发布时间：2019-6-2 分类： 电商动态
你的双11，买入和买。阿里的海报设计师的双11，继续在一个名为“资源集团”的黑色小房子里加班加点。
制作海报，更改文本，更改商品，调整设计，更改横幅，每个设计师停靠多个操作员，以及富士康装配线的相同重复性工作。每年翻一番，完成数亿张海报。
然而，所有这一切都成为过去。 AI改变了Go，现在正在改变海报设计。
这是一位名叫鲁班的AI设计师。是的，这将是今年的Double 11旗帜的横幅设计，这是4亿。
但考虑到鲁班可以平均每秒完成8,000张海报设计，每天可以制作4000万份，而4亿只可以被视为小目标。
本文授权由AI新媒体报价（公共ID: QbitAI）转载，请联系信息来源。
鲁班
这张海报设计AI“鲁班”，出生时也与双11相关。
每年，双11都是阿里设计师的考验：巨大的设计要求，需要确保每个人都统一规范;在紧急设计需求的情况下，还要快速发布，对于每个设计师来说都是精神和体力的双重考验。
△成千上万人的横幅设计需求
因此，在2015年的双11之后，阿里开始思考。同年，阿里在产品推荐上正式实现了“千人”，所以我希望以营销为导向的广告资源的设计能够实现“千人”。
因此，“鲁班”项目正式成立，并继续发展成为现在的“阿里智能设计实验室”。
当时，AlphaGo是毁灭性的，深度学习和人工智能传播开来。阿里还决定进一步将鲁班变成一个类似AlphaGo的AI设计师。
然后开始建立一个神经网络，让鲁班学习人类设计师的成果和经验，并不断进化，直到今年的双11，鲁班的水平已达到阿里的内部P6级别。
鲁班的学习发展有三个主要的技术原理。
三大核心模块
鲁班从0到P6，自学设计能力主要取决于三个模块：风格学习（计划+元素），演员和评估网络。
1. 风格学习模块
△鲁班式学习
鲁班首先构建了大量设计资料的设计数据，最后通过一系列神经网络学习，输出空间+视觉设计框架。
在框架设计中，机器首先通过手动标记了解设计的元素，例如产品主体，花卉背景和面具。
更上一层楼，您还需要通过设计经验来定义一些设计技巧和风格。该技术指的是为什么可以以这种方式构造这些元素。
顶层是风格。当构造这些元件时，从美学或视觉角度来看，这是一种感觉，让机器知道它是由什么构成的。
下一步是将设计的原始文件（例如一系列鲜花和设计方法）准备到深度学习网络中。网络具有记忆功能，可记住设计步骤的复杂过程。
通过这层神经网络学习后，您将获得一个设计框架。从技术上讲，它是一组空间和视觉特征的模型。从设计师的角度来看，它相当于设计师在进行一系列设计之前的近似框架印象。
在设计框架时，元素中心还分批输入元素（如底图，主要产品图，修饰符等），这些元素由元素分类器学习并根据视觉特征和类型进行分类。
具体来说，Luban团队将提前收集一些版权库，以及他们创建设计元素的方式，并将它们输入到元素分类器中。此分类器将这些元素分布到各种类型，例如背景，正文和装饰，并且还将完成图像库的提取。
2. 行动器
△鲁班移动设备元素分类
演员的主要功能是根据需求从样式学习模块中选择设计原型，从元素中心选择元素，规划多个最优生成路径，完成图片设计。
这与设计师的实际工作过程非常相似。如果设计师想要设计一朵花，它将不断调整软件中的每个位置，每个像素和每个角度。同时，整个过程也是一个集中学习的过程，演员在试错中会变得更聪明，更聪明。
完成此过程后，将输出多个设计图纸，最后传递到评估网络以对输出产品进行评分。
3. 评估网络
△鲁班评估网
评估网络通过输入大量设计图像和评分数据来工作。经过培训，机器学会判断设计是好还是坏。
鲁班的基础源于设计师的设计模板材料和元素素材，因此每天都会有两位设计师角色来训练鲁班，一个是帮助鲁班完成最新的风格学习（风格学习），让鲁班继续发展并继续掌握更好的设计技巧。
另一个角色是评估鲁班设计（评估网络）的结果，并告诉鲁班哪种设计是最好的。
