Q：收集起来也还是很乱啊
A：是的，所以就遇到了第二个挑战，就是数据清洗和输入机器，因为收集过来的数据是很杂乱的。比如“双11”期间“魔性”的设计风格跟无印良品这种“性冷淡”风格差异很大，这是完全不一样的品牌调性和设计需求。我们花了很大的力气去整理和建立了一套数据体系去管理设计数据，让机器生产出更匹配的结果。
“鲁班”做出来的banner:
Q：有人说“鲁班”没有达到设计人工智能的阶段，只是“大数据生产”，您如何看待这个说法？
A: 现在讲 AI ，外界很难感受到机器的智能含量多高、体现在什么地方，但我也不太同意“大数据生产”这一说，我觉得这个疑问涉及两个核心的，也是最基本的问题：一是什么叫设计智能，二是怎么评价机器是否具备了设计智能。
AI 目前有几个主要方向，一个是“识别”，像语音识别、图像识别；另一个是“生成”，也就是我们在做的，从无到有创造东西，让机器能根据请求生成符合特定要求的结果。我们把我们的智能设计定位为：可控的图像生成技术。我们可以结合技术框架和原理来理解，我会在 UCAN 大会上详细讲。
Q：那在这里先给我们简单讲讲？
A: 也可以。在整个生成过程中，有4个核心步骤。
第一步，让机器理解设计是什么构成的：我们通过人工数据标注，对设计的原始文件中的图层做分类，对元素做标注。设计专家团队也会提炼设计手法和风格。通过数据的方式告诉机器这些元素为什么可以放在一起，我们把专家的经验和知识通过数据输入。这部分核心是深度序列学习的算法模型。
第二步，建立元素中心：当机器学习到设计框架后，需要大量的生产资料。我们会建立元素库，通过机器做图像特征提取，然后分类，再通过人工控制图像质量以及版权问题，我们买了有版权的图库，也是希望从一开始就避免版权方面的纠纷。
第三步，生成的系统：原理有点像 Alpha Go 下围棋。我们在设计框架上构建起虚拟画布，类似棋盘，生成的系统把元素中心的元素往棋盘放，在这里我们采用了“强化学习”，就好像你在家里放一台扫地机器人，让它自己跑，跑个几圈，它自己会知道哪里有障碍要避开。在强化学习的过程中，机器参考原始样本，通过不断尝试，得到一些反馈，然后从中学习到什么样的设计是对的、好的。
第四步，评估的系统：我们会抓取大量设计的成品，从“美学”和“商业”两个方面进行评估。美学上的评估由人来进行，这方面有专业众包公司；商业上的评估就是看投放出去的点击率浏览量等等。
Q: 明白了，所以您觉得“鲁班”的最大优势是什么？
A: 我觉得“鲁班”是商业和技术两方面的比较好的结合产物。首先在技术深度方面，它有门槛很高的一套系统，另外在商业方面，它的确能通过“智能化”和“个性化”，实现商业价值最大化，颠覆传统方式。
Q: 听说去年“双11”，“鲁班”设计了 1.7 亿个 banner，你怎么看这个“历史事件”？
A: 其实这 1.7 亿个 banner 是有设计强干预的，因为“双11”的风格是比较确定而且需要严格执行，所以设计师制作了很多“双11”特定风格的固定模板。机器在这个基础上，把调整尺寸这些行为进行优化，节省了尺寸拓版的人力。用机器生成亿级设计从而带来商业效果提升，总体来说也是一次非常成功的应用实践。我想未来的“双11”仍然会是设计师带着机器做设计的模式，重大活动中设计机器是提升效率的助理角色。
Q: 取得了这么大的成功，阿里内部如何评价“鲁班”呢？另外，“鲁班”把 banner 都“撸”完了，原来做 banner 的人怎么办？
A: 引用阿里 CEO 的话——“鲁班是数据业务化的代表”，之前我们有很多数据，但都是闲置的或者利用效率不高的，比如海量的商品图，而“鲁班”把数据变成了业务，通过大规模设计加精准投放，提高每个广告位的资源效率，带动了流量的效率和业务价值，点击率是翻倍的，收益也接近翻倍。人员倒没有出现缩减，只是做的事情有调整了，要学习这套系统，学习如何训练机器，同时在美学方面做把控。
Q: 说到这里，好像漏了一个很重要的问题，为什么这个产品要叫“鲁班”？听说是“撸一个 banner ”的谐音？
A:（笑）当时我们开玩笑说要 “让天下没有难撸的banner ”，谐音就是“鲁班”，后来发现简直太合适了，鲁班不仅本身是个伟大的工匠，也是很多工具的发明人，所以他的理念跟我们做的事情是不谋而合的，我们也希望发明工具，让设计师更好地工作。
Q：感觉你们也是一群大神，你们团队现在有多大？
A: 我们现在有十几个人。
Q：只有十几个？！
A: 对，有设计、算法和工程三个部分，成员大部分是 80 后，现在也有 90 后加入了，我们对计算机视觉领域的人一直是求贤若渴的（欢迎大家投简历）。因为是在阿里内部独立做研究，所以团队氛围跟很多小型创业公司很像，大家都很有热情、很果断、行动力很强。
Q：现在看来，你们的方向已经很清晰，那下个阶段要攻克的挑战是什么？
A: 主要有两个吧，一是要让智能设计去影响阿里设计生态，让“鲁班”能服务百万量级的商家和设计师。一开始在内部推进“鲁班”的时候，我们也面临过阻力。传统的方式就是，设计一个 banner，放很多商品，显得很热闹，而“鲁班”做出来的 banner 上就是单件商品，但与消费者是相关的，因为是基于算法精准推荐的，是你会感兴趣的，只是这样就要把商品放大、显眼，可能在设计上就不够美。但最后，我们让数据说话，确实后者给业务带来了很好的增长。这个教育过程是比较长的，在内部我们可以做，但面对百万商家和设计师如何去做？这是我们的挑战。
第二个挑战是数据算法本身的持续升级。AI 行业每年都会有很大的变化，新的技术不断涌现出来，如何跟上最新的技术？这也是我们始终不能松懈的点。
非特殊说明，本文版权归原作者所有，转载请注明出处
本文地址：https://www.uisdc.com/alibaba-luban-ai-banner