Η καινοτομία στην ομορφιά -και οπουδήποτε, εδώ που τα λέμε- είναι η μετάβαση από ένα status σε ένα άλλο. Μπορεί η προετοιμασία να παίρνει χρόνια. Όμως το σημείο καμπής είναι συνήθως ένα κλικ, το οποίο συμβαίνει από τη μια στιγμή στην άλλη. Και αλλάζει άρδην τα δεδομένα. Κάπως έτσι, ως σήμερα η Τεχνητή Νοημοσύνη δουλεύει με υπάρχοντα υλικά, στοιχεία και φόρμουλες. Πόσο μακριά είναι το σημείο που θα μπορέσει να δώσει κάτι ουσιαστικά καινοτόμο;

Εκεί ακριβώς εστιάζει τις προσπάθειές της η Debut, η εταιρεία βιοτεχνολογίας την οποία υποστηρίζει η L’Oréal και έχει τη διαχείριση του skincare brand Deinde. Η Deinde φέτος παρουσίασε μια πλατφόρμα ανακάλυψης συστατικών ομορφιάς με τεχνητή νοημοσύνη που έχει το όνομα BeautyORB. Όπως κάνει η Osmo για τα αρώματα, η BeautyORB χρησιμοποιεί την τεχνητή νοημοσύνη για να σαρώσει δισεκατομμύρια πιθανά μόρια με ταχύτητα και κλίμακα που δεν θα ήταν δυνατή για έναν άνθρωπο, προκειμένου να ελέγξει εκείνα που μπορεί να είναι ευεργετικά για την ομορφιά, και συγκεκριμένα για τη σύνθεση ενός skincare προϊόντος.

Μπορείτε να διαβάσετε επίσης: Πλαστά προϊόντα ομορφιάς: Τα 2/3 που είναι σε πώληση online είναι fake

Τεχνητή Νοημοσύνη και καινοτομία

«Υπάρχουν περίπου 50 δισεκατομμύρια πιθανά συστατικά, με 50 δισεκατομμύρια διαφορετικές μοριακές δομές, σε αυτή τη Γη. Τα στοιχεία αυτά, όταν τα διαμορφώνουμε για το δέρμα, θα μπορούσαν ή δεν θα μπορούσαν να έχουν κάποιο αποτέλεσμα», δήλωσε ο ιδρυτής και διευθύνων σύμβουλος της Debut, Joshua Britton. «Εμείς ως επιστήμονες έχουμε δοκιμάσει μόνο ένα κλάσμα αυτών των μορίων, πράγμα που σημαίνει ότι είναι απίθανο να έχουμε βρει τα καλύτερα μόρια για την υγεία του δέρματος, του σώματος και του τριχωτού της κεφαλής. Πιστεύω ότι υπάρχουν ακόμα εκεί έξω.»

Ο εντοπισμός και η ανάπτυξη αυτών των μορίων είναι ο στόχος της BeautyORB. Η εταιρεία μέχρι στιγμής έχει λανσάρει τρία συστατικά περιποίησης δέρματος διαθέσιμα για χρήση από brands και κατασκευαστές. Είναι τα DermCeutical InflammagePRO, DermCeutical Barrier RepairPRO και DermCeutical LongevityPRO.

«Το πρώτο συστατικό που αναπτύξαμε πήρε περίπου δυόμισι χρόνια, κατά τη διάρκεια των οποίων χτίσαμε την υποδομή μας. Τώρα φτάνουμε σε ένα σημείο όπου θα κυκλοφορούμε δύο συστατικά ετησίως», δήλωσε ο Britton. «Χωρίς την Τεχνητή Νοημοσύνη, θα χρειάζονταν περίπου 125 χρόνια για να αναπτυχθεί ένα μόνο από αυτά τα συστατικά».

Το υπολογιστικό μοντέλο της BeautyORB προς το παρόν περιλαμβάνει περίπου 100 εκατομμύρια σημεία δεδομένων σχετικά με τη δερματική υγεία. Το μοντέλο μπορεί να λαμβάνει δεδομένα και να κάνει προβλέψεις. Οι ερευνητές μπορούν να πουν στο μοντέλο “ποιο μόριο προβλέπεις ότι μπορεί να αντιμετωπίσει το Χ πρόβλημα”, κι αυτό να βγάλει διαφορετικά μόρια. Στη συνέχεια, προσπαθούν να φτιάξουν μια φόρμουλα, να τη δοκιμάσουν στο εργαστήριο και να τη βγάλουν στην αγορά.

