原文：美工终结者「鹿班智能设计平台」是如何工作的？ - 2017.05.11
主编：@3年2班程远
@阿里巴巴UED：在今年UCAN大会开场，阿里巴巴集团UED委员会委员长杨光发布的智能设计平台——鹿班，便出自乐乘的团队. 此平台是通过人工智能算法和大量数据训练机器学习设计. 通过一段时间的学习，此平台从去年“双十一”前就已经在阿里内部大规模投入使用，目前其设计水平已经非常接近专业设计师设计的效果. 在大会上，乐乘介绍了阿里智能设计实验室的实践全过程.
1. 用AI做设计
我们团队现在叫人工智能设计实验室，做的事情很简单，用AI做设计.
人工智能现在这个概念太火了，有一个数据证明它有多火：去年(2016年)人工智能这个领域的创业公司开业速度超过了肯德基的开店速度. 不可否认，这里一定有泡沫成分，也有很多概念的炒作. 我们先抛开高大上的词，把这个事情拆解一下.
现在讲的人工智能都是通过算法、数据和强大的计算能力来完善服务场景，这是人工智能的四个要素. 今天我们团队做的就是用算法、数据、计算、场景来解决商业领域的事情，这样使得这件事情看起来比较靠谱、容易落地.
为什么我们团队会想要做这个事情呢，这不是 YY 出来的想法，而是从广泛的业务场景里找到的一个机会. 以一个广告Banner为例，我们把它归类为“大量低质易耗”的设计，这样的设计，设计师花一天做出来，在线上投放时间也只有一天. 而且是重复的，改改字就可以了，非常适合被机器所取代.
今年UCAN的主题是新设计x新商业，新商业里非常大的概念，是要通过新的技术、互联网的手段，完成人、货、场的重构，人是消费者，货是商品的服务，场景就是连接人和商品之间的手段. 在新的时期下，需要找到一种新的方式做设计.
我们团队的使命是基于算法数据和前台业务需求，打造一个商业设计大脑. 这个大脑能理解设计，能为商业的产品去服务，做出合理的设计.
2. 商业设计大脑的三大挑战
在开始做事情之前，我们遇到了三个比较严峻的挑战.
第一个挑战，缺少标注数据. 今天所有的人工智能都基于大量的结构化标注数据，设计这件事情连数据都没有完成在线化，更别说标准化、结构化的数据了.
第二个挑战，设计不确定性. 设计是个很不确定的东西，比如今天你让机器设计一个高端大气的Banner广告，它就蒙圈了.
第三个挑战，无先例可循. 在整个行业里过去一年做下来发现，没有一些现成的技术或者框架可以参考. 比如AlphaGo 把围棋AI论文发完之后，全世界围棋AI照这个方法都可以做到先进的水平. 我们过去一年来都是自己一路摸索中走过来的，这一年走来我们给人工智能做的定义是，我们做的是可控的视觉生成. 可控，就是根据商业的需求、业务的需求，智能地进行控制. 它解决的是视觉从无到有的问题.
3. 可控的视觉生成过程
这是机器人从诞生的第一版到最近一版的发展历程.
2016年9月，勉强完成一张图片的拼合，没有什么美感可言. 第二张是去年圣诞节前做的广告，稍微看起来精致一点，整个设计还是非常简单. 第三张是两个月前的进展，基本上可以根据这个商品输入主体的氛围，找到最符合的背景氛围，整个设计细节和结构，看起来更稳定一点.
我们现在大概学会几百种常规的设计手法，并且每天都在学习中. 这是我们目前的设计能力和设计效果，青云给它定的评级是P4，意味着它还只是个助理设计师. 我们今年目标是做到 P5，还有很长的路要走.
4. 机器如何学习设计
下面和大家详细解释一下这个机器背后的学习设计逻辑.
我们要让机器学习设计，首先必须要让机器理解感知设计是什么. 以这样一张非常常见的广告为例，在机器的眼里是有一堆像素点组成的. 如果今天以像素为单位让机器去理解设计，对设计的可控性非常弱，所以在前期技术方案选择中没有走像素级生产，而是走向了元素级生产.
四个组成部分：设计框架、元素中心、行动器、评估网络
4.1. 组成一 - 设计框架
还是以这个广告为例，首先通过人工标注的方式，让机器理解这张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，我们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，这个知识在设计脑子里机器是不知道的，所以会有手法这一层做输入. 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的，为什么可以这么组成，以及它组成后的效果. 这个过程将一个设计问题转化成数据问题，这就是设计数据化.
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，输入到深度学习系列网络. 这个网络有一个很大特点：具备一定记忆功能. 因为设计是个步骤很复杂的过程，经常有好几十步才能完成一个设计.
经过这层神经网络学习之后，我们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. 设计师的视角来理解的话，它相当于设计师脑子里面在做一组设计之前大概的框架印象，比如今天你接到一个任务要做一个花朵风格，思考这个设计大概会怎么做，然后从一堆文件里提取出了特征模型出来.
4.2. 组成二 - 元素中心
因为我们做的是元素级生成，所以必须准备一个元素的库. 我们会通过收集一些版权图库，以及自己造设计元素的方式，输入到一个元素的分类器. 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.
4.3. 组成三 - 行动器
接下来，就是设计的具体过程. 比如今天我们接到一个设计任务，要为这样一件衣服设计一个花朵风格的广告. 这时候会有一个行动器，负责把前面准备好的底料放到设计框架里. 这个过程和下围棋很像，左边是棋盘，右边是下围棋的棋子. 行动器就是把元素放到棋盘里，这是整个行动器的生成原理.
