隨著人工智能時代的到來，設計與人工智能的糾葛，藝術與科技的博弈，越來越頻繁地現身熱門話題榜。而在設計人工智能領域，阿裡巴巴已經開始加速探索。
就像那句廣為流傳的“Talk is cheap, show me the code”，他們也真的在去年“雙11”期間，show 出瞭 1.7 億由阿裡的設計人工智能產品“魯班”設計的 banner（廣告橫幅）。所以，懷著對科技既畏又愛的心，我們找 “魯班”的產品設計負責人樂（yue）乘聊瞭聊。
阿裡巴巴AI設計項目負責人樂乘（吳春松）
Q= 特贊 Tezign
A= 樂乘
Q: 請您先自我介紹一下吧？
A: 我在阿裡花名樂乘，是淘寶 UED 的產品設計師，也是阿裡人工智能設計產品“魯班”的負責人，我們做的事情是人工智能技術與商業設計結合，並且落地成商業產品。
Q: 您之前的專業就是設計嗎？在阿裡多久瞭？
A: 不是的，我大學是學建築環境，07 年畢業後“不務正業”進入體驗設計行業。我們這一批做交互的人很多不是科班出身，有很多心理學、工業設計背景的。我大學時開始接觸互聯網，自己設計網頁，也做過站長。畢業後，我先在一個媒體網站做瞭兩年交互，09 年加入淘寶，也就是阿裡開始實施“大淘寶”戰略的時候。那會兒體驗設計在國內剛剛興起，騰訊和淘寶兩個 UED 團隊在圈內影響力很大，專業度很高，機緣巧合，最後選擇瞭淘寶。
Q: 加入阿裡之後的經歷是怎樣的？
A: 我已經在阿裡工作 8 年瞭，前幾年主要做搜索，後來開始做手淘。2015 年“雙11”後，我們在內部發起瞭一個人工智能設計的項目，主要開發的產品就是“魯班”。我們是大公司內部創業加研究新技術的團隊，隨著產品和團隊逐漸壯大，現在團隊演進為“阿裡智能設計實驗室”。
阿裡智能設計實驗室 Logo
Q: 這個團隊成立的契機是什麼？
A: 團隊其實是自下而上發起的，在 15 年的“雙11”我是會場項目負責人，跟工程和算法兩個團隊有很密切的合作，也在“雙11”期間建立瞭深厚的“戰鬥感情”。
在 15 年之前的“雙11”，商品推薦都是人來控制的，由運營決定給用戶推薦什麼產品，而 15 年那次“雙11”，是阿裡第一次基於算法和大數據，為用戶做大規模的、個性化的商品推薦，叫做“千人千面”，是阿裡流量分發模式很大的升級和轉型。
“雙11”結束後，我們（設計、工程和算法團隊）就聚在一起，商量下一年要做些什麼。我們當時想，我們已經做到的個性化推薦，但都是基於白底圖商品推薦，能不能往前邁一步，讓強營銷導向的廣告資源位的設計也“千人千面”呢？
從純商品個性化跨到廣告資源位個性化，中間幾個關鍵的技術點打通之後，我們就著手做瞭。
“魯班”做出來的banner
Q: 都是哪幾個關鍵技術點？
A: 一是圖像算法“摳圖”。因為高質量的廣告設計需要把商品圖片摳出來，放到精美的設計主題裡。以前都是設計師給商品摳圖後再做設計，現在我們用機器做海量設計，就得讓機器來做這個事情。我們跟阿裡搜索部門做圖像切割的算法團隊合作，處理海量的商品自動摳圖。
第二點是把設計變成“數據”。一張廣告設計圖片是像素組成的“信息”，不是“數據”。我們利用機器把商品、文字和設計主題進行在線合成，這樣每張廣告圖片就帶上瞭商品信息，可以根據消費者偏好進行個性化投放。所以魯班產品上線初期，我們請設計師根據活動主題做瞭大批量風格確定的模板，證明瞭這種模式投放效果可以大幅提升點擊率。
