阿里的魯班智能設計機器人具體是什麼樣的？

01-23

設計不畢業 28｜阿里巴巴消費者事業群UED總監楊光：設計師一定要有正能量 - 讀點兒設計 - 知乎專欄
設計師會被人工智慧取代嗎？聽聽同濟、阿里、IBM、微軟的設計極客們怎麼說
這兩篇文章里有提到阿里有個基於大數據的魯班智能設計機器人
運營人員可以通過它自動生成很多受用戶歡迎的 banner
有沒有人了解它具體的機制和效果

我只想問，哪裡能下這個系統？

http://Lubanner.com 這個魯班根本和阿里沒有一毛錢關係，網站沒有備案很明顯不會是阿里巴巴的風格，阿里團隊如果用論壇肯定是用自家的phpwind而不會用discuz

內測碼要論壇發帖申請，發帖需要註冊帳號，註冊帳號需要購買邀請碼，阿里會這樣干？

來遲啦，謝邀。

特贊一直以來都非常關注人工智慧與設計領域的話題，題中提到的2篇文章也都來自特贊。我們的創始人 @范凌同時也是同濟x特贊設計與人工智慧實驗室的主任。在2017年的阿里巴巴 UCAN 用戶體驗設計峰會上，同濟x特贊設計與人工智慧實驗室聯合阿里巴巴智能設計實驗室共同發布了《2017設計與人工智慧報告》。

在 UCAN 2017大會之前，我們就採訪到了淘寶 UED 的產品設計師，同時也是魯班的產品設計負責人樂乘。簡單整理了下採訪內容，希望能解答一二。

起源

2015年的「雙11」是個關鍵節點。2015 年之前的「雙11」，商品推薦都是人來控制的，由運營決定給用戶推薦什麼產品。而2015年那次「雙11」，是阿里第一次基於演算法和大數據，為用戶做大規模的、個性化的商品推薦，叫做「千人千面」，是阿里流量分發模式很大的升級和轉型。

2015年的「雙11」結束後，淘寶的設計、工程和演算法團隊聚在一起，商量下一年要做些什麼。他們當時想，目前已經做到的個性化推薦，都是基於白底圖商品推薦，能不能往前邁一步，讓強營銷導向的廣告資源位的設計也「千人千面」呢？

從純商品個性化跨到廣告資源位個性化，中間幾個關鍵的技術點打通之後，他們就在內部發起了一個人工智慧設計的項目，主要開發的產品就是「魯班」。之所以叫「魯班」，也是因為一句玩笑話。當時說要「讓天下沒有難擼的banner 」，諧音就是「魯班」，後來發現簡直太合適了，魯班不僅本身是個偉大的工匠，也是很多工具的發明人，所以他的理念跟當時的「魯班」團隊做的事情是不謀而合的，他們也希望發明工具，讓設計師更好地工作。

隨著產品和團隊逐漸壯大，現在團隊已經演進為「阿里智能設計實驗室」。

3個關鍵技術點

第一點是圖像演算法「摳圖」。因為高質量的廣告設計需要把商品圖片摳出來，放到精美的設計主題里。以前都是設計師給商品摳圖後再做設計，現在阿里智能設計實驗室要用機器做海量設計，就得讓機器來做這個事情。他們跟阿里搜索部門做圖像切割的演算法團隊合作，處理海量的商品自動摳圖。

第二點是把設計變成「數據」。一張廣告設計圖片是像素組成的「信息」，不是「數據」。利用機器把商品、文字和設計主題進行在線合成，這樣每張廣告圖片就帶上了商品信息，可以根據消費者偏好進行個性化投放。所以「魯班」產品上線初期，他們請設計師根據活動主題做了大批量風格確定的模板，證明了這種模式投放效果可以大幅提升點擊率。

第三點就是讓機器學習設計。靠「人肉設計模板」度過了第一個階段，但長遠發展角度必須讓機器來做設計。大概是 16 年 8 月份開始的，有一位之前負責淘寶「拍立淘」（在淘寶內通過圖片搜索找同款，隨拍隨找）產品開發的圖像演算法專家加入了進來，主導整個智能設計的演算法框架。

2個挑戰

第一個挑戰是解決數據問題。因為行業里沒有什麼參考對象，只能不斷試錯。剛開始的時候，數據不太夠，團隊就制定了很強的設計規則去控制，結果要麼就是機器跑不出設計結果，要麼就是設計出來的結果很失控。設計是有無窮可能性的，靠弱數據強規則必然走不通。意識到這一點以後，他們就集中精力去解決數據問題，把內部設計師電腦里的設計圖和供應商的設計圖都收集過來。

他們有自己開發的設計協同工具「設計板」，有點類似Slack，但是是專門用於設計協同的。這樣才能方便大批量、規模化的找到這些數據。

第二個挑戰是數據清洗和輸入機器。因為收集過來的數據是很雜亂的。比如「雙11」期間「魔性」的設計風格跟無印良品這種「性冷淡」風格差異很大，這是完全不一樣的品牌調性和設計需求。團隊花了很大的力氣去整理和建立了一套數據體系去管理設計數據，讓機器生產出更匹配的結果。

4個核心步驟

現在講 AI ，外界很難感受到機器的智能含量多高、體現在什麼地方，但樂乘也不太同意「魯班」是「大數據生產」這種說法。這個疑問涉及兩個核心的，也是最基本的問題：一是什麼叫設計智能，二是怎麼評價機器是否具備了設計智能。

AI 目前有幾個主要方向，一個是「識別」，像語音識別、圖像識別；另一個是「生成」，也就是阿里智能實驗室在做的，從無到有創造東西，讓機器能根據請求生成符合特定要求的結果。他們把這一智能設計定位為：可控的圖像生成技術。可以結合技術框架和原理來理解，簡單來說，在整個生成過程中，有4個核心步驟（具體的講解可以參考 @剝桔子分享的 UCAN 2017回顧）：