它很像设计师实际在做设计的过程，如设计师要做一个花朵的时候，也在软件里面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智能.
4.4. 组成四 - 评估网络
设计成品出来之后，我们要告诉机器人，从设计的角度是好还是不好. 我们有一个设计评估网络，最终实现的效果就是给它输入任何一个设计成品，它能打个分. 技术原理是，我们通过人工输入大量历史上投放过的一些设计图评分，它从这里训练出一个打分的模型出来. 同时，专家也会人工干预打分，完成双向反馈.
这套框架并不是只能做Banner广告，Banner广告是我们找到的第一个最适合落地的业务场景. 我们把它定义为是一个通用的设计智能，理论上，它可以设计一切的数字内容. 只要是通过元素或者像素组成的图像，理论上都是可以完成的.
预告一下我们最新的实践. 前两张图是机器完成的服饰搭配，根据用户输入的服饰商品进行组合搭配，生成类似杂志的搭配效果图. 另外，我们也正在训练机器完成页面模块的设计，比如大量的营销活动页面，我们现在正在训练它完成复杂的排版设计.
5. 正在攻克的三个难题
目前，我们已经完成了框架搭建，以及数据的自我学习成长. 接下来我们决心攻克的三个难题，也是让机器变得更加强大的关键突破点.
第一，让机器能够自主生成元素. 我们目前的元素是靠设计师来提供，一方面是为了保证版权，另一方面，保证它的质量足够高. 我们希望能做到，要求机器造一个花朵时，它自己能生成出来，这也是目前计算机视觉生成的一个非常火的话题.
第二，提高认知理解. 现在机器还不太理解语义，只能根据需求或者任务生成一个结果，并不了解其中的关系. 我们下一步要做的事情是，当用户输入了“清凉一夏”的文案时，机器人能理解“清凉”这个词代表了什么意思，并且理解这张照片代表了“清凉一夏”的理念，图文之间有一定的关系.
最后一个，设计的迁移. 比如今天通过大量专家数据训练了几百种常规数据手法之后，它能够完成主流的设计要求了. 当这些手法很相似时，就可以完成风格迁移. 我们会进一步探索AI，不再根据需求完成使命，而是通过自我学习和演化之后有新的东西出来.
6. AI+Design 拥抱新时代
今天人工智能设计真的来了，它不以任何意志为转移的趋势走来了，它离我们很近.
当一个新的浪潮打过来的时候，我们应该学会的是拥抱它，而不是掉头就跑，边跑边骂不靠谱.
6.1. 视觉设计的四个层次
最基础的是临摹拓展. 给你一个东西，照着它拓展一份出来，很明显这一定是机器第一步取代的工作. 而且目前已经做到一大半了，证明这是一个没法回避的问题.
第二层，场景表达. 今天你给它一个东西，它能理解，能表达对. 比如今天你根据情人节，这些品牌能够找到一种合适的设计手段，去表达出情人节的温馨，这种手绘的方式会稍微难一点，也就是我们前面讲到的语义这一层.
第三层，创意洞见. 它能够有一些启发性的东西出来. 天猫品牌里面经常有把猫头和品牌创意做联合的事情，这是机器不可能做到的事情，或者在我有生之年没有指望它能做到的.
最后一层，创造趋势. 这一般是设计大师做的事情. 它能定义明年、未来几年的设计趋势走向，这是更高的设计能力. 比如今年“三八”女王节，天猫用了一种全新的设计手段，用这种很轻的质感、很细腻的方式来表达商品. 它能够代表一个新的趋势和未来，代表一个新的手段，这件事情一定是人来做的.
回到今天机器和人之间的差异和对比，如果今天我们搞设计人机大战的话，机器最擅长的是数据、计算、学习. 数据上，可以完成巨量素材库，训练成长速度，不断地完成闭环. 它的学习速度之快，一个晚上可以完成几十万次的学习训练，是人不吃不喝也赶不上的.
而人类设计师的特征，首先在情感层面，我们理解共情，情绪上有表达，这是机器很难做到的. 另外两层，创意和创造，设计师能够创造出一些新的东西，做组合迁移，组合创意，美学趋势. 如果真正人机对战的话，设计师还是应回归创造、创意，以及理解用户的层面.
拥抱这个AI时代，对我们来说有没有什么新的工作方式呢. 比如今天有顾客让你做一个设计，以前是一对一的给他一个成品，一对一的完成一个设计任务. 有了设计AI之后，就可以将一个设计手段输入给机器，教会机器做执行和生成. 这样，你就可以不止为一个客户服务，而是为成千上万的客户服务.
人工智能设计是个不可阻挡的时代，是未来. 但是它也刚刚来，我们也刚刚走出第一步. 我们还有大量的时间，希望接下来和设计同行一起努力，继续把这件事情做好.
关于UCAN
UCAN是阿里巴巴的年度设计盛会，聚焦用户体验设计. 4月27—28日，由阿里巴巴用户体验设计委员会举办的UCAN2017用户体验设计论坛在阿里巴巴西溪园区举行，本届主题是“新设计×新商业”. 围绕“无界、融通、超距、生长”等概念，重新定义用户体验在新商业环境中的蜕变和价值，不断把设计领域、设计概念向外延展，与技术、能源和商业产生新的化学反应.