ИИ советует, но не видит: кого нет в цифровом макияже

Летний сезон — время экспериментов с макияжем. Новые текстуры, световые фильтры, цифровые тестеры в смартфоне — всё кажется проще, доступнее и умнее. Но за этим фасадом высоких технологий скрыт неожиданный конфликт: искусственный интеллект по-прежнему не распознаёт красоту всех оттенков кожи одинаково. Особенно — если ты не вписываешься в "среднестатистические" параметры.

Мы привыкли доверять алгоритмам: фильтры подбирают оттенок тонального, приложения анализируют лицо, а онлайн-примеры "рекомендуют" нам то, что якобы подходит. Но работает это не для всех. Чем темнее или нестандартнее цвет кожи — тем выше шанс, что рекомендации будут неверными, обидными или попросту неработающими.

Где макияж сталкивается с цифровым неравенством

• Подбор тонального крема: Автоматические тестеры часто предлагают "пепельные" или "сероватые" оттенки для тёмной кожи, ошибаясь на несколько тонов.

• Дополненная реальность: AR-макияж в приложениях буквально исчезает или искажается на лицах с насыщенным пигментом.

• Поиск по фото: Алгоритмы на сайтах косметики подбирают примеры на моделях с одним и тем же типажом — "универсальная белая девушка со светлой кожей".

• Рекомендательные системы: Продукты, подходящие для разного этнического фона, просто не появляются в выдаче.

Откуда берётся цифровая предвзятость?

ИИ обучается на данных. А данные — это, как правило, изображения, собранные из открытых источников, где перекос в сторону светлокожих огромен. Если в выборке 80% лиц — с однородной кожей, алгоритм просто "не умеет" работать с другими. Он не "плохой", он — ограниченный. Но последствия от этого — вполне реальные.

• Пользователь с тёмной кожей получает "рекомендации" не по типу, а по ошибке.

• Оттенки, идеально подходящие, просто не выводятся.

• Люди чувствуют себя исключёнными — даже из цифровой бьюти-среды.

• Возникает впечатление, что макияж не для всех, что цифровая красота — всё ещё про одну норму.

Есть ли решения — и кто их создаёт?

Рынок реагирует, хоть и неравномерно. Некоторые бренды обучают ИИ на расширенной палитре лиц — от самого светлого до самого глубокого оттенка кожи. Другие — делают акцент на этически корректном машинном обучении: разнообразие возрастов, текстур, этнических типов.

• Fenty Beauty активно развивает инструменты распознавания оттенков в широком диапазоне.

• Бренды вроде L'Oréal тестируют алгоритмы с мультикультурными базами.

• Стартапы в Азии и Африке разрабатывают локальные решения, адаптированные под местные реалии.

Но до универсальности далеко. Особенно в массе бесплатных приложений и на маркетплейсах, где визуальные тестеры часто основаны на упрощённых, "унифицированных" алгоритмах.

Что делать пользователю уже сейчас?

1. Не верить слепо тестерам: это только один из инструментов, и он может быть неточным.

2. Искать бренды с прозрачной политикой данных: если компания заявляет о мультиэтничной базе обучения — это плюс.

3. Обращать внимание на отзывы людей с похожим тоном кожи, а не только на рекомендации ИИ.

4. Использовать собственные фото без фильтров, чтобы избежать ошибок подбора.

5. Задавать вопросы брендам - спрос формирует предложение и алгоритмы.

Красота без исключений — возможно ли это?

ИИ в макияже — не зло и не чудо. Это инструмент, созданный людьми и обученный на их же ошибках и предвзятости. Важно понимать: если алгоритм "не видит” твою кожу — это не с тобой что-то не так. Это у него плохая память.

Технологии должны учитывать всех, и бьюти-индустрия обязана требовать от цифровых решений этической и визуальной инклюзивности. Летний макияж — это не просто про сияние и текстуры, это про право быть замеченной, в любой палитре.