Värianalyysin historia: vuodenajoista tekoälyyn

Kausianalyysin nousu 1970- ja 80-luvuilla

Värianalyysin juuret yltävät 1800-luvulle, mutta läpimurto tuli 1970- ja 80-luvuilla. Syy oli osin tekninen: väripainatus halpeni ja parani, joten värikkäitä opaskirjoja saatiin massamarkkinoille. Carole Jacksonin kaltaiset kirjoittajat veivät kausianalyysin suuren yleisön tietoisuuteen. Ihmiset jaettiin neljään ryhmään – kevät, kesä, syksy ja talvi – ja jokaiselle löytyi oma värikarttansa. Lupaus oli, että oikeat sävyt saavat ihmisen näyttämään terveemmältä ja virkeämmältä. Kauden määräsi ihonväri, ei niinkään hiusten tai silmien sävy, ja se pysyi samana koko elämän. Rusketus ei muuttanut tyyppiä, vain tummensi sitä.

Neljä vuodenaikaa ei riittänyt

Aika ajoi nelijaon ohi. Ihmisten väritys on liian moninaista mahtuakseen neljään lokeroon, joten järjestelmää venytettiin: ensin 12, sitten 16 ja lopulta jopa 18 alatyyppiin. Tarkkuus parani periaatteessa, mutta samalla syntyi ongelma. Alalla ei ole standardoitua koulutusta eikä tutkintoa, joten kuka tahansa voi kutsua itseään värianalyytikoksi. Lopputulos näkyy käytännössä: sama ihminen saa eri analyytikoilta eri tuloksen. Se nakertaa koko menetelmän uskottavuutta.

Mitä tiede sanoo

Tieteellinen näyttö värianalyysin takana on ohutta. Joitakin yrityksiä kytkeä se mitattaviin suureisiin on tehty. Vuonna 2016 julkaistussa tutkimuksessa verrattiin analyysin tekijöitä aivosähkökäyrään ja löydettiin korrelaatioita, ja saman tutkimuksen mukaan ihon, hiusten ja silmien yhteys kausiväreihin oli selvä – vahvimmin korreloi päänahan väri. Kriitikot eivät silti vakuutu. Moni pitää henkilökohtaista kausianalyysiä pseudotieteenä tai viihteenä ja rinnastaa sen astrologiaan. Pohjasävyjen ja kausijärjestelmän tarkkuudesta ei ole löytynyt kunnon todisteita. Tästä juuri kiistellään: kokemus voi tuntua hyödylliseltä, vaikka teoria ontuu.

Tekoäly tulee kuvaan

2020-luvulla värianalyysi nousi taas pinnalle, tällä kertaa sovellusten ja tekoälyn voimin. Sovellukset lupaavat lukea kasvonpiirteet, ihon sävyn, silmien värin ja hiusten kontrastin ja sijoittaa käyttäjän 12 vuodenajan järjestelmään. Sosiaalisessa mediassa tällaiset videot leviävät, ja samaa tahtia leviää kritiikki. Kaksi ongelmaa toistuu. Tarkkuus: moni epäilee, pystyykö tekoäly korvaamaan ihmisen tekemän analyysin, sillä ihon todellisen alasävyn lukeminen on vaikeaa ja valaistus sotkee tuloksia. Virtuaalinen verhoilu: kun digitaalinen värilappu asetetaan kuvan viereen, lopputulos voi johtaa harhaan, koska se ei näytä miten oikea kangas ja iho vaikuttavat toisiinsa.

Näin Drape tekee sen toisin

Tähän asti juttu on listannut värianalyysin heikot kohdat: epäjohdonmukaisuuden analyytikoiden välillä, tekoälyn joka arvaa alasävyn ja valaistuksen joka pilaa mittauksen. Drape rakennetaan juuri näiden ongelmien takia. Useimmat tekoälysovellukset syöttävät selfien kielimallille ja pyytävät arvauksen, jolloin malli keksii uskottavan vastauksen mittaamatta mitään. Drape kääntää asetelman: mitataan ensin, selitetään vasta sitten. Kuvasta paikannetaan kasvonpiirteet, otetaan oikeat pikselinäytteet iholta, silmistä ja hiuksista, korjataan valaistuksen vääristymä silmänvalkuaisen avulla ja lasketaan väreistä neljä koordinaattia: syvyys, kontrasti, lämpö ja pehmeys. Jokaiselle luvulle tulee virhemarginaali, ja kun valo on vaikea, järjestelmä sanoo sen ääneen sen sijaan että teeskentelisi varmuutta. Ratkaisevinta on toistettavuus: sama ihminen kahdessa eri valossa päätyy suunnilleen samaan tulokseen, ja se on kova vaatimus jonka ohi ei pääse.

VUODENAJAT

• Kevät
• Kesä
• Syksy
• Talvi

MUUT OPPAAT

• Mikä vuodenaika olet?
• Miten värianalyysi tehdään?
• Värianalyysi kotona
• Kuinka Drape tekee värianalyysin?
• Usein kysytyt kysymykset