一秒做出8000張海報設計的「鹿班智能設計平臺」是怎么工作的？

你的雙11，買買買。而阿里海報設計師的雙11，在一個名為「資源位小組」的小黑屋連續通宵加班。

做海報、改文字、換商品、調設計、換banner，每個設計師對接幾個運營人員，富士康流水線一樣的重復性工作。一年雙11下來，完成上億張海報。

然而，這一切正在成為過去。AI 改變了圍棋，現在也在改變海報設計。

這是一個名為「魯班」的AI 設計師，沒錯，它將擔綱今年雙11的banner海報設計，數量高達4億張。

但考慮到魯班平均1秒鐘就能完成8000張海報設計，一天可以制作4000萬張，4億只能算一個小小小小目標。

本文經AI新媒體量子位（公眾號 ID: QbitAI）授權轉載，轉載請聯系出處。

魯班

這個海報設計AI「魯班」，誕生也與雙11有關。

每年雙11，都是阿里設計師的大考：海量的設計需求，需要保證所有人都統一規范；遇到緊急設計需求，還要快速出稿，對每一個設計師都是腦力、體力雙重考驗。

△ 千人千面需求的banner設計

于是，2015年雙11后，阿里內部開始萌生想法，當年阿里正式在商品推薦上實現「千人千面」，所以希望強營銷導向的廣告資源位的設計也能實現「千人千面」。

因此「魯班」項目正式成立，并不斷發展至現今的「阿里智能設計實驗室」。

當時正值AlphaGo 摧枯拉朽，將深度學習和AI 傳播開來，阿里內部也決定進一步把魯班打造成一個AlphaGo一樣的AI設計師。

進而開始搭建神經網絡，讓魯班學習人類設計師的成果和經驗，不斷進化，直到今年雙11，魯班的水平已經達到了阿里內部P6水準。

魯班的學習進化，主要有三大技術原理。

三大核心模塊

魯班從0到P6，自學設計能力主要看三大模塊：風格學習（規劃+元素）、行動器，以及評估網絡。

1. 風格學習模塊

△ 魯班風格學習

魯班先將大量設計素材的設計數據進行結構化標注，最后經過一系列的神經網絡學習，輸出空間+視覺的設計框架。

框架設計中，首先通過人工標注的方式，讓機器理解該幅設計有哪些元素組成，比如它的商品主體，花的背景，蒙版。

往上一層，還需要通過設計的經驗知識，定義一些設計的手法和風格。手法指的是這些元素為什么可以這么構成。

最上面這一層是風格，當這些元素構成之后，它從美學或者視覺角度看是一個什么感受，讓機器知道它是用什么組成。

下一步是準備設計的原始文件，比如一系列花朵和設計方法，輸入到深度學習網絡中。該網絡具備一定記憶功能，可以記住設計步驟中復雜的過程。

經過這層神經網絡學習之后，會得到一個設計框架。從技術上理解，它是一堆空間特征和視覺特征構成的模型。從設計師的視角來看，它相當于設計師腦里在做一組設計之前那個大概的框架印象。

在設計框架的同時，元素中心也在批量輸入元素（如底圖、主產品圖、修飾元素等），由元素分類器進行學習，按照視覺特征和類型分類。

具體來說，魯班團隊會提前收集一些版權圖庫，以及自己造設計元素的方式，輸入到元素分類器中。這個分類器會把這些元素分布到各個類型里，比如背景、主體、修飾，也會完成圖片庫的提取。

2. 行動器

△ 魯班行動器元素分類

行動器的主要作用，是根據需求從風格學習模塊中選擇設計原型，并從元素中心中選取元素，規劃出多個最優生成路徑，完成圖片設計。

這與設計師實際工作過程非常相似，如設計師要設計一朵花，也會在軟件里會不斷去調每個位置、每個像素、每個角度。同時，整個過程也是一個強化學習的過程，行動器會在不斷試錯中更聰明、更智能。

此過程完成后，將輸出多個設計圖，并最終交給「評估網絡」對輸出產品進行評分。

3. 評估網絡

△ 魯班評估網絡

評估網絡的工作原理是輸入大量的設計圖片和評分數據，經過訓練后，讓機器學會判斷設計的好壞。

魯班的基礎是來源于設計師的設計模板素材和元素素材，因此會有兩個設計師角色每天去訓練魯班，一個負責幫助魯班完成最新的風格學習（風格學習），讓魯班不斷進化，不斷掌握更好的設計技巧。

另一個的角色則是對魯班設計出來的成果進行評估（評估網絡），告訴魯班什么樣的設計才是最好的。

設計師的核心職責，在于把設計變成數據化。目前，魯班已經學習了百萬級的設計稿，擁有了演變出上億級的海報設計能力。

實際上，你應該也看出來了，與AlphaGo最初設計一樣，魯班從0到P6，也是設計師+算法工程師的合作成果。

這背后，阿里的設計師和算法工程師做了三大功課。

三大功課

1. 領域研究

找到該領域專家深入研究該領域的經驗知識，構建一套機器可以學習的數據模型。視覺設計專家把設計問題抽象成「風格-手法-模板-元素」這樣一套數據模型，即把多年視覺設計經驗變成機器可學習的「數據」。

