鹿班的幾個關鍵技術點
- 一是圖像算法“摳圖”。因為高品質的廣告設計需要把商品圖檔摳出來，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。我們跟阿裡搜尋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“資料”。一張廣告設計圖檔是像素組成的“資訊”，不是“資料”。我們利用機器把商品、文字和設計主題進行線上合成，這樣每張廣告圖檔就帶上了商品資訊，可以根據消費者偏好進行個性化投放。是以鹿班産品上線初期，我們請設計師根據活動主題做了大批量風格确定的模闆，證明了這種模式投放效果可以大幅提升點選率。
- 第三點就是讓機器學習設計。靠“人肉設計模闆”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”（在淘寶内通過圖檔搜尋找同款，随拍随找）産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架構。
△ 設計資料化
有人說“鹿班”沒有達到設計人工智能的階段，隻是“大資料生産”，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、展現在什麼地方，但我也不太同意“大資料生産”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“識别”，像語音識别、圖像識别；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。我們可以結合技術架構和原理來了解，我會在 UCAN 大會上詳細講。
在整個生成過程中，有4個核心步驟。
- 第一步，讓機器了解設計是什麼構成的：我們通過人工資料标注，對設計的原始檔案中的圖層做分類，對元素做标注。設計專家團隊也會提煉設計手法和風格。通過資料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資料輸入。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：當機器學習到設計架構後，需要大量的生産資料。我們會建立元素庫，通過機器做圖像特征提取，然後分類，再通過人工控制圖像品質以及版權問題，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。我們在設計架構上建構起虛拟畫布，類似棋盤，生成的系統把元素中心的元素往棋盤放，在這裡我們采用了“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，得到一些回報，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，這方面有專業衆包公司；商業上的評估就是看投放出去的點選率浏覽量等等。
△ 4個核心步驟
下個階段需要攻克的挑戰
主要有兩個
- 一是要讓智能設計去影響阿裡設計生态，讓“鹿班”能服務百萬量級的商家和設計師，說服商家和設計師使用“鹿班”。一開始在内部推進“鹿班”的時候，我們也面臨過阻力。傳統的方式就是，設計一個 banner，放很多商品，顯得很熱鬧，而“鹿班”做出來的 banner 上就是單件商品，但與消費者是相關的，因為是基于算法精準推薦的，是你會感興趣的，隻是這樣就要把商品放大、顯眼，可能在設計上就不夠美。但最後，我們讓資料說話，确實後者給業務帶來了很好的增長。這個教育過程是比較長的，在内部我們可以做，但面對百萬商家和設計師如何去做？這是我們的挑戰。
- 第二個挑戰是資料算法本身的持續更新。AI 行業每年都會有很大的變化，新的技術不斷湧現出來，如何跟上最新的技術？這也是我們始終不能松懈的點。
鹿班設計系統更詳細的工作原理：《美工終結者「鹿班智能設計平台」是如何工作的？》
除了阿裡的鹿班系統，還有哪些厲害的人工智能設計神器：http://www.uisdc.com/ai-design-artifact
Adobe 出了一個超厲害的人工智能黑科技：http://www.uisdc.com/ai-design-adobe-sensei
歡迎關注特贊的微信公衆号：
「人工智能與設計師」
- 《當人工智能也會畫UI，設計師的核心價值在哪裡？》
- 《人工智能時代，不想失業的設計師應該提前做哪些準備？》