2017年11月26日

【設計師要失業了?】雙 11 期間的 1.7 億個 BANNER,都出自阿里的設計人工智慧「魯班」

【設計師要失業了?】雙 11 期間的 1.7 億個 BANNER,都出自阿里的設計人工智慧「魯班」

「魯班」?聽說是「擼一個 banner」的諧音?

2017/04/28

https://buzzorange.com/techorange/2017/04/28/alibaba-ai/

雙十一是中國人為創造出的購物節,每年營收都在不斷大量上修。阿里巴巴近幾年一直不斷的利用人工智慧為組織創造出更高的營收,包含大家都能想到的商品精準推薦以圖搜商品

現在他們把 Banner(商品橫圖)也用上了人工智慧技術,幫助更為精準的吸引相關消費者、定義商品特性。值得台灣的電商平台學習(責任編輯:林子鈞)

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 出了 1.7 億由阿里的設計人工智能產品「魯班」設計的 banner(廣告橫幅)。

 

A: 我在阿里花名樂乘,是淘寶 UED 的產品設計師,也是阿里人工智能設計產品「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。

 

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」,是阿里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」,是阿里流量分發模式很大的升級和轉型。

 

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。我們跟阿里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了商品信息,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了大批量風格確定的模板,證明了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」度過了第一個階段,但長遠發展角度我們必須讓機器來做設計。大概是 16 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家加入進來,主導整個智能設計的算法框架。

Q: 有人說「魯班」沒有達到設計人工智能的階段,只是「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了設計智能 

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。設計專家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,我們把專家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,通過機器做圖像特徵提取,然後分類,再通過人工控製圖像質量以及版權問題,我們買了有版權的圖庫,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布,類似棋盤,生成的系統把元素中心的元素往棋盤放,在這裡我們採用了「強化學習」,就好像你在家裡放一台掃地機器人,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。

聽說去年「雙 11」,「魯班」設計了 1.7 banner

 

 

沒有留言:

搜尋

標籤

總網頁瀏覽量