Ako ih novac ne ograničava, potrošači radije kupuju oku ugodne proizvode, svejedno bila riječ o nekretninama, namještaju, odjeći ili pametnim telefonima. To osobito vrijedi za automobilsku industriju gdje je estetika proizvoda povezana s otprilike 60% odluka o kupnji.
Stajling može napraviti razliku, ali on može biti vrtoglavo skup; proizvođači ulažu više od milijarde dolara u dizajn prosječnog modela automobila, a ta se svota ponekad penje i do tri milijarde, ako je riječ o velikom redizajnu.

Nedavni rad grupe stručnjaka s MIT-a, Yalea i Kelloggove škole menadžmenta pokazuje da modeli strojnog učenja mogu predvidjeti estetsku privlačnost novih dizajna i pritom generirati oku ugodna i inovativna rješenja. 

"Slučaj Aztek"

Pontiac Aztek tipičan je neslavan primjer koji jasno pokazuje kako kupci automobila daju prednost estetici. General Motors je Aztek lansirao u ljeto 2000. godine, izgradivši crossover SUV na istoj platformi kao Buick Rendezvous. Model je zaradio visoke ocjene za svoje performanse, ali je pao na jednom ispitu: vanjskom izgledu.

Aztek je, pokazalo je istraživanje, imao pretjerano agresivan dizajn, "u lice", i kao takav nije bio za svakoga; zapravo za većinu. Ubrzo je ismijan kao jedan od najružnijih automobila svih vremena, a GM je ovaj SUV nakon niza kritika i slabih prodajnih rezultata prestao proizvoditi 2005. godine.

Aztek je prodan upola manje od modela Rendezvous, naknadno redizajniran i rebrendiran kao Buick Enclave, mada se prodavao po 30% višoj maloprodajnoj cijeni od preporučene. Enclave se uz to proizvodi i danas, više od 15 godina nakon početka prodaje. Aztek je, kažu marketingaši, ponudio jasnu lekciju: "ako su dva automobila jednako pouzdana i učinkovita, potrošači će kupiti onaj koji je privlačniji."

Prediktivno modeliranje

Današnji proizvođači automobila ulažu velik novac kako im se ne bi ponovio "slučaj Aztek". Tradicionalno, ovaj se proces oslanjao na masovna događanja, takozvane theme clinics, na koja bi proizvođači dovodili stotine ciljanih potrošača kako bi ocijenili novi dizajn. Takva okupljanja mogu stajati i 100.000 dolara, a proizvođači svake godine moraju održati stotine susreta kako bi bili sigurni da će u proizvodnju pustiti dobar dizajn.

I tu na scenu stupa prediktivno modeliranje: proizvođači tako lako mogu izdvojiti dizajne koji će najvjerojatnije zaraditi niske ocjene po pitanju estetike i ne moraju više trošiti resurse na unapređivanje neuspješnog dizajna izvan početne faze. Manje testiranja dizajna po "tematskim klinikama" skraćuje rokove razvoja i dakako troškove.

Dva modela

Istraživači su u suradnji s GM-om razvili dva modela: generativni stvara nove dizajne automobila na temelju boja, vrsti karoserije i drugih detalja, dok prediktivni model predviđa kako će potrošači ocijeniti dizajn s obzirom na njegovu estetsku privlačnost ili inovativnost.

Prediktivni model, izgrađen na dubokoj neuronskoj mreži, postigao je dojmljive rezultate, s poboljšanjem od 43,5% u odnosu na početnu vrijednost i poboljšanjem u odnosu na konvencionalnije modele strojnog učenja. Ovaj je model, kažu istraživači, jasno ukazao na dobre i loše dizajne, da bio s vremenom postao ključna poluga u stvaranju novih dizajna.

Generativni model proizveo je slike koje su potrošači smatrali estetski privlačnima i čak sugerirao dizajne koji su kasnije predstavljeni tržištu. Istraživači su također otkrili da se model može primijeniti i na neautomobilske proizvode.

Definiranje parametara

Dakako, ovi modeli ne bi trebali sasvim zamijeniti ljudske dizajnere. Za početak, generativni model ne izbacuje dizajn automatski; njemu treba iskusni dizajner koji će definirati parametre. Istraživači na umjetnu inteligenciju gledaju kao na proširenje procesa dizajna slično računalno potpomognutom modeliranju u dizajnu namještaja, modi i drugim industrijama u kojima estetika igra istaknutu ulogu.