Как ИИ подбирает средства для ухода за кожей

Рекомендации ИИ по подбору средств для ухода за кожей строятся так: система превращает ваше селфи, ответы на вопросы и иногда историю покупок в профиль потребностей кожи. Вторая модель или набор правил описывает средства на основе списков ингредиентов, заявленных свойств, отзывов или данных о результатах применения. Система ранжирует средства из своего каталога по степени соответствия вашему профилю. Результат — список подходящих вариантов, а не диагноз и не доказательство того, что средство на первом месте сработает. Его качество зависит от исходных данных, меток, каталога и проведённых испытаний.

Как ИИ подбирает средства для ухода за кожей

За выражением «рекомендации ИИ» стоят разные системы. Одни следуют фиксированным правилам. Другие учатся на закономерностях в данных предыдущих пользователей. Третьи анализируют фото, кодируют списки ингредиентов, а затем рассчитывают соответствие. Чат-бот может лишь составлять объяснение уже готового результата.

1. На этапе сбора данных система получает селфи, возрастную группу, цели, сведения о чувствительности кожи, текущем уходе, аллергиях, климате, бюджете или истории покупок. Если вопрос не задан, соответствующего контекста у системы не будет.
2. На этапе анализа изображения система преобразует видимые пиксели в оценки таких признаков, как покраснение, пятна, поры, пигментация или морщины. Она не может увидеть диагноз, состояние барьерной функции кожи, гормональные изменения или ощущения от средства.
3. На этапе обработки каталога каждый продукт преобразуется в данные. Для этого могут использоваться порядок ингредиентов, заявленные свойства средства, оценки, метки категорий или зафиксированные результаты применения.
4. На этапе сопоставления система ранжирует средства. Системы, основанные на содержимом, сравнивают ваш профиль с характеристиками продуктов. Системы совместной фильтрации учатся на оценках или поведении похожих пользователей. Байесовские системы оценивают вероятность результата по предыдущим данным и обновляют её по мере поступления обратной связи.
5. На этапе представления результатов система превращает рейтинг в понятный текст. Убедительное объяснение может быть сгенерировано уже после принятия решения. Оно не подтверждает правильность этого решения.

Lee и коллеги опубликовали наглядный пример в Journal of Cosmetic Dermatology в 2024 году. Их прототип оценивал шесть проблем кожи по фронтальному снимку лица. Модель на основе архитектуры трансформера также анализировала списки ингредиентов с учётом их порядка. Система сравнивала векторные представления кожи и продуктов с помощью косинусного сходства, а затем отбирала средства по типу кожи, определённому на основе опроса.

Это полноценная последовательность обработки данных с помощью ИИ. Но по своей функции система всё равно ранжирует каталог. Её «лучшее совпадение» — это средство, занявшее первое место среди продуктов и меток, доступных именно этой системе.

Эта необязательная редакционная проверка не является валидированным тестом. Пользуйтесь ею только тогда, когда результат может повлиять на покупку.

Быстрая проверка рекомендации средства

Что вы видите	Что может происходить	Что влияет на ваше решение
«У вас покраснение» по одному селфи	Модель обнаружила сочетание красных пикселей, на которое могли повлиять освещение или недавний прилив крови к лицу.	Сделайте повторный снимок при нейтральном освещении. Если метка изменится, не покупайте средство только на основании этого признака.
«Этот ингредиент подходит вашей коже»	Модель нашла соответствие по названию или маркетинговой метке, а не по готовой формуле средства.	Проверьте актуальную этикетку, заявленную концентрацию, свой текущий уход и прошлые реакции.
Три средства одного бренда	Ранжирование может быть ограничено каталогом продавца.	Воспринимайте категории средств как идеи, а затем сравните аналогичные варианты у других продавцов.
Высокий показатель точности	Показатель может относиться к меткам на изображениях, а не к результатам применения средств.	Ищите испытания на той же задаче, с подходящими показателями результата и участниками, похожими на вас.
Длинное, уверенное объяснение	Языковая модель могла просто изложить рейтинг связным текстом.	Оценивайте исходные данные и проверку системы, а не гладкость текста.

Что подтверждают опубликованные исследования

Опубликованные системы доказывают, что такие компоненты можно создать. Они не доказывают точность каждого результата коммерческого сервиса.

Исследование Lee показывает, почему один показатель точности может вводить в заблуждение. Модель анализа ингредиентов обучалась главным образом на маркетинговых метках продуктов. Только 161 из 8,759 меток действия средств касалась акне. Заявленная точность для акне составляла 97.2%, но модель выявила 14.3% случаев с меткой «акне». Лишь треть её предсказаний об акне совпала с метками. С редким классом модель справлялась плохо, несмотря на впечатляющий главный показатель.

Метки на фотографиях тоже могут быть неоднозначными. Lehner и коллеги попросили четырёх оценщиков с подготовкой по дерматологии оценить восемь признаков кожи лица у 25 здоровых добровольцев. Оценки различались между фотографиями и видео, а некоторые — и между оценщиками. Их исследование, опубликованное в 2024 году в Skin Research and Technology, показывает, что обучающие метки могут включать субъективные суждения людей.

