“人工智能系统需要感知的信息主要来自于它的视觉、听觉和触觉，嗅觉也是一个有价值的方向。目前，研究人员一直在研究气味传感器及其在环保等领域的应用。此前，IBM 制造了人造香水香水学徒 Philyra。Philyra 是一个创造性的人工智能。它可以研究现有的香水配方，比较其成分，从而研究新的香水配方。Philyra 还可以得到不同性别、年龄和流行程度的香水。结合大数据算法，Philyra 将导出一个新的香水配方，可以在目标人群中取得良好的效果。孙振安解释说，与人工香料需要几十年的嗅觉训练不同，人工智能并不依赖嗅觉来制造香水。人工智能香水使用先进的机器学习算法来分析和学习有关香水配方、原材料、历史销售数据和行业趋势的信息，以预测人类的偏好，从而为目标受众创造新的香水配方。调香大师大卫·阿佩尔（David Appel）用 Philyra 做了一个实验：完全由 Philyra 制造的香水是 a，B 是 Philyra 做的，香水是辅助改性的；C 是香水公司领导的，Philyra 是辅助的。三款香水投入使用后，结果显示，大多数人选择的是一款完全由人工智能主导的香水。而人工香料的定做也不靠人工定做香型，而是靠人工定做。这是不同于传统香味思维的方式。人工智能香水不受个人喜好、经验和文化偏见的影响，而是量化嗅觉感受，探索更具创意的成分。配方 Ai 香水凭借强大的计算能力，可以快速计算出目标客户最喜欢的香料配方，缩短香水开发周期。孙哲南指出。

据欧睿监测，2019 年至 2023 年，中国化妆品行业将保持 8.3% 的复合增长率。面对日益增长的化妆品消费市场和科学护肤、功能护肤理念的普及，各大化妆品、护肤企业也积极运用人工智能等前沿技术，推出更符合消费者个人需求的定制产品，带来更全面的产品体验。孙振安说，除了调制香水，人工智能还应用于智能医疗美容、发型设计、虚拟化妆、定制护肤品、皮肤诊断等诸多场景。

来自中国科学院自动化研究所的孙振安和贺兰在人脸图像编辑、化妆品、医疗美容和娱乐等领域的应用进行了探索。

例如，在 2019 年 IEEE 国际计算机和模式识别会议上，他们提出了一种基于小波域的人脸年龄变换技术，可以预测面部外观随年龄的变化。也可用于皮肤护理产品的个性化推荐。2020 年，他们提出了一种基于样本重要性抽样的人脸属性编辑技术，该技术可以编辑人脸肤色、头发颜色、增减眼镜等属性，并可应用于美容美发行业的化妆造型设计，为用户提供多种选择和参考。2020 年，一种基于参考图像的人脸合成编辑技术能够有效地处理面部特征的形状，辅助医学美容。通过整形手术和创伤修复手术的预判，可以为医生和病人提供更多的指导，制定出更科学的美容方案。

人工智能在美容行业中的应用技术节省了人力成本，提高了客户服务效率，为消费者选择和购买产品带来了方便和全面的用户体验。" 孙泽南说。

孙泽南指出，从目前的应用来看，个性化定制的护肤系统可以让每个用户都有一位专属的护肤美容师，使用人脸识别和人脸分析技术来分析用户提供的照片并评估他们的皮肤状况，然后使用推荐算法从现有产品中选择最适合推荐的产品。面部美容评价系统为医学美容提供了一种有价值的方法和工具，可以帮助医院进行整容手术。通过对检测数据与标准美容模型的比较，可以为整容手术的各个部位提供最佳方案。AR 智能化妆测试采用人脸识别和虚拟化妆渲染算法，实现了不同品牌、不同颜色在脸上的化妆效果，降低了化妆测试成本，扩展了化妆品零售终端，满足了快速时尚的需要。

就审美标准而言，人和机器是相互作用的

在对美的认识上，很难量化和形成对美的认识标准，也很难量化和形成标准。然而，公众的审美观念仍然有规律可循，例如，国家和城市的美几乎人人都能认识。

人工智能需要大数据的训练才能理解美。目前，人工智能无法将漂亮面孔的定义和外观与人类监督的数据标记分开，因为人工智能本身对美本身没有认识，它对美的掌握取决于它所学习的面部数据以及人工定义和量化美的标签数据集。" 孙泽南说。

大卫·阿佩尔认为人工智能不是一种威胁，而是一种需要协同工作的物体。机器没有多余的感觉和偏见，它们可以显著增强人类的创造力，并提供最具创新性的算法。

以前，Carto 人工智能香水系统是在著名的香水公司 givaudan 生产的，该公司使用 IBM 收集的气味图谱，希望香料能最大限度地提高配方中的嗅觉性能。

例如，资生堂光电个性化护肤系统由智能手机应用 OptuneApp 和专用机器 OptuneZero 组成。OptuneApp 使用机器学习技术分析用户拍摄的照片，以显示用户的皮肤状况（皮肤、毛孔、水分等），并通过云端将数据发送到 OptuneZero，该系统根据该算法从现有产品中选择最合适的精华和保湿产品组合，并直接从机器上生成它们。

为了消除人工智能对人类美学的偏好，训练算法中使用的数据应尽可能的全面和多样化，并综合多维、多角度的标准进行研究。但这并不排除自主进化智能探测美丽的人和事物的能力，比如自动搜索明星照片的机器，这些照片可以吸引公众的注意力来学习自己的审美标准。孙泽南说。

孙泽南认为，随着人工智能在化妆品行业的应用，在审美标准上，人与机器会相互影响。一方面，人的美标准在广义上具有个人偏好。当算法专家使用美的定义作为机器学习的标准时，机器更倾向于这种美学标准的定义。另一方面，当机器长期推荐它所认为的医疗美容方案时，人工智能系统的用户审美系统也会受到一定程度的影响。