0
| 本文作者： 汪思穎 | 2018-04-23 10:37 |
2018 年 4 月 21 日，在阿里巴巴 UCAN 用戶體驗設(shè)計論壇上，「魯班」創(chuàng)始人、阿里巴巴智能設(shè)計實驗室負責人樂乘向現(xiàn)場觀眾展示「魯班」的設(shè)計能力，臺下掌聲雷動。
這是一場以設(shè)計師為主要觀眾的論壇，對于設(shè)計師來說，他們的工作往往包含許多重復性體力勞動，比如裁切素材、調(diào)整圖片大小、修正白平衡等，而「魯班」基本上能包攬上述絕大部分內(nèi)容，這大大解放了設(shè)計師的雙手。
「魯班」是阿里巴巴自研的一款設(shè)計人工智能產(chǎn)品，目前累計設(shè)計 10 億次海報。據(jù)雷鋒網(wǎng) AI 研習社了解，2017 雙 11 期間，魯班一天制作 4000 萬張海報，并且每張海報都是根據(jù)商品圖像特征專門設(shè)計。
據(jù)樂乘介紹，「魯班」的設(shè)計能力已經(jīng)接近高級設(shè)計師水平，他們將會開放「魯班」的一鍵生成、智能創(chuàng)作、智能排版、設(shè)計拓展四個核心能力，目前有 100 個免費內(nèi)測名額，大家可以點擊 luban.aliyun.com 申請。他表示，在未來，即使是設(shè)計小白，也可以通過「魯班」一鍵生成自己的海報。
「魯班」的核心算法技術(shù)由阿里巴巴達摩院機器智能技術(shù)實驗室研發(fā)，在強化學習、平面設(shè)計美學量化評估、知識圖譜方面分別聯(lián)合倫敦大學學院、清華大學、浙江大學團隊。得益于深度學習、增強學習、蒙特卡洛樹搜索、圖像搜索等技術(shù)以及大量設(shè)計數(shù)據(jù)，「魯班」可以通過自學獲得設(shè)計能力。
據(jù)雷鋒網(wǎng) AI 研習社了解，「魯班」包括規(guī)劃網(wǎng)絡(luò)、行動器、評估網(wǎng)絡(luò)三大核心部分。
圖：「魯班」進行風格學習
規(guī)劃網(wǎng)絡(luò)的基礎(chǔ)來源于設(shè)計師的創(chuàng)意設(shè)計模板和基本元素素材，設(shè)計師將大量設(shè)計素材進行結(jié)構(gòu)化數(shù)據(jù)標注，最后經(jīng)由一系列人工智能網(wǎng)絡(luò)學習，輸出空間+視覺的設(shè)計框架。
圖：元素分類器對輸入的素材進行識別及分類
行動器根據(jù)「魯班」收到的設(shè)計需求，從學習網(wǎng)絡(luò)中抽取設(shè)計原型，并從元素中心中選取元素，規(guī)劃輸出多個最優(yōu)生成路徑，完成圖片設(shè)計。
圖：魯班行動器規(guī)劃最優(yōu)設(shè)計生成
評估網(wǎng)絡(luò)的工作原理是輸入大量的設(shè)計圖片和評分數(shù)據(jù)，訓練魯班學會判斷設(shè)計的好壞。
圖：評估得分
作為阿里巴巴智能設(shè)計實驗室負責人，樂乘主要負責「魯班」的數(shù)據(jù)、產(chǎn)品、設(shè)計和業(yè)務，達摩院機器智能技術(shù)實驗室資深算法專家星瞳則負責算法技術(shù)及后臺視覺生成引擎系統(tǒng)，包括數(shù)據(jù)的分析處理，在線、離線流程，各類機器學習算法的研究。雷鋒網(wǎng) AI 研習社針對「魯班」背后的技術(shù)細節(jié)與他們進行探討，整理如下。
問：「魯班」即將達到人類高級設(shè)計師水平，它的這一設(shè)計水平是如何衡量的？具體的考慮因素有哪些？
答：魯班的設(shè)計取決于人類輸入，輸入水平?jīng)Q定了輸出水平，我們有一個專門的團隊來訓練「魯班」，目前它學完之后可以達到中級設(shè)計師水平，而想要達到高級水平，需要用到更大規(guī)模的數(shù)據(jù)，預計在今年下半年可以實現(xiàn)。
對于設(shè)計水平的衡量，需要從多個維度來考慮：
第一，從設(shè)計的合理性、美感上評估，這更多是設(shè)計行業(yè)評判設(shè)計師水平的通用標準。
第二，生成圖片的使用效果如何。
第三，從美學和藝術(shù)的角度，這里可能不同的人會有不同的看法，這一部分也需要設(shè)計師參與評估。
問：「魯班」項目 2015 年底啟動至今，有哪些比較重要的時間節(jié)點？
答：總的來說有三個節(jié)點。
我們在兩年多前，有了研發(fā)魯班的想法，先做出了第一個 Demo，這是第一個節(jié)點。
第二個節(jié)點是 2016 年的雙十一，我們想真正規(guī)模化地應用這一系統(tǒng)，當時，針對集團的特定場景，開發(fā)了一個版本，那個版本最重要的貢獻，就是能夠真正大規(guī)模地輔助線上系統(tǒng)。
但是那時候「魯班」主要是針對阿里的一些場景應用，與外界目標群體的需求存在差異，之后我們又集中精力進行了這方面的研發(fā)，到目前，能滿足不同群體的需求。這是第三個比較重要的節(jié)點。