Для одной системы с узкой областью применения уже есть первые данные о результатах. В исследовании 2025 года в JMIR Dermatology Ghazanfar и коллеги провели восьминедельное испытание, в котором специалисты, оценивавшие результаты, не знали, к какой группе относятся участники. В нём участвовали 68 взрослых с акне лёгкой или умеренной степени. Шестьдесят четыре участника были женщинами, средний возраст составлял 27 лет. Группа с персонализированным подбором получила очищающее средство и крем, выбранные закрытой байесовской моделью. Средний балл акне в этой группе снизился с 1.53 до 1.21. В группе самостоятельного выбора средств показатель изменился с 1.42 до 1.33.

Испытание 2025 года финансировала компания — разработчик системы, и трое авторов работали в ней. Его результаты дают основания для дальнейших испытаний этого продукта в этой группе людей. Они не подтверждают эффективность всех рекомендательных систем на основе ИИ, их применимость к любой проблеме кожи или достоверность результата, полученного только по селфи.

В обзоре 2024 года в JAMA Dermatology Wongvibulsin и коллеги изучили 41 дерматологическое приложение с ИИ, доступное потребителям напрямую. Авторы обнаружили слабую доказательную базу, ограниченное участие врачей и недостаточную прозрачность алгоритмов, использования данных и конфиденциальности. Их выборка охватывала дерматологические приложения, а не все системы подбора косметики. Воспринимайте этот результат как повод внимательнее проверять раскрываемую информацию, а не как вердикт всем инструментам.

Чего не могут доказать селфи и список ингредиентов

По селфи можно оценить признаки, видимые на фотографии. Оно не позволяет диагностировать акне или розацеа. По нему нельзя измерить состояние кожного барьера, впитывание, риск аллергии, потребность в ингредиентах, порядок применения средств или эффективность лечения. Освещение, обработка снимка камерой, макияж, ракурс и недавняя физическая нагрузка могут изменить то, что получит модель. Чтобы точнее понять эти границы, прочитайте, какие выводы об уходе за кожей можно и нельзя сделать по фотографии.

Список ингредиентов полезен, но не даёт полной картины. В Cosmetics Labeling Guide Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США за 2022 год сказано, что ингредиенты в концентрации 1% или ниже могут перечисляться в любом порядке после ингредиентов с концентрацией выше 1%. На этикетках косметики также не обязательно указывать их процентное содержание. По одному списку нельзя узнать все концентрации, pH, систему доставки компонентов или эффективность готовой формулы.

Предвзятость может появиться ещё до выдачи рекомендации. В обзоре 2025 года в AI and Ethics Georgievskaya и коллеги рассмотрели её на этапах постановки целей, сбора данных, разметки, моделирования, валидации и мониторинга. Уточните, публикует ли инструмент результаты отдельно по тону кожи, возрасту и полу. Один общий показатель может скрывать низкое качество работы для небольшой группы.

Как решить, стоит ли пользоваться результатом

Сначала отделите наблюдение от продажи. «На этом фото покраснение заметнее» — наблюдение, которое можно проверить. «Поэтому купите эту сыворотку» — уже утверждение о продукте, которому нужны собственные доказательства.

Затем проверьте, что влияет на порядок средств в списке. Полезная система должна реагировать, когда вы сообщаете о чувствительности кожи, активных компонентах в текущем уходе, аллергиях или другой цели. Неизменный список указывает на поверхностную персонализацию. Возможно, система просто сопоставляет одну общую метку с готовым набором средств.

После этого проверьте каталог. Ищите понятное объяснение того, какие продукты могут попасть в рекомендации, кто платит за размещение и получают ли собственные марки продавца преимущество. Если эта информация не раскрыта, воспринимайте список как полку магазина, а не как результат поиска по всему рынку.

В последнюю очередь проверьте заявления о доказательствах. Валидация должна касаться той же задачи, ради которой вы пользуетесь системой. Совпадение с меткой, поставленной человеком, не показывает, что рекомендованное средство улучшает состояние кожи. Для более подробной проверки воспользуйтесь руководством о том, как разбираться в заявлениях о точности ИИ-анализа кожи.

Если вы хотите изучить видимые признаки на лице, прежде чем оценивать советы о покупках, можно попробовать сканирование лица с явно обозначенными ограничениями анализа по фото. Воспринимайте результат как наблюдение, которое нужно проверить, а не как назначение ингредиентов.

Фотографии лица могут относиться к чувствительным данным. Перед загрузкой проверьте условия хранения, удаления, использования для обучения моделей и передачи данных. В руководстве по проверке конфиденциальности в бьюти-приложениях с ИИ объясняется, на что обращать внимание.

Не пользуйтесь списком покупок, если инструмент скрывает исходные данные, каталог или результаты валидации. Сохраните правдоподобные наблюдения, проверьте их в одинаковых условиях, а затем меняйте в уходе что-то одно за раз. При болезненных, оставляющих рубцы или стойких проблемах кожи нужен врач, а не система ранжирования средств.