通过一段时间的学习，鲁班智能设计平台从去年“双十一”前就已经在阿里巴巴集团内部大规模投入使用。目前设计水平已非常接近专业设计师水平，学会几百种常规设计手法。

    米你PS设计微信公众号发文说，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。以一张常见的广告为例，这些在机器的眼里是一堆像素点组成的。

    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。通过设计的经验知识，定义一些设计的手法和风格，让机器知道它是用什么组成的，为什么可以这么组成，以及组成后的效果。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，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特征模型出来。

    因为做的是元素级生成，所以必须准备一个元素的库，通过收集一些版权图库，以及自己设计元素的方式，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。

    接下来，就是设计的具体过程。比如，今天接到一个设计任务，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。

    设计成品出来后，要告诉机器人，从设计的角度是好还是不好，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。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。

    现在机器还不太理解语义，只能根据需求或任务生成一个结果，并不了解其中的关系。下一步，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。

    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，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。

    机器在数据上可以完成巨量素材库，训练成长速度，不断完成闭环。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，情绪有表达，这是机器很难做到的。