通過時間的積累、越來越多的資源投入以及大家的一起努力，魯班現(xiàn)在在某些場景下能輸出很不錯的結(jié)果。
問：「魯班」對硬件的要求如何？
答：「魯班」依賴于 GPU，目前大概需要幾百個 GPU。同時，這一系統(tǒng)具有伸縮性，在雙十一活動的高峰期，需要的 GPU 多一些，平時相對來說少一些。
問：「魯班」系統(tǒng)在設(shè)計過程中，需要的原始數(shù)據(jù)量有多大？
答：2016 年雙十一，我們利用「魯班」設(shè)計出 1.7 億張海報，那是比較早期的摸索。2017 年雙十一，「魯班」設(shè)計了 4 億張海報，那時候我們投入了十多人的設(shè)計師團隊，他們會創(chuàng)作出少量的元素以及符合雙十一要求的基礎(chǔ)數(shù)據(jù)，在投入數(shù)據(jù)規(guī)模方面，當時種子數(shù)據(jù)的量級在千級別，隨著應用規(guī)模擴大，種子數(shù)據(jù)也有數(shù)量級的擴大。
問：在標注數(shù)據(jù)方面，需要投入大量人力成本，你們是如何解決這一問題的？
答：總的來說，啟動的種子（需要極大人力投入的數(shù)據(jù)）在前期必不可少，但魯班是一個不斷進化的閉環(huán)系統(tǒng)，它具有自我評估能力，機器產(chǎn)生的數(shù)據(jù)，一部分可以直接用，還有一部分，可以經(jīng)過人工的參與，去做進一步清理、編輯、打標等。隨著處理數(shù)據(jù)越來越多，算法的力量越來越強大，人力成本會不斷降低，之后，系統(tǒng)會越來越好，數(shù)據(jù)會像滾雪球一樣往前走。
問：支撐「魯班」系統(tǒng)的核心技術(shù)有哪些？
答：你可以認為「魯班」系統(tǒng)是對 AI 算法的集中。
這一系統(tǒng)比較復雜，其中有針對設(shè)計數(shù)據(jù)的分類和分割算法；
在線規(guī)劃生成的時候，又有一些序列學習算法；
同時，還使用到一些多 Agent 強化學習算法；
此外，我們也使用了一部分 GAN 的方法；
還有一系列其他的方法，比如大規(guī)模檢索或特征表達。
算法層面，我們基本上覆蓋了現(xiàn)在比較新的技術(shù)。此外，我們還會用到大規(guī)模分布式數(shù)據(jù)處理技術(shù)。
問：「魯班」背后主要的技術(shù)難點有哪些？
答：我們前前后后花了兩年多時間來研究「魯班」系統(tǒng)，因為以前并沒有比較好的可供參考的案例，很多技術(shù)及解決方法都要靠我們自己去探索。
雖然業(yè)界有很多利用 GAN 去做生成的案例，但這些技術(shù)并不能達到我們的目標——可控數(shù)字內(nèi)容的生成。
此外，我們既要能滿足可控，又要生成用戶想要的內(nèi)容，還得保證圖片質(zhì)量以及生成速度。
另外，還有幾個典型問題：怎么利用多 Agent 強化學習，從粗到細地生成中間的結(jié)構(gòu)；怎么利用一些特殊的特征去描述各種各樣的元素；還有最基礎(chǔ)的圖像理解、對象分割問題。
目前，「魯班」系統(tǒng)不可能像一般的深度學習算法，直接端對端就可以達成目標，相對來說它的邏輯比較復雜，使用單一的算法不能達到我們的目標。
問：前面提到多 Agent 強化學習，能具體解釋「魯班」中的這項技術(shù)嗎？
答：這是我們與 UCL 汪軍老師團隊合作的一項技術(shù)。
具體來說，系統(tǒng)會根據(jù)用戶的需求，得到一個非常粗粒度的結(jié)果，例如把一張圖或者一個目標變成多個組成部分，可以將這些組成部分稱為元素或者量化單元，并把它當做一個 Agent，這些 Agent 單獨不能決定結(jié)果的好與壞，只有多個 Agent 同時才能決定。可以認為這是一個組合優(yōu)化問題，這里就會用到多 Agent 強化學習技術(shù)。
問：未來還會基于已有的算法做出哪些改進與創(chuàng)新？
答：未來還有很多需要鉆研的地方。
第一，基于 GAN 的一系列學習，尤其是照片級別、像素級別的生成算法，我們希望與學術(shù)界或業(yè)界不斷合作、實驗。
第二，我們的系統(tǒng)還是過于復雜，所以想找到比較好的系統(tǒng)工程辦法，使得各方面都能更加高效。
第三，在設(shè)計知識圖譜這一領(lǐng)域，希望與外界合作，做得更加完善和靈活。
第四，我們希望能更好地量化生成效果，設(shè)計水平是很難衡量的，我們希望在這里做出一些探索和改進。
我們目前的愿景是「所想即所見」，即用戶想要什么圖像，「魯班」就生成什么樣的圖像。同時，我們也希望打造出能面向各種各樣場景、實時在線、高效且惠普地生成高質(zhì)圖像的輔助系統(tǒng)。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
