你的双11，买买买。而阿里海报设计师的双11，在一个名为「资源位小组」的小黑屋连续通宵加班。

　　做海报、改文字、换商品、调设计、换banner，每个设计师对接几个运营人员，富士康流水线一样的重复性工作。一年双11下来，完成上亿张海报。

　　然而，这一切正在成为过去。AI 改变了围棋，现在也在改变海报设计。

　　这是一个名为「鲁班」的AI 设计师，没错，它将担纲今年双11的banner海报设计，数量高达4亿张。

　　但考虑到鲁班平均1秒钟就能完成8000张海报设计，一天可以制作4000万张，4亿只能算一个小小小小目标。

　　本文经AI新媒体量子位(公众号 ID: QbitAI)授权转载，转载请联系出处。

　　鲁班

　　这个海报设计AI「鲁班」，诞生也与双11有关。

　　每年双11，都是阿里设计师的大考：海量的设计需求，需要保证所有人都统一规范;遇到紧急设计需求，还要快速出稿，对每一个设计师都是脑力、体力双重考验。

　　△ 千人千面需求的banner设计

　　于是，2015年双11后，阿里内部开始萌生想法，当年阿里正式在商品推荐上实现「千人千面」，所以希望强营销导向的广告资源位的设计也能实现「千人千面」。

　　因此「鲁班」项目正式成立，并不断发展至现今的「阿里智能设计实验室」。

　　当时正值AlphaGo 摧枯拉朽，将深度学习和AI 传播开来，阿里内部也决定进一步把鲁班打造成一个AlphaGo一样的AI设计师。

　　进而开始搭建神经网络，让鲁班学习人类设计师的成果和经验，不断进化，直到今年双11，鲁班的水平已经达到了阿里内部P6水准。

　　鲁班的学习进化，主要有三大技术原理。

　　三大核心模块

　　鲁班从0到P6，自学设计能力主要看三大模块：风格学习(规划+元素)、行动器，以及评估网络。

　　1. 风格学习模块

　　△ 鲁班风格学习

　　鲁班先将大量设计素材的设计数据进行结构化标注，最后经过一系列的神经网络学习，输出空间+视觉的设计框架。

　　框架设计中，首先通过人工标注的方式，让机器理解该幅设计有哪些元素组成，比如它的商品主体，花的背景，蒙版。

　　往上一层，还需要通过设计的经验知识，定义一些设计的手法和风格。手法指的是这些元素为什么可以这么构成。

　　最上面这一层是风格，当这些元素构成之后，它从美学或者视觉角度看是一个什么感受，让机器知道它是用什么组成。

　　下一步是准备设计的原始文件，比如一系列花朵和设计方法，输入到深度学习网络中。该网络具备一定记忆功能，可以记住设计步骤中复杂的过程。

　　经过这层神经网络学习之后，会得到一个设计框架。从技术上理解，它是一堆空间特征和视觉特征构成的模型。从设计师的视角来看，它相当于设计师脑里在做一组设计之前那个大概的框架印象。

　　在设计框架的同时，元素中心也在批量输入元素(如底图、主产品图、修饰元素等)，由元素分类器进行学习，按照视觉特征和类型分类。

　　具体来说，鲁班团队会提前收集一些版权图库，以及自己造设计元素的方式，输入到元素分类器中。这个分类器会把这些元素分布到各个类型里，比如背景、主体、修饰，也会完成图片库的提取。

　　2. 行动器

　　△ 鲁班行动器元素分类

　　行动器的主要作用，是根据需求从风格学习模块中选择设计原型，并从元素中心中选取元素，规划出多个最优生成路径，完成图片设计。

　　这与设计师实际工作过程非常相似，如设计师要设计一朵花，也会在软件里会不断去调每个位置、每个像素、每个角度。同时，整个过程也是一个强化学习的过程，行动器会在不断试错中更聪明、更智能。

　　此过程完成后，将输出多个设计图，并最终交给「评估网络」对输出产品进行评分。

　　3. 评估网络

　　△ 鲁班评估网络

　　评估网络的工作原理是输入大量的设计图片和评分数据，经过训练后，让机器学会判断设计的好坏。