设计师的核心职责是将设计转化为数据。目前，鲁班已经学会了一百万份设计草案，并已开发出数以亿计的海报设计能力。
事实上，您还应该看到，像AlphaGo的原始设计一样，Luban从0到P6也是设计师和算法工程师之间合作的结果。
在此背后，阿里的设计师和算法工程师做了三个重要的课程。
三大功课
1. 领域研究
找到该领域的专家，深入研究该领域的经验知识，并建立机器可以学习的数据模型。视觉设计专家将设计问题抽象为一个名为“style-method-template-element”的数据模型，将多年的视觉设计体验转化为机器可学习的“数据”。
2. 数据链路
一旦定义了数据模型，就会捕获并注释数据，并对数据集进行分类和管理。在此过程中，如果处理数据以更新算法培训的频率，则使用哪些数据来验证模型，如何评估模型效果，以及离线模型和在线数据如何在产品方面起作用？这一系列数据问题需要明确的设置。数据链设计。
3. 算法框架
算法框架由算法科学家开发。数据和算法之间的关系就像汽油和发动机。产品设计人员需要与算法讨论，将业务场景和数据问题输入算法。
这也是Ali内部允许产品设计师学习机器学习的原因，因为理解算法框架和技术原理可以更好地理解工作原理。
但是在家庭作业的三个方面背后，没有具体的挑战。
在整个鲁班建设过程中，遇到了三个技术挑战。
技术挑战
首先是缺少注释数据。今天所有的人工智能都是基于大规模的结构化注释数据，而这个问题的设计并不是在线完成的，更不用说标准化的结构化数据了。
其次是设计的不确定性。设计是一个非常不确定的事物，在设计要求和结果评估中存在人的主观意识。例如，您无法向机器输入“高端大气海报”等指令。
最后，没有先例可循。整个行业都没有现成的技术或框架，这与AlphaGo的优势不同。
在AlphaGo团队发表论文后，World Go AI提升了其作战能力，如腾讯，并很快达到世界水平。
但对于鲁班来说，没有先前的经验可以参考，而且一切都是基于他们自己的探索。但是，它并非完全没有效益。在勘探年，阿里鲁班团队对AI产品有了更清晰的定义。
他们内部认为鲁班的人工智能是可控的视觉生成。
可控是指根据业务需求和业务需求进行智能控制;视觉生成表明鲁班从头开始解决视觉问题。
牛刀小试
那么海报设计艾尔鲁班，效果怎么样？
2016年，Double 11和Luban首次亮相。它最终制作了1.7亿个广告横幅，点击率提高了100％。
与人类相比，假设每个设计师每张照片需要20分钟，而100名设计师需要连续300年完成。
不再需要计算成本节省。今年，鲁班也进一步重复。设计水平有了显着提高，最新数据是：
鲁班已经学会了一百万份设计草案，并且已经发展了数亿种海报设计能力。
今年的双11，鲁班已经能够实现每天4000万张海报，平均每秒8000张海报，而每张海报都会根据产品形象的特点进行设计，换句话说，鲁班设计的海报，没有人张将完全一样。
设计师的未来
毫无疑问，是时候谈论设计师社区的未来了。
根据目前阿里技术岗位内部评估系统，海报设计艾尔鲁班已达到P6级别，后续进展只会越来越快。
设计师会被AI取代吗？
会，在阿里体系内，P4左右的设计师都会受到来自机器的「威胁」。
但它并非包罗万象。除了“创意”部分，机器很无奈。人类设计师和机器之间的竞争也将创造像“训练机器”这样的新职业。
培训师是Ali的转型设计师的内部名称。这些培训师是鲁班数据中心的核心。他们需要为鲁班的发展和许多风格相关的事物提供更大更丰富的数据。结构化数据的转换。
阿里智能设计实验室告诉我们，现在的阿里设计师已经开始学习鲁班系统，学习如何训练机器，并控制美学。
鲁班今年花了半年时间研究双11设计风格，并开始制作一些人类没有教过的设计。但最具创新性的创意设计只能通过“人机”协作方式完成。 ——鲁班领导人乐诚
所以，人类设计师朋友，你擅长木匠大师，哦不，是AI设计大师鲁班并存吗？