Καμία μορφή Τεχνητής Νοημοσύνης δεν μπορεί να αναλάβει ακόμη τη διεξαγωγή κλινικών δοκιμών. Ο Britton, ωστόσο, προβλέπει ότι είναι πιο πιθανό ένα μοντέλο να είναι σύντομα σε θέση να διεξάγει τοξικολογικό έλεγχο και δοκιμές ασφάλειας.

Το προσωπικό στα χέρια της Τεχνητής Νοημοσύνης

Σε κάθε περίπτωση, η πραγματικότητα είναι ότι η μοναδική ικανότητα της Τεχνητής Νοημοσύνης στην επεξεργασία πληροφορίας και την πρόβλεψη αποτελεσμάτων θα επηρεάσει, και επηρεάζει ήδη, το εργατικό δυναμικό της ομορφιάς.

Μπορείτε να διαβάσετε ακόμη: Gen A: Οι έφηβοι αγοράζουν αρώματα των €300 και ξέρουν γιατί

«Η Τεχνητή Νοημοσύνη επιταχύνει τη διαδικασία έρευνας. Μειώνει τη δοκιμή και το σφάλμα. Επιταχύνει την ταχύτητα στην αγορά και μειώνει το κόστος επειδή χρησιμοποιεί λιγότερη χειρωνακτική εργασία», αναφέρει ο David Chung, ιδρυτής της Farmacy, της The Rootist και της ILabs. «Για την κατασκευή στην ILabs, θα μειώσουμε δραματικά το προσωπικό στις γραμμές παραγωγής, επειδή η τιμή του αυτοματισμού θα μειωθεί μέσω της Τεχνητής Νοημοσύνης, κάτι που ήδη βλέπουμε».

Όπως όλα δείχνουν, θα υπάρξει μείωση των «αδιάφορων» δραστηριοτήτων σε όλους τους κλάδους. Και άτομα στον ευρύτερο κύκλο του R&D, που το μόνο που κάνουν είναι να εισάγουν δεδομένα, ίσως χρειαστεί να επανεκπαιδευτούν.

Ωστόσο, κατά κάποιο τρόπο, η Τεχνητή Νοημοσύνη δεν μπορεί να κάνει τη δουλειά μόνη της, λένε οι ειδικοί. Για παράδειγμα, στους ρόλους των αρωματοποιών και των χημικών καλλυντικών. Η Τεχνητή Νοημοσύνη δεν μπορεί ποτέ να χρησιμοποιηθεί μεμονωμένα. Η τέχνη του αρώματος εξακολουθεί να είναι βαθιά απαραίτητη. Αυτό που κάνει είναι να παράγει ένα σημαντικό σημείο εκκίνησης για τα αρώματα και μπορεί να χρησιμοποιηθεί για ορισμένες χειρωνακτικές εργασίες. Αυτό σημαίνει πως υπάρχει χρόνος για την καθαρά δημιουργική διαδικασία, τη βελτίωση και την αλληλεπίδραση με τον πελάτη. Τομείς, δηλαδή, που έχει νόημα να επικεντρώσει τον χρόνο του ο αρωματοποιός.

Η περίπτωση του οίκου Givaudan

Αυτό το πνεύμα επικρατεί στον ελβετικό οίκο αρωμάτων Givaudan, έναν από τους παλαιότερους, με έτος ίδρυσης το 1895. Στη Givaudan η στροφή προς τη σύνθεση αρωμάτων με τη βοήθεια της Τεχνητής Νοημοσύνης είναι ξεκάθαρη. Αυτό το κάνει με διαφορετικό τρόπομ μέσω ιδιόκτητων εργαλείων όπως τα Carto και Myrissi. Τα εργαλεία αυτά επιτρέπουν την άμεση δειγματοληψία αρωμάτων και την ευθυγράμμιση των χρωμάτων με τα αρώματα (και, κατ’ επέκταση, με τις συναισθηματικές καταστάσεις), αντίστοιχα.

«Δεν θέλουμε τους αρωματοποιούς μας να τους απασχολούν εργασίες χαμηλής αξίας», λέει χαρακτηριστικά ο Johan Chaille de Nere, διευθυντής ψηφιακού μετασχηματισμού της Givaudan. Προσθέτει επίσης ότι δεν είναι τόσο απλό πως η εφαρμογή διαδικασιών βάσει Τεχνητής Νοημοσύνης οδηγεί σε «καλύτερα» αρώματα. Αυτό που μάλλον συμβαίνει είναι πως είναι σε θέση να κάνουν αυτό που κάνουν σε ένα πιο σύνθετο περιβάλλον.

