人工智能對時尚和服裝行業的變革産生了哪些影響，并且人工智能在該領域未來前景有哪些？
在過去的幾十年裡，人工智能對時尚和服裝行業的變革産生了巨大影響。然而，該領域的研究比較分散，主要集中在供應鍊的某一階段。是以，很難了解在時尚和服裝行業的不同領域進行的工作。
時裝和服裝(F&A)行業是最大的經濟體之一，對亞太地區貢獻了38%，對歐洲貢獻了26%，對北美貢獻了22% 。根據BusinessofFashion，（2019年）亞太地區和歐洲的F&A銷售額預計将分别增長7.5%和5.5%。
F&A也是全球最大的廢物生産商之一因為生産過剩和産品退貨等問題,這背後的主要原因是消費者對行業提供的産品在尺寸、顔色和款式方面的不滿。
是以，該行業必須以客戶為中心，才能成功規範環保制造實踐,該行業采用可持續生産實踐來減少廢物産生和管理非常重要,實作這一目标的方法之一是利用新興的人工智能(AI)技術來建立可持續的數字供應鍊。
在過去的幾十年裡，人工智能已經改變了許多行業，如健康、交通和制造業，因為它能夠使用傳統的數學模型來解決問題,人工智能在服裝設計、制版、預測銷售生産、供應鍊管理等各個階段的應用已在F&A行業得到認可。
随着全球化和數字化的出現，人工智能在連接配接全球業務方面受到關注,在過去十年中，F&A行業在一定程度上利用人工智能來改善供應鍊流程，例如服裝生産、面料檢驗、分銷,這一點很重要，因為F&A行業瞬息萬變，快速響應趨勢變化和不斷變化的消費者需求總是充滿挑戰。
數字化的另一個影響展現在F&A行業的消費者行為中。新的線下和線上媒體意識的增強和出現改變了當代消費者的決策模式，受到各種線上和線下媒體的影響。
是以，建立數字平台以高效擷取和收集需求非常重要。這可以通過利用資訊技術(IT)、人工智能(AI)技術、大資料分析工具和其他目前技術帶來的好處來實作
顯然，F&A行業是最具活力的行業之一，每次設計、生産和銷售新服裝時都會産生新資料,然而該行業仍然缺乏對人工智能方法的廣泛采用。
該行業仍在使用基于經典算法的計算工具，而現代人工智能技術僅限于學術研究。必須采用新的人工智能技術來獲得競争優勢并提高業務盈利能力,同時對研究中使用的不同人工智能技術進行綜合描述，以解決F&A供應鍊中的各種業務問題。
時裝和服裝供應鍊是一個由全球指定的各種參與者組成的複雜網絡，它涉及多種原材料：纖維、紗線、織物、染料和其他化學品，相關流程大緻分為四個階段：設計、織物生産、服裝生産和分銷。
人工智能由于其泛化資料的啟發式特征，已經證明了其解決現實世界問題的能力。在過去的三十年裡，F&A行業發生了一些變化，人工智能在這一轉變中發揮了關鍵作用。
目前，F&A行業配備了服裝生産各個階段所需的先進機器，提高了工業流程的整體效率，在F&A中AI的應用通過管理級别的操作流程得到了很好的解釋和分類。
這些研究缺乏對F&A供應鍊中應用人工智能的分類，在一些研究發現，AI研究對服裝制造問題有45%的貢獻，對服裝預測約有9%的貢獻，對時尚推薦有4.2%的貢獻。
機器學習是一種技術過程，通過該過程，計算機可以在沒有人為幹預的情況下接受訓練以執行配置設定的任務，并從資料本身的模式中學習。數學模型建立在曆史資料的基礎上，以預測和發現隐藏的模式來做出未來的決定，機器學習可以分為監督學習或無監督學習。
監督學習-是一個參數模型，它有輸入（自變量）和目标變量（因變量），通過疊代過程優化模型參數，可以提高監督模型的性能，根據研究問題，它可以是分類或回歸任務，這取決于因變量是分類的還是數值的。
無監督學習——模型隻有輸入屬性或自變量，主要任務是對相似資料點進行分組。這種對相似模式資料點的分組稱為聚類，這個過程會建立它們自己的标簽。
在人工智能中，“專家系統”是一種無需人工幹預即可做出決策的系統，它使用推理方法來解決複雜問題，其特點是“如果-那麼”規則。
專家系統分為推理機和知識庫，“知識庫”的工作原理是事實和規則，而“推理機”則使用規則來學習事實并推導出新的事實， 在F&A行業，它被應用于服裝制造和生産，以選擇合适的工藝和裝置，以産生最小的環境污染。
基于按照拟議的研究架構進行的審查并解決了三個研究問題，本研究認識到F&A行業在應用人工智能方面存在許多差距，這些研究差距為推薦F&A和AI領域未來的研究方向奠定了基礎。
