style="text-indent:2em;">本篇文章给大家谈谈阿里“鲁班”是如何做到的，以及双十一海报怎么弄好看的对应的知识点，文章可能有点长，但是希望大家可以阅读完，增长自己的知识，最重要的是希望对各位有所帮助，可以解决了您的问题，不要忘了收藏本站喔。
本文目录
- 关于荣耀“省美计划”，有哪些平台做活动，你怎么看
- 双十一手机厂商的广告怎么都那么“硬”有没有哪些品牌做得有趣一点
- 一秒设计8000张不重样的海报，阿里“鲁班”是如何做到的
- 如何看待阿里AI每秒制作8000张海报
关于荣耀“省美计划”，有哪些平台做活动，你怎么看
荣耀手机在10月22日官宣启动双11“人类省美计划”，顾名思义，为热爱科技的消费者带来最理想的购物体验。双十一“省美加护”以既“省”又“美”的消费理念让利消费者，让更多用户在尽享科技潮美的同时还能省出美好生活。先不管我想不想买手机，这个观点完全戳中了我。
荣耀的“人类省美计划”的“省”应该是节省的省，就是想让大家勤俭节约，但不是为了过苦日子，低生活质量，而是为了美好的事物、理想和意愿的生活而省。
大家省钱的方式不一样，但省钱的目的都是为了生活更加美好。在搞清楚了此次活动的寓意之后，可能会有人问"人类省美计划"在哪些平台做活动呢。我去了解一下，看到各大电商平台都有活动，比如天猫的活动页面为下图，双十一预售全场低至6折起，还有1000元优惠券可以领。
荣耀品牌是华为旗下推出的互联网品牌，代表了年轻人的生活态度，此次的"人类省美计划"活动盛大，各大电商平台，微博等社交平台都有不同的活动，想买手机的朋友可以好好研究一下攻略，听说可以省不少的钱，还有很多福利赠品可以拿，还听说荣耀天猫旗舰店有抽锦鲤的活动。在微博和互粉俱乐部，网友们都已经热火朝天的聊着“为什么而省”以及“如何省美”这些接地气的话题了。想让生活更有滋味，不妨也过去看看。
双十一手机厂商的广告怎么都那么“硬”有没有哪些品牌做得有趣一点
十分有趣的一个小视频，一共15秒，节奏短平快，涉及到的人物也简单，但该有的信息一个不少：荣耀双十一，5亿优惠大放松，不对，大放送。谐音用得太巧了，想不记住都难。
双十一的广告并不是都“硬”，只不过想要做好需要花费更多的时间、精力。荣耀的这些广告，看得出，都是下了大功夫的。其实厂商们只要记住，双十一不仅是一个突发的、不抓住就过期的“热点”，而是一个固定的，有充足准备时间的“节点”，提前准备、精工细活，广告可以做很好的。双十一广告的背后，更深层次是在考验品牌，是否在每一个细节上都做到精益求精。（最后一段，不是告诫这些厂家们怎么去做，只要是从一个消费者的角度，个人角度客观说一下什么样的广告，容易促成购买，什么样的广告，双十一我们更想要看到，或者看了让我们更加心甘情愿地剁手就好。）
一秒设计8000张不重样的海报，阿里“鲁班”是如何做到的
每年双11，都是阿里设计师的大考：海量的设计需求，需要保证所有人都统一规范，遇到紧急设计需求，还要快速出稿，对每一个设计师都是脑力、体力双重考验。那么“鲁班”是如何做到呢？
△千人千面需求的banner设计
于是，2015年双11后，阿里内部开始萌生想法，当年阿里正式在商品推荐上实现"千人千面"，所以希望强营销导向的广告资源位的设计也能实现"千人千面"。
因此"鲁班"项目正式成立，并不断发展至现今的"阿里智能设计实验室"。
当时正值AlphaGo摧枯拉朽，将深度学习和AI传播开来，阿里内部也决定进一步把鲁班打造成一个AlphaGo一样的AI设计师。
进而开始搭建神经网络，让鲁班学习人类设计师的成果和经验，不断进化，到今年双11，鲁班的水平已经达到了阿里内部P6水准。
鲁班的学习进化，主要有三大技术原理。
鲁班从0到P6，自学设计能力主要看三大模块：风格学习（规划+元素）、行动器，以及评估网络。
首先是风格学习模块。
△鲁班风格学习
鲁班先将大量设计素材的设计数据进行结构化标注，最后经过一系列的神经网络学习，输出空间+视觉的设计框架。
框架设计中，首先通过人工标注的方式，让机器理解该幅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，还需要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。
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。
