【設計師要失業了？】雙 11 期間的 1.7 億個 BANNER，都出自阿里的設計人工智慧「魯班」

「魯班」？聽說是「擼一個 banner」的諧音？

2017/04/28

https://buzzorange.com/techorange/2017/04/28/alibaba-ai/

雙十一是中國人為創造出的購物節，每年營收都在不斷大量上修。阿里巴巴近幾年一直不斷的利用人工智慧為組織創造出更高的營收，包含大家都能想到的商品精準推薦、以圖搜商品。

現在他們把 Banner（商品橫圖）也用上了人工智慧技術，幫助更為精準的吸引相關消費者、定義商品特性。值得台灣的電商平台學習（責任編輯：林子鈞）

就像那句廣為流傳的「Talk is cheap, show me the code」，他們也真的在去年「雙 11」期間，show 出了 1.7 億由阿里的設計人工智能產品「魯班」設計的 banner（廣告橫幅）。

 

A: 我在阿里花名樂乘，是淘寶 UED 的產品設計師，也是阿里人工智能設計產品「魯班」的負責人，我們做的事情是 人工智能技術與商業設計結合，並且落地成商業產品。

 

在 15 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 15 年那次「雙 11」，是阿里第一次基於算法和大數據，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。

 

Q: 都是哪幾個關鍵技術點？

A: 一是圖像算法「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裡。以前都是設計師給商品摳圖後再做設計，現在我們用機器做海量設計，就得讓機器來做這個事情。我們跟阿里搜索部門做圖像切割的算法團隊合作，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」。我們利用機器把商品、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，我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，但長遠發展角度我們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）產品開發的圖像算法專家加入進來，主導整個智能設計的算法框架。

Q: 有人說「魯班」沒有達到設計人工智能的階段，只是「大數據生產」，您如何看待這個說法？

A: 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，但我也不太同意「大數據生產」這一說，我覺得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」，也就是我們在做的，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。我們把我們的智能設計定位為：可控的圖像生成技術。我們可以結合技術框架和原理來理解，我會在 UCAN 大會上詳細講。

Q: 那在這裡先給我們簡單講講？

A: 也可以。在整個生成過程中，有 4 個核心步驟。

第一步，讓機器理解設計是什麼構成的 ：我們通過人工數據標註，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，我們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。我們會建立元素庫，通過機器做圖像特徵提取，然後分類，再通過人工控製圖像質量以及版權問題，我們買了有版權的圖庫，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。我們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，在這裡我們採用了「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 ：我們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。

聽說去年「雙 11」，「魯班」設計了 1.7 億個 banner