第三點就是讓機器學習設計。靠“人肉設計模板”度過瞭第一個階段，但長遠發展角度我們必須讓機器來做設計。大概是 16 年 8 月份開始的，有一位之前負責淘寶“拍立淘”（在淘寶內通過圖片搜索找同款，隨拍隨找）產品開發的圖像算法專傢加入進來，主導整個智能設計的算法框架。
設計數據化
Q: 中間有踩坑嗎？
A: 有的，因為我們在做一件很新的事情，行業裡沒有什麼參考對象，隻能不斷試錯。剛開始的時候，我們的數據不太夠，就制定瞭很強的設計規則去控制，結果就是機器要麼跑不出設計結果，要麼設計出來的結果很失控。設計是有無窮可能性的，靠弱數據強規則必然走不通。意識到這一點以後，我們就集中精力去解決數據問題，把內部設計師電腦裡的設計圖和供應商的設計圖都收集過來。
Q: 這麼多圖片散落在這麼多電腦裡，怎麼收集和整理啊？
A: 我們有自己開發的設計協同工具“設計板”，有點類似Slack（一款協作辦公應用），但是是專門用於設計協同的。這樣才能方便我們大批量、規模化的找到這些數據。
Q: 收集起來也還是很亂啊。
A: 是的，所以就遇到瞭第二個挑戰，就是數據清洗和輸入機器，因為收集過來的數據是很雜亂的。比如“雙11”期間“魔性”的設計風格跟無印良品這種“性冷淡”風格差異很大，這是完全不一樣的品牌調性和設計需求。我們花瞭很大的力氣去整理和建立瞭一套數據體系去管理設計數據，讓機器生產出更匹配的結果。
設計智能化
Q: 有人說“魯班”沒有達到設計人工智能的階段，隻是“大數據生產”，您如何看待這個說法？
A: 現在講 AI ，外界很難感受到機器的智能含量多高、體現在什麼地方，但我也不太同意“大數據生產”這一說，我覺得這個疑問涉及兩個核心的，也是最基本的問題：一是什麼叫設計智能，二是怎麼評價機器是否具備瞭設計智能。
AI 目前有幾個主要方向，一個是“識別”，像語音識別、圖像識別；另一個是“生成”，也就是我們在做的，從無到有創造東西，讓機器能根據請求生成符合特定要求的結果。我們把我們的智能設計定位為：可控的圖像生成技術。我們可以結合技術框架和原理來理解，我會在 UCAN 大會上詳細講。
Q: 那在這裡先給我們簡單講講？
A: 也可以。在整個生成過程中，有4個核心步驟。
第一步，讓機器理解設計是什麼構成的：我們通過人工數據標註，對設計的原始文件中的圖層做分類，對元素做標註。設計專傢團隊也會提煉設計手法和風格。通過數據的方式告訴機器這些元素為什麼可以放在一起，我們把專傢的經驗和知識通過數據輸入。這部分核心是深度序列學習的算法模型。
第二步，建立元素中心：當機器學習到設計框架後，需要大量的生產資料。我們會建立元素庫，通過機器做圖像特征提取，然後分類，再通過人工控制圖像質量以及版權問題，我們買瞭有版權的圖庫，也是希望從一開始就避免版權方面的糾紛。
第三步，生成的系統：原理有點像 Alpha Go 下圍棋。我們在設計框架上構建起虛擬畫佈，類似棋盤，生成的系統把元素中心的元素往棋盤放，在這裡我們采用瞭“強化學習”，就好像你在傢裡放一臺掃地機器人，讓它自己跑，跑個幾圈，它自己會知道哪裡有障礙要避開。在強化學習的過程中，機器參考原始樣本，通過不斷嘗試，得到一些反饋，然後從中學習到什麼樣的設計是對的、好的。
第四步，評估的系統：我們會抓取大量設計的成品，從“美學”和“商業”兩個方面進行評估。美學上的評估由人來進行，這方面有專業眾包公司；商業上的評估就是看投放出去的點擊率瀏覽量等等。
4個核心步驟
Q: 明白瞭，所以您覺得“魯班”的最大優勢是什麼？
