Facebook正在将名为“通用产品识别模型”的新型人工智能系统集成到其平台中——简而言之，就是让机器学习自动识别Marketplace上出售的各类消费品。这一举措颇具前瞻性，因为它指向一个更长远的目标：未来每一种商品都能被自动识别并实现一键购买，而这正是Facebook构建“社交优先”购物体验的核心所在。

在这一蓝图中，时尚品类将成为通用产品识别模型的重点应用领域。因为Facebook的目标不仅仅是让机器识别衣物，而是更进一步——打造一位虚拟时尚设计师。这位设计师可以根据用户的个人偏好推荐穿搭、管理衣橱，甚至依据天气和日程安排提供每日着装建议。听起来很科幻？但类似的AI时尚助手此前已有尝试。例如亚马逊的Echo Look，它配备了一个支持Alexa的摄像头，用户只需语音指令即可拍照，随后“样式检查”工具会结合机器学习数据和时尚专家的意见给出搭配建议。然而，知道这款产品的人并不多。

Facebook认为其能够取得突破的关键在于两个因素：识别范围与准确度。其内部开发的产品识别工具名为GrokNet，能够识别商品多达一千种不同的特征——从品牌、颜色到尺寸，一应俱全。目前GrokNet已在Facebook Marketplace中投入使用，不仅可以识别用户列出的商品，还能自动生成简短的Product描述。

该模型的训练数据来源于Marketplace现有的海量信息，约包含1亿张图像。Facebook指出，这些数据对于构建一个能够应对复杂光照条件、从各种刁钻角度识别产品的计算机视觉系统至关重要——而这恰恰是在线购物体验中无法回避的挑战。

然而，GrokNet的实际准确率究竟如何？目前仍缺少公开的详细数据。Facebook声称在“家庭和花园”品类上准确率可达90%，并且借助类似的AI工具，广告推荐与实际商品之间的匹配差距有望显著缩小。但话说回来，90%的准确率意味着每十件商品中就有一件可能被识别错误——在购物场景中，这一误差会直接对用户体验产生影响。