第一步，讓機器理解設計是什麼構成的：通過人工數據標註，對設計的原始文件中的圖層做分類，對元素做標註。設計專家團隊也會提煉設計手法和風格。通過數據的方式告訴機器這些元素為什麼可以放在一起，把專家的經驗和知識通過數據輸入。這部分核心是深度序列學習的演算法模型。

第二步，建立元素中心：當機器學習到設計框架後，需要大量的生產資料。阿里智能設計實驗室會建立元素庫，通過機器做圖像特徵提取，然後分類，再通過人工控制圖像質量以及版權問題（實驗室購買了有版權的圖庫，也是希望從一開始就避免版權方面的糾紛）。

第三步，生成的系統：原理有點像 Alpha Go 下圍棋。在設計框架上構建起虛擬畫布，類似棋盤，生成的系統把元素中心的元素往棋盤放，在這裡實驗室採用了「強化學習」，就好像你在家裡放一台掃地機器人，讓它自己跑，跑個幾圈，它自己會知道哪裡有障礙要避開。在強化學習的過程中，機器參考原始樣本，通過不斷嘗試，得到一些反饋，然後從中學習到什麼樣的設計是對的、好的。

第四步，評估的系統：實驗室會抓取大量設計的成品，從「美學」和「商業」兩個方面進行評估。美學上的評估由人來進行，這方面有專業眾包公司；商業上的評估就是看投放出去的點擊率瀏覽量等等。

1.7億個 banner

2016年「雙11」魯班設計了1.7億個banner。

其實這 1.7 億個 banner 是有設計強幹預的，因為「雙11」的風格是比較確定而且需要嚴格執行，所以設計師製作了很多「雙11」特定風格的固定模板。機器在這個基礎上，把調整尺寸這些行為進行優化，節省了尺寸拓版的人力。用機器生成億級設計從而帶來商業效果提升，總體來說也是一次非常成功的應用實踐。

未來的「雙11」應該仍然會是設計師帶著機器做設計的模式，重大活動中設計機器是提升效率的助理角色。引用阿里 CEO 的話——「魯班是數據業務化的代表」，之前阿里有很多數據，但都是閑置的或者利用效率不高的，比如海量的商品圖，而「魯班」把數據變成了業務，通過大規模設計加精準投放，提高每個廣告位的資源效率，帶動了流量的效率和業務價值，點擊率是翻倍的，收益也接近翻倍。人員倒沒有出現縮減，只是做的事情有調整了，要學習這套系統，學習如何訓練機器，同時在美學方面做把控。

—————————————————

轉載請與我聯繫，並註明文章來源
原文鏈接：2016 年「雙11」期間的 1.7 億個 banner，都來自阿里的設計人工智慧「魯班」
更多關於設計與人工智慧的最前沿信息和精彩觀點，請移步設計與人工智慧專欄
更多特贊與藝術、創意、設計領域的大咖採訪，請移步讀點兒設計專欄

大概是這樣的~

1 數據收集去建立設計模型，把基於規則的東西逐漸轉換成基於數據和統計的東西，就是設計框架。

把這些原本存在設計師大腦的手法和知識轉換成數據，進行深度學習和分析。

根據不同行業進行分類歸檔，在每個大行業下再進行業務版塊及形象風格的元素歸檔。

比如說清涼感靠什麼組成？淺色？花朵？海邊？或者時尚感靠什麼組成？撞色？幾何？

2 在素材庫中提取元素，組合元素。

3 然後評估設計作品如何。（評估系統先經過了人工輸入評分標準）暫時魯班是雙向評估，人+機器評估。

4 完成主流的設計要求。

通過設計產生數據，將人的設計，轉化為設計的數據。這個數據變為某種模型，這個模型可以進行運算，運算之後再評估，評估打分之後，再進行運算的迭代。機器可以不斷運算學習、分析、成長，在某些層面上，機器成長速度會非常非常快。

在這點上，面對一些不得不做的工作，如時效性低的日常更新和適配圖片尺寸。能很大程度上減少我們設計重複工作的時間，轉而像創意工作產出更多。

所以各媒體發布的標題都是說魯班說取代的是美工，而不是設計。

這裡附上一個文章希望能幫助你。

UCAN2017回顧!美工終結者「魯班智能設計平台」是如何工作的？

https://mr.baidu.com/3qlrvg9

這條愚人節新聞描述的很接近

目測又是海報模板系統！！設計師為淘寶提供海報模板！淘寶為用戶提供庫。

大神可以申請使用資格看看：http://Lubanner.com

能幫我摳圖就最好了

我想知道魯班智能設計機器人什麼時候面向市場

機器學習在圖像領域的應用，以後這樣的產品會越來越多，有大數據了，以前不可實現的訓練都可以實現了

瀉藥

基本原理其實很簡單搞這方面的應該都或多或少知道一點

機器人作為產業鏈的一部分在部分環節上代替人類工作

大數據作為新時代產物，是指「包含著巨量資料的信息資產」。而這些數量龐大、內容多樣的信息，需要藉助新型的軟體和數據模式進行處理。

在機器人端嵌入大數據和雲計算，一方面能夠對製造流程進行實時監控，從而提前發現問題、規避風險;另一方面還能夠極大增強對客戶反饋的非結構化數據信息的處理能力，優化市場洞察力和決策精準度，從而提供更優質的產品和服務。

說白了雲計算+大資料庫=大數據機器人

至於生成banner 也是基於強大的雲計算和資料庫。