Myti ha la ricerca… in testa: il progetto Yonder di Intelligenza artificiale applicata alla ricerca sui capelli

Che Myti abbia una vocazione fortissima per la ricerca e sviluppo è cosa nota. Anche oggi che è entrata a far parte del Gruppo Neosperience, continua a dedicare una quota importante alla ricerca di nuove idee, soluzioni e componenti tecnologie.

In questo progetto non siamo stati coinvolti in maniera diretta, ma lo è stata Yonder, partner Myti, società composta da docenti e ricercatori universitari con competenze speciali legate all’Intelligenza artificiale.

Cosa c’entrano i capelli con la ricerca? Qualunque evenienza umana può entrare nello scenario della ricerca, soprattutto quando le ricadute pratiche di queste innovazioni basate su tecnologia avanzata offrono un ragionevole miglioramento delle performance. A dimostrazione di quanto sia molto più pratica e “praticabile” l’Intelligenza artificiale vi raccontiamo questa vicenda che coinvolge direttamente Yonder, e parte da Londra.

Qui ha sede il Cosmetic Science Research Group che, insieme al Dipartimento di Ingegneria dell’Informazione dell’Università di Brescia e dall’azienda britannica Sensory Dimensions ha deciso di portare avanti lo studio: “Artificial Intelligence in Hair Research: a Proof-of-Concept Study on Evaluating Hair Assembly Features”*.

* Artificial Intelligence in Hair Research: a Proof-of-Concept Study on Evaluating Hair Assembly Features”, di Gabriela Daniels e Slobodanka Tamburic del Cosmetic Science Research Group, London College of Fashion; Sergio Benini e Mattia Savardi del Dipartimento di Ingegneria Informatica dell’Università di Brescia; Jane Randall e Tracey Sanderson di Sensory Dimensions Ltd, pubblicato in International Journal of Cosmetic Science, Volume 43, Issue 4, pp. 405–418, August 2021. [link]

Premessa: il complesso mondo del settore beauty

Premessa: il settore dell’hair care, tra i più complessi del mondo beauty, ha la necessità intrinseca di fare ricerca e portare avanti soluzioni e prodotti sempre nuovi adeguati ad un mercato internazionale molto esigente.

Ciò comporta sfide complesse. Uno degli step fondamentali, ma oggi ancora molto costoso, è l’esecuzione di panel per la valutazione degli effetti di un prodotto sul capello: sebbene si tratti di uno degli elementi più importanti e utile per la ricerca e sviluppo di nuovi prodotti, comporta investimenti che solo i grandi brand della cosmesi possono permettersi.

Recentemente, diverse applicazioni di Intelligenza artificiale, nella sua declinazione di Computer vision e Machine learning, sono state utilizzate nell’industria cosmetica per il rilevamento e l’analisi automatica di immagini che ritraggono soggetti e capigliature.

Finora, tutta la ricerca pubblicata sul rilevamento e la classificazione dei capelli era concentrata sulla segmentazione e classificazione automatica dei capelli in acconciature (ad esempio capelli lunghi, corti, lisci, ricci) e sulla ricostruzione della struttura 3D di una chioma basata a partire da una sola immagine, principalmente per applicazioni nell’ambito della computer graphics.

Mancavano, invece studi sui metodi di Intelligenza artificiale applicati alla valutazione di piccole alterazioni dell’allineamento dei capelli, derivanti dall’uso di shampoo e conditioner. Inoltre, tutta la ricerca sull’apprendimento automatico nel settore dei cosmetici è stata condotta tramite set di dati proprietari, quindi non disponibili al pubblico.

Due obiettivi dello Studio sull’Intelligenza artificiale nella ricerca sui capelli

Gli obiettivi di questo studio erano sostanzialmente due:

Il primo riguardava l’applicazione delle tecniche di computer vision e machine learning per quantificare gli effetti dei trattamenti per la cura dei capelli sull’allineamento dei capelli e identificare correttamente se le ciocche in esame fossero state trattate o meno con uno shampoo e un conditioner.

Il secondo obiettivo era esplorare e confrontare i risultati della valutazione “umana” con quelli ottenuti dagli algoritmi di intelligenza artificiale (AI) di una macchina.

Risultati dello studio: un balsamo di dati certi e misurabili

L’apprendimento automatico del Machine learning è stato applicato a un dataset di 1080 immagini di ciocche di capelli (vergini e decolorate), sia trattate che non trattate con lo shampoo e il balsamo in esame: il risultato atteso dall’applicazione dei due prodotti doveva essere un aumento del volume dei capelli, un miglioramento dell’allineamento e una riduzione della carica elettrostatica del capello. Gli effetti avrebbero dovuto essere più netti sulle ciocche decolorate.

