“比起管理，或许研究和工程方面的工作更适合我。”

在一家从事产品包装研究和设计的公司担任副社长的坂本英树如此感叹道。

50多岁，文科背景，一家市场调查公司的社长。

这几个标签和AI似乎看上去并没有什么关系。

但是，坂本英树现在所在的公司Plug正在开发一款AI服务“Package Design AI”，简单来说，这是一种能够评判包装设计的AI。目前包括卡乐比和日本雀巢在内的多家大型食品制造商都已经将其正式投入商用了。

利用“Package Design AI”评估卡乐比两个产品的新包装。

在雀巢的一个系列产品中，用热图评估了消费者关注的地方。

尽管这个AI服务是与东京大学的联合研究项目，但实际上从编程到实际测试以及最终的落地，全部都是坂本英树一个人完成的。

开始这个项目之前，坂本说，“我连Python是什么都不知道”。

那么副社长坂本英树到底是如何入手开发AI服务的，又是什么促使了他选择独自开发这款项目，赶快和文摘菌一起来揭秘吧。

如何进行数据库和设计的数字化转变

如果先告诉你，Plug是由两家公司合并而来的话，或许会更好理解公司如今的发展和抉择。

1957年，坂本的公司还在从事市场研究，现任Plug社长小川亮从1989年以来就一直从事包装设计，两家公司与2014年合并，目前约有70名员工。

或许你会疑惑，为什么一家设计公司会和市场研究公司合并，这是因为调查消费者反应的时候，他们对于产品包装设计持何种感情十分重要。

比如说，假设剩下两个最终的设计候选方案A和B，当决定使用哪种方法时，传统的方法是让数十至数百个消费者聚在一起，收集他们的意见和想法，统计得出哪种方法更得人心。

换句话说，大多数产品包装都是由客观数据确定的，“这是因为它在市场上更受欢迎”，而不是某种主观因素，“这在某种意义上说是更好的”。

但是，当同时抓住市场研究和设计两头的时候，这个数字化问题就成了一个商业挑战，而AI正好可以作为这个问题的最优解。

目标是一年学习1000个小时，5个月后就豁然开朗了

其实，这个问题，也完全可以用外包的方式来解决。

但是，坂本英树表示，“外包的话，知识无法在内部积累”。

同时外包生产的AI模型也不总是能达到理想的精度。如果没有内部知识，那么后期的准确性也就无法得到保证，比如说你可能不知道未来如何去提高准确性。

“实际上，我们在开发之初就试图将其外包，但是坂本和同事因为遇到种种问题，最终转向了内部生产。”

但是，还有一个问题，公司最初并没有进行AI相关的培训，如果要公司自己开发，研发人员从哪来？

于是，坂本英树决定从零开始学习Python。

坂本先生在接受采访时表示，这是他第一次接触到编程，在使用Python的时候，甚至都不知道for语法是什么。

于是，阪本先生第一件事就是报名了一所编程学校并在家学习，目标是一年学习1000个小时，“如果工作日学习2个小时，节假日学习5个小时，那么一周就是20个小时，坚持一年，大约就是1000个小时”。

在一所编程学校学习了两个月的基础知识后，阪本先生还学习了一些机器学习相关的课程，再加上本身具有的统计知识，整个过程还是比较轻松的。

最初，该项目是在工作时间以外启动的。虽然这是一个重要的管理问题，但公司也不知道能否将其转变为正式的项目。”我私下里每周花20个小时在编程和AI上，我的家人都对此感到了厌烦，说‘你满脑子都是AI’"。

开始开发的5个月后，阪本先生意识到，他们能够开发出一个模型。虽然设计的实际评价和人工智能的评价的相关性很低，只有0.3；但经过后续的研究和讨论，终于把相关性提高到0.5。

“这时我们确信，我们可以把这个项目做成一个内部项目。”

业务从管理领导转变为AI工程师

当这个公司内部项目敲定之后，坂本先生也作为副社长参与到了管理研究团队的工作中。

“当然，我能够减少我的正常工作。我有很多事情要做，所以我一般会在研究困难时加入。现在我的正常工作是大概占了2-3成，其他的都是AI相关的工作。”