«Η Τεχνητή Νοημοσύνη μας βοηθά να κατανοήσουμε αυτό το ταχέως εξελισσόμενο κανονιστικό πλαίσιο. Βοηθά τους αρωματοποιούς μας να αναπτύσσουν ταχύτερα τη δουλειά τους. Κι αυτό επειδή υπάρχει όλο και μεγαλύτερη πίεση από τους πελάτες για ταχύτερη ανάπτυξη. Με την ψηφιακή τεχνολογία, μπορούμε να κάνουμε αυτό που κάναμε πάντα. Όμως, τώρα, σε ένα πλαίσιο με μεγαλύτερη πολυπλοκότητα και περισσότερους περιορισμούς».

Η βεβαιότητα ενός αβέβαιου μέλλοντος

Με αυτά τα δεδομένα, ωστόσο, η συνεχής ραγδαία ανάπτυξη της Τεχνητής Νοημοσύνης καθιστά ασαφές το μέλλον αυτών των δυναμικών. Στην παρούσα φάση, τουλάχιστον, η σχέση μεταξύ του χημικού καλλυντικών και της Τεχνητής Νοημοσύνης δεν είναι αντιφατική, αλλά μάλλον αμήχανη. Όλοι λένε ότι οι επιστήμονες πρέπει να τη χρησιμοποιήσουν. Όμως, το να μπορεί κανείς να μιλά τη γλώσσα της είναι το κλειδί. Θα πρέπει ο χημικός να μπορεί να αναγνωρίσει ότι η γενετική Τεχνητή Νοημοσύνη είναι το πιρούνι και η προγνωστική Τεχνητή Νοημοσύνη είναι το μαχαίρι. Και μαζί τους, θα μπορεί, σιγά σιγά, να έχει ένα ολόκληρο γεύμα.

O Johan Chaille de Nere ξεκαθαρίζει πως στη Givaudan, η απόφαση αν θέλει να χρησιμοποιήσει Τεχνητή Νοημοσύνη ανήκει στον κάθε αρωματοποιό ξεχωριστά. Προσθέτει, ωστόσο, ότι οι νέοι απόφοιτοι της σχολής αρωματοποιίας της εταιρείας κάνουν εκπαίδευση με την Τεχνητή Νοημοσύνη, επομένως τη χρησιμοποιούν σε όλες τις δημιουργίες τους. Οι παλαιότεροι αρωματοποιοί, από την άλλη πλευρά, είναι πιο διχασμένοι. Ο ψηφιακός μετασχηματισμός απαιτεί αλλαγές στις συνήθειες, και αυτό είναι αρκετά δύσκολο όταν κανείς έχει ήδη 30 χρόνια εμπειρίας. Είναι κι αυτή μια πρόκληση της Τεχνητής Νοημοσύνης. Να καταφέρει να πείσει ετερόκλητες ομάδες να αγκαλιάσουν αυτό που έχει να προσφέρει.

Τελικά, η Τεχνητή Νοημοσύνη δίνει όντως καλύτερα προϊόντα;

Όσο για το ερώτημα εάν αυτές οι τεχνολογικά βελτιστοποιημένες διαδικασίες ανάπτυξης οδηγούν σε καλύτερα προϊόντα, η απάντηση είναι ναι, αλλά. Η εύρεση καλύτερων συστατικών θα οδηγήσει σε καλύτερα, πιο αποτελεσματικά καταναλωτικά προϊόντα. Δεν πρέπει να ξεχνάμε, ωστόσο, ότι για μια κατηγορία όπως η ομορφιά – σε αντίθεση, ας πούμε, με τη φαρμακευτική βιομηχανία – το θέμα πηγαίνει πέρα από την αποτελεσματικότητα.

Η ομορφιά είναι τέχνη και επιστήμη μαζί. Αυτό είναι, λοιπόν, το ερώτημα. Μπορεί η ομορφιά να γίνει κάτι από το οποίο οι άνθρωποι θα θέλουν μόνο λύσεις και τίποτα άλλο;

Είναι πιθανό να μετατραπεί σε μια κατηγορία εξολοκλήρου βασισμένη σε δεδομένα; Ή μήπως θα υπάρχει πάντα μια πολύ μεγάλη συναισθηματική πτυχή; Και η αλήθεια είναι πως, αυτήν την παράμετρο ακόμα δεν την γνωρίζουμε.

Photo credit: Getty Images, Istock