鹿班：关键技术点-核心步骤-挑战
鹿班的几个关键技术点
- 一是图像算法“抠图”。因为高质量的广告设计需要把商品图片抠出来，放到精美的设计主题里。以前都是设计师给商品抠图后再做设计，现在我们用机器做海量设计，就得让机器来做这个事情。我们跟阿里搜索部门做图像切割的算法团队合作，处理海量的商品自动抠图。
- 第二点是把设计变成“数据”。一张广告设计图片是像素组成的“信息”，不是“数据”。我们利用机器把商品、文字和设计主题进行在线合成，这样每张广告图片就带上了商品信息，可以根据消费者偏好进行个性化投放。所以鹿班产品上线初期，我们请设计师根据活动主题做了大批量风格确定的模板，证明了这种模式投放效果可以大幅提升点击率。
- 第三点就是让机器学习设计。靠“人肉设计模板”度过了第一个阶段，但长远发展角度我们必须让机器来做设计。大概是 16 年 8 月份开始的，有一位之前负责淘宝“拍立淘”（在淘宝内通过图片搜索找同款，随拍随找）产品开发的图像算法专家加入进来，主导整个智能设计的算法框架。
有人说“鹿班”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。
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。
下个阶段需要攻克的挑战
主要有两个
- 一是要让智能设计去影响阿里设计生态，让“鹿班”能服务百万量级的商家和设计师，说服商家和设计师使用“鹿班”。一开始在内部推进“鹿班”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“鹿班”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。
鹿班设计系统更详细的工作原理：《美工终结者「鹿班智能设计平台」是如何工作的？》
除了阿里的鹿班系统，还有哪些厉害的人工智能设计神器：http://www.uisdc.com/ai-design-artifact
Adobe 出了一个超厉害的人工智能黑科技：http://www.uisdc.com/ai-design-adobe-sensei
欢迎关注特赞的微信公众号：
「人工智能与设计师」