Quando si dice “questo shampoo aumenta il volume dei capelli del 30%” oppure “riallinea i capelli in un modo mai visto prima”, le dichiarazioni si basano su valutazioni ottenute da “panel” che costano molto.

Le sessioni di valutazione sensoriale con persone reali, infatti, sono un costo molto alto per le case cosmetiche, soprattutto quando coinvolgono valutatori esperti.

Ricordiamo anche che, a differenza della percezione umana che potrebbe essere falsata da varie ragioni, ciò che emerge dalla valutazione generata dall’AI rappresenta una certezza che neutralizza ogni interferenza.

Riuscire ad avere un tool automatico che riesca a valutare i cambiamenti di volume e di allineamento di capelli dopo l’utilizzo di uno shampoo e di un conditioner, permette di misurare in modo oggettivo delle proprietà strutturali del capello prima e dopo l’uso del prodotto in maniera veloce e replicabile.

Le parole di Sergio Benini, socio titolare di Yonder

Siamo stati contattati dal Cosmetic Science Research Group per collaborare allo studio che due ricercatrici stavano conducendo sui capelli. Avevano letto un nostro studio in cui ci eravamo occupati in passato di un metodo per riconoscere in modo automatico la presenza di capelli in un’immagine” spiega Sergio Benini, Professore Associato nel settore scientifico-disciplinare di Telecomunicazioni del Dipartimento di Ingegneria dell’Informazione dell’Università degli Studi di Brescia e socio titolare di Yonder. “L’intelligenza artificiale, però, non era mai stata utilizzata in precedenza per studiare le proprietà strutturali del capello. Nel dominio pubblico inoltre mancavano dataset che non fossero proprietari dei grandi brand della cosmesi e cura dei capelli.”

Gli stadi del progetto

Il progetto si è evoluto attraverso vari stadi.

Nel primo stadio è stato prodotto il dataset di immagini (1080), che è stato anche pubblicato e ora è di dominio pubblico, ed è stato definito quello che doveva essere il comportamento atteso dei capelli a fronte di un trattamento. Sono state eseguite analisi automatiche mediante algoritmi di Computer vision e Machine learning. Poi c’è stata la fase che ha coinvolto l’essere umano e si è proceduto in due direzioni: è stato eseguito un assessment sensoriale davanti alle ciocche di capelli (la persona poteva girare intorno alle ciocche); un altro panel, diverso e più numeroso, è stato posto di fronte a immagini che la macchina ha processato esclusivamente in vista frontale per capire se per l’umano il cambiamento di volume e allineamento fosse percettibile oppure no.

La velocità della complessità

Per la realizzazione dell’algoritmo prodotto dal Dipartimento di Ingegneria dell’Informazione dell’Università di Brescia sono servite alcune settimane di lavoro. Il processo di training della macchina ha richiesto qualche ora. Una volta pronta, la macchina è stata in grado di eseguire il test e l’assessment in pochi millisecondi.

L’algoritmo è stato in grado di percepire in modo oggettivo le variazioni, mentre la valutazione umana ha solo parzialmente confermato l’analisi dell’immagine e ha evidenziato, inoltre, le sfide imposte dalle modalità di presentazione degli elementi da valutare. La valutazione umana delle immagini in due dimensioni è risultata più difficile rispetto a quando le ciocche vengono visualizzate in 3D. Nel complesso, i capelli decolorati hanno evidenziato effetti di maggiore entità rispetto ai capelli vergini.

Conclusioni dello studio

In prima battuta è risultato certo che l’algoritmo di Intelligenza artificiale è utile per fare la valutazione di capelli trattati e non. Agendo in modo oggettivo, e misurando volumi oggettivi e allineamenti oggettivi, l’algoritmo riesce a percepire dei dettagli difficilmente percepibili dagli umani.

Dimostra quindi che possono essere applicati metodi per misurare in modo oggettivo delle caratteristiche che altrimenti sarebbero difficili da misurare o che gli umani potrebbero misurare ma i cui riscontri risulterebbero difficilmente affidabili e attendibili.

I costosi panel “umani” possono essere sostituiti con l’applicazione di algoritmi di intelligenza artificiale.

Tutte le aziende che devono condurre dei panel per misurare alcune caratteristiche dei loro prodotti dovrebbero considerare l’AI come una via per ridurre i costi degli assessment e avere una misurazione delle caratteristiche quanto più oggettiva possibile, senza l’interferenza delle percezioni umane soggette a influenze o inquinamenti” conclude Sergio Benini.

Per consentire la replicabilità e incoraggiare ulteriori ricerche in questo campo, il codice e altri materiali pertinenti utilizzati per questo studio sono stati rilasciati e sono a disposizione nella pubblicazione.