当被问及管理领导和AI工程师，他更喜欢哪个职业的时候，阪本先生激动地回答，“AI工程师有很多研究性质的工作。例如，要使相关性增加0.1，你就必须尝试各种组合，一次计算需要一个小时，但最终结果就算只增加了0.01，也会感到非常高兴 ”。

“你可以做以前无法做的事情。现在使用AI，任何人都可以很轻松地进行图像处理和自然语言处理，并且可以非常快速地对其进行可视化处理。这非常有吸引力，虽然很有难度，但我们会追赶。我觉得自己正在成长，这与公司的成长息息相关。因此，我认为我目前的工作比总裁和管理层更接近我想做的。”

但也不是一直都一帆风顺。当尝试了很多方式，相关性还是没有提高，这就很痛苦了。

这种时候，坂本先生就会求助于东京大学信息科学与技术研究生院的相泽山崎松井实验室，他与实验室副教授山崎俊彦每1个半月会开1次会，根据进度听取对应的意见。

坂本先生说：“这种会面中不只是代码教学，还会提出‘有这样那样的算法，你为什么不试试呢’。然后我用谷歌搜索了一下，在例会上报告出来，山崎教授会给出20个左右的问题，然后会尝试其中10个，再解决后续问题。如此下来，一年的时间，我收到了大约60个问题。”

在山崎教授的建议下，坂本先生开始一个人实施包装设计的AI服务，这款AI可以将好感度分为5个阶段进行评价，除此之外，还可以将消费者关注的地方、以及什么理由等可视化，整个过程只需要几分钟。

罗森的苹果汁和7-11的包装设计对比

无论是50多岁的男性还是20多岁的女性，对7-11中“美味”标签的评价会比较高（左），在好感度方面，50岁左右的男性更喜欢7-11，20岁左右的女性更喜欢罗森（右）。

这样的系统不仅可以替代正常的包装设计评估流程，而且对于“分销策略”也很有作用。

这是“设计上的一点变化”。根据商品的不同，有时在不改变内容的情况下，只稍微改变包装设计。因为如果不改变设计，分发端就会以不需要旧商品为由，不让其进入销路。但是，如果改变过多的设计，就无法被消费者认为是同一种商品，就会卖不出去。据说这样的变更是常见的手法。

但是，在更改设计时，像过去一样，实际上需要花费时间和金钱才能使人们看到包装设计并进行问卷调查，“这通常需要数月甚至数百万美元”。但是使用AI的话，一切的工作都可以在数分钟内完成，每张图像的生成成本也只需要15,000日元，只有传统的1/100。

人工智能作为产品解决方案正在被接受

即便如此，坂本和他的团队认为，基于人工智能的包装设计可能性预测最终都会被接受的， 因为类似的情况在20年前就已经存在。

“当互联网调查方法出现时，当基于互联网的调查方法刚出现时，有人怀疑它与面对面的数据是否一致，但不久就被接受了。同样的，如果人工智能方法得到认可，它可能会成为‘比当前方法更好的方法’”。

现在已经有客户表示，“AI的结果似乎更准确”。传统的调查方法，可以故意通过强行调查问卷来改变现状，“重要的不是强求的结果，而是产品是否真正被消费者接受”。这也是人工智能的客观性如此受到重视的原因。

为了应对客户的进一步要求，坂本先生正考虑从单独开发转向团队开发。目前，项目本身已经和公司的基础架构工程师使用代码管理工具Git共享，所以重要的是招人。“我想引进一些30岁左右的年轻人，他可以没有人工智能方面的经验，也没有做过PHP等工作。想从事人工智能工作的人很多，但能作为人工智能人员积累经验的地方并不多。在这方面，我们有很多数据集和知识，所以我们认为我们可以一起学习。”

相关报道：
https://www.itmedia.co.jp/news/articles/2012/29/news025.html