A: 我覺得“魯班”是商業和技術兩方面的比較好的結合產物。首先在技術深度方面，它有門檻很高的一套系統，另外在商業方面，它的確能通過“智能化”和“個性化”，實現商業價值最大化，顛覆傳統方式。
Q: 聽說去年“雙11”，“魯班”設計瞭 1.7 億個 banner，你怎麼看這個“歷史事件”？
A: 其實這 1.7 億個 banner 是有設計強幹預的，因為“雙11”的風格是比較確定而且需要嚴格執行，所以設計師制作瞭很多“雙11”特定風格的固定模板。機器在這個基礎上，把調整尺寸這些行為進行優化，節省瞭尺寸拓版的人力。用機器生成億級設計從而帶來商業效果提升，總體來說也是一次非常成功的應用實踐。我想未來的“雙11”仍然會是設計師帶著機器做設計的模式，重大活動中設計機器是提升效率的助理角色。
Q: 取得瞭這麼大的成功，阿裡內部如何評價“魯班”呢？另外，“魯班”把 banner 都“擼”完瞭，原來做 banner 的人怎麼辦？
A: 引用阿裡 CEO 的話——“魯班是數據業務化的代表”，之前我們有很多數據，但都是閑置的或者利用效率不高的，比如海量的商品圖，而“魯班”把數據變成瞭業務，通過大規模設計加精準投放，提高每個廣告位的資源效率，帶動瞭流量的效率和業務價值，點擊率是翻倍的，收益也接近翻倍。人員倒沒有出現縮減，隻是做的事情有調整瞭，要學習這套系統，學習如何訓練機器，同時在美學方面做把控。
從“設計思維”到“數據思維”
Q: 說到這裡，好像漏瞭一個很重要的問題，為什麼這個產品要叫“魯班”？聽說是“擼一個 banner ”的諧音？
A:（笑）當時我們開玩笑說要 “讓天下沒有難擼的banner ”，諧音就是“魯班”，後來發現簡直太合適瞭，魯班不僅本身是個偉大的工匠，也是很多工具的發明人，所以他的理念跟我們做的事情是不謀而合的，我們也希望發明工具，讓設計師更好地工作。
“魯班”的 logo
Q: 感覺你們也是一群大神，你們團隊現在有多大？
A: 我們現在有十幾個人。
Q: 隻有十幾個？！
A: 對，有設計、算法和工程三個部分，成員大部分是 80 後，現在也有 90 後加入瞭，我們對計算機視覺領域的人一直是求賢若渴的（歡迎大傢投簡歷）。因為是在阿裡內部獨立做研究，所以團隊氛圍跟很多小型創業公司很像，大傢都很有熱情、很果斷、行動力很強。
Q: 現在看來，你們的方向已經很清晰，那下個階段要攻克的挑戰是什麼？
A: 主要有兩個吧，一是要讓智能設計去影響阿裡設計生態，讓“魯班”能服務百萬量級的商傢和設計師。一開始在內部推進“魯班”的時候，我們也面臨過阻力。傳統的方式就是，設計一個 banner，放很多商品，顯得很熱鬧，而“魯班”做出來的 banner 上就是單件商品，但與消費者是相關的，因為是基於算法精準推薦的，是你會感興趣的，隻是這樣就要把商品放大、顯眼，可能在設計上就不夠美。但最後，我們讓數據說話，確實後者給業務帶來瞭很好的增長。這個教育過程是比較長的，在內部我們可以做，但面對百萬商傢和設計師如何去做？這是我們的挑戰。
第二個挑戰是數據算法本身的持續升級。AI 行業每年都會有很大的變化，新的技術不斷湧現出來，如何跟上最新的技術？這也是我們始終不能松懈的點。
采訪 | 張自靈 趙洋
——————————————————————
原文鏈接：2016 年“雙11”期間的 1.7 億個 banner，都來自阿裡的設計人工智能“魯班”
特贊知乎專欄：讀點兒設計
特贊微信公眾號：Tezign