設計師要失業？雙十一，AI設計師已經實現每秒製作8000張雙11海報，沒有一張雷同！

打開天貓淘寶，你會發現每個人的首頁都不一樣，這就是所謂的千人千面，然而在一款日活達到數以億計的App上，要實現千人千面，得需要多少張不同的海報？需要多少人力才能完成？然而，隨著AI時代的來臨，設計師一張一張地做海報的日子已經過去，雙十一，AI設計師「魯班」已經實現了每秒製作8000張雙11海報，沒有一張雷同！

在過去，每年雙11，設計師們都會開啟狂加班模式：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複性工作。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，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，一天可以製作 4000 萬張，4 億隻能算一個小小小小目標。

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範，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

於是，2015 年雙 11 後，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，並不斷發展至現今的 " 阿里智能設計實驗室 "：讓魯班學習人類設計師的成果和經驗，不斷進化，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：風格學習（規劃 + 元素）、行動器，以及評估網路。

首先是風格學習模塊。

魯班先將大量設計素材的設計數據進行結構化標註，最後經過一系列的神經網路學習，輸出空間 + 視覺的設計框架。

框架設計中，首先通過人工標註的方式，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麼可以這麼構成。最上面這一層是風格，當這些元素構成之後，它從美學或者視覺角度看是一個什麼感受，讓機器知道它是用什麼組成。

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，輸入到深度學習網路中。該網路具備一定記憶功能，可以記住設計步驟中複雜的過程。

經過這層神經網路學習之後，會得到一個設計框架。從技術上理解，它是一堆空間特徵和視覺特徵構成的模型。從設計師的視角來看，它相當於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，按照視覺特徵和類型分類。

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。

其次是行動器。

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，並從元素中心中選取元素，規划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，也會在軟體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。

此過程完成後，將輸出多個設計圖，並最終交給 " 評估網路 " 對輸出產品進行評分。

最後是評估網路。

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

魯班的基礎是來源於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（評估網路），告訴魯班什麼樣的設計才是最好的。

設計師的核心職責，在於把設計變成數據化。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。

這背後，阿里的設計師和演算法工程師做了三大功課。

第一，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 "。

第二，數據鏈路。定義好數據模型後，抓取和標註數據，並對數據集進行分類和管理。在這個過程匯總，如果處理數據給演算法訓練的更新頻次，用什麼數據去驗證模型，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。

第三，演算法框架。演算法框架由演算法科學家來制定，數據和演算法的關係就像汽油和發動機，兩者密不可分。產品設計師需要與演算法討論，把業務場景和數據問題輸入給演算法。

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

在 2016 年雙 11，魯班首次登場。它最終製作了 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。

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製作 4000 萬張海報，平均每秒可實現設計 8000 張海報，並且每張海報會根據商品圖像特徵專門設計，換句話說說，魯班設計出的海報，沒有一張會完全一樣的。

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，後續進階也只會越來越快。

那設計師會就此被 AI 替代嗎？

當然不會！

" 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。" 魯班負責人樂剩介紹說。

機器智能只是社會新生產力的一部分。機器人與人合作，既提升了效率和質量，又讓天貓雙11超級工程變得如此「輕鬆」。

****************

我是BAT總裁辦主任，歡迎關注，和你共同聊聊互聯網那些事兒~

更多熱文：

招商銀行「番茄炒蛋」廣告刷屏，為何褒貶不一？

https://www.zhihu.com/question/67459792/answer/253345351

BAT總裁辦：目前你聽過最搞笑的段子是什麼？

以上內容選自微信公號「阿里技術」