2. 數據鏈路

定義好數據模型后，抓取和標注數據，并對數據集進行分類和管理。在這個過程匯總，如果處理數據給算法訓練的更新頻次，用什么數據去驗證模型，如何評估模型效果，離線模型與在線數據在產品端如何打通？這一系列的數據問題就需要一套清晰的數據鏈路設計。

3. 算法框架

算法框架由算法科學家來制定，數據和算法的關系就像汽油和發動機，兩者密不可分。產品設計師需要與算法討論，把業務場景和數據問題輸入給算法。

這也是阿里內部讓產品設計師學習機器學習的原因，因為搞懂算法框架和技術原理，才能更好理解工作原理。

但三方面功課背后，也不是沒有具體挑戰。

整個魯班打造過程中，遭遇了三方面技術挑戰。

技術挑戰

• 首先是缺少標注數據。今天所有的人工智能都基于大規模結構化標注數據，設計這件事情連數據都沒有完成在線化，更別說標準化、結構化的數據。
• 其次是設計的不確定性。設計是個很不確定的東西，設計需求把握和結果評估都存在人類主觀意識。比如你無法給機器輸入「高端大氣的海報」這樣的指令。
• 最后是無先例可循。整個行業中沒有一些現成的技術或者框架可以參考，這和AlphaGo帶來的福利不同。

當時AlphaGo團隊公布論文后，全世界圍棋AI都照此提升了戰力，比如騰訊絕藝，很快就做到了世界水平。

但對于魯班來說，并無先前經驗可以參考，一切全憑自己摸索。不過也并非完全沒有收獲，在探索中的一年，阿里魯班團隊對AI產品有了更為清晰的定義。

他們內部認為，魯班做的AI是可控的視覺生成。

可控，指的是根據商業的需求、業務的需求，智能地進行控制；視覺生成，則表明魯班解決的是視覺從無到有的問題。

牛刀小試

那么海報設計AI魯班，效果怎么樣？

在2016年雙11，魯班首次登場。它最終制作了1.7億張廣告banner，點擊率提升100%。

與人類對比的話，假設每張圖，人類設計師需要耗時20分鐘，滿打滿算也需要100個設計師連續做300年。

已經不用計算節省的成本了。而今年，魯班也被進行了進一步迭代。設計水平顯著提升，最新的數據情況是：

魯班已經學習了百萬級的設計稿，擁有演變出上億級的海報設計能力。

今年雙11，魯班已經可以實現一天制作4000萬張海報，平均每秒可實現設計8000張海報，并且每張海報會根據商品圖像特征專門設計，換句話說說，魯班設計出的海報，沒有一張會完全一樣的。

設計師的未來

毫無疑問，是時候可以談談設計師群體的未來了。

按照當前阿里內部對技術崗位的評判體系，海報設計AI魯班，已經達到了P6水準，后續進階也只會越來越快。

那設計師會就此被AI替代嗎？

會，在阿里體系內，P4左右的設計師都會受到來自機器的「威脅」。

但也不全會，除了「創意」部分讓機器無可奈何，人類設計師與機器的競合中，也會產生「訓機師」一樣的新職業。

訓機師是阿里內部對轉型設計師的稱呼，這些訓機師是魯班數據中心的核心人員，他們需要為魯班的進化提供規模更大、更豐富的數據，并且對于很多風格相關的事情實現「結構化數據」的轉換。

阿里智能設計實驗室告訴我們：現在的阿里設計師，變成要去學習魯班系統，學習如何訓練機器，同時在美學方面做把控。

魯班今年花了半個月時間學會雙11設計風格，目前已經開始產出一部分人類沒教過它的設計了。但是最具創新意義的創造類設計，目前只能通過「人-機」協同的方式完成。—— 魯班負責人樂乘

所以，人類設計師朋友，你做好與木匠大師，哦不，是AI設計大師魯班共處了么？

歡迎關注微信公眾號：「AI新媒體量子位」

「人工智能好文合集」

• 《雙11期間有1.7 億個banner，都來自阿里的“魯班”AI設計系統》
• 《UCAN2017回顧！當新技術來臨時，設計會發生哪些變化？》
• 《人工智能與設計零基礎手冊！發展歷史和定義+底層設計闡述》
• 《人工智能對設計有哪些影響？來看這篇超全面的總結！》
• 《除了阿里的魯班系統，還有哪些厲害的人工智能設計神器？》

================明星欄目推薦================

優優教程網： UiiiUiii.com?是優設旗下優質中文教程網站，分享了大量PS、AE、AI、C4D等中文教程，為零基礎設計愛好者也準備了貼心的知識樹專欄。開啟免費自學新篇章，按照我們的專欄一步步學習，一定可以迅速上手并制作出酷炫的視覺效果。

設計導航：國內人氣最高的設計網址導航，設計師必備：http://hao.uisdc.com