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，输入到深度学习网络中。该网络具备一定记忆功能，可以记住设计步骤中复杂的过程。
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。从设计师的视角来看，它相当于设计师脑里在做一组设计之前那个大概的框架印象。
在设计框架的同时，元素中心也在批量输入元素（如底图，主产品图、修饰元素等），由元素分类器进行学习，按照视觉特征和类型分类。
具体来说，鲁班团队会提前收集一些版权图库，以及自己造设计元素的方式，输入到元素分类器中。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。
其次是行动器。
△鲁班行动器元素分类
行动器的主要作用，是根据需求从风格学习模块中选择设计原型，并从元素中心中选取元素，规划出多个最优生成路径，完成图片设计。
这与设计师实际工作过程非常相似，如设计师要设计一朵花，也会在软件里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聪明、更智能。
此过程完成后，将输出多个设计图，并最终交给"评估网络"对输出产品进行评分。
最后是评估网络。
△鲁班评估网络
评估网络的工作原理是输入大量的设计图片和评分数据，经过训练后，让机器学会判断设计的好坏。
鲁班的基础是来源于设计师的设计模板素材和元素素材，因此会有两个设计师角色每天去训练鲁班，一个负责帮助鲁班完成最新的风格学习（风格学习），让鲁班不断进化，不断掌握更好的设计技巧。
另一个的角色则是对鲁班设计出来的成果进行评估（评估网络），告诉鲁班什么样的设计才是最好的。
设计师的核心职责，在于把设计变成数据化。目前，鲁班已经学习了百万级的设计稿，拥有了演变出上亿级的海报设计能力。
实际上，你应该也看出来了，与AlphaGo最初设计一样，鲁班从0到P6，也是设计师+算法工程师的合作成果。
这背后，阿里的设计师和算法工程师做了三大功课。
第一，领域研究。找到该领域专家深入研究该领域的经验知识，构建一套机器可以学习的数据模型。视觉设计专家把设计问题抽象成"风格-手法-模板-元素"这样一套数据模型，即把多年视觉设计经验变成机器可学习的"数据"。
第二，数据链路。定义好数据模型后，抓取和标注数据，并对数据集进行分类和管理。在这个过程汇总，如果处理数据给算法训练的更新频次，用什么数据去验证模型，如何评估模型效果，离线模型与在线数据在产品端如何打通？这一系列的数据问题就需要一套清晰的数据链路设计。
第三，算法框架。算法框架由算法科学家来制定，数据和算法的关系就像汽油和发动机，两者密不可分。产品设计师需要与算法讨论，把业务场景和数据问题输入给算法。
这也是阿里内部让产品设计师学习机器学习的原因，因为搞懂算法框架和技术原理，才能更好理解工作原理。
但三方面功课背后，也不是没有具体挑战。
整个鲁班打造过程中，遭遇了三方面技术挑战。
首先是缺少标注数据。今天所有的人工智能都基于大规模结构化标注数据，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。
其次是设计的不确定性。设计是个很不确定的东西，设计需求把握和结果评估都存在人类主观意识。比如你无法给机器输入"高端大气的海报"这样的指令。
最后是无先例可循。整个行业中没有一些现成的技术或者框架可以参考，这和AlphaGo带来的福利不同。
当时AlphaGo团队公布论文后，全世界围棋AI都照此提升了战力，比如腾讯绝艺，很快就做到了世界水平。
但对于鲁班来说，并无先前经验可以参考，一切全凭自己摸索。不过也并非完全没有收获，在探索中的一年，阿里鲁班团队对AI产品有了更为清晰的定义。
他们内部认为，鲁班做的AI是可控的视觉生成。可控，指的是根据商业的需求、业务的需求，智能地进行控制；视觉生成，则表明鲁班解决的是视觉从无到有的问题。
那么海报设计AI鲁班，效果怎么样？
在2016年双11，鲁班首次登场。它最终制作了1.7亿张广告banner，点击率提升100%。
与人类对比的话，假设每张图，人类设计师需要耗时20分钟，满打满算也需要100个设计师连续做300年。
……
已经不用计算节省的成本了。
而今年，鲁班也被进行了进一步迭代。设计水平显著提升，最新的数据情况是：
鲁班已经学习了百万级的设计稿，拥有演变出上亿级的海报设计能力。
今年双11，鲁班已经可以实现一天制作4000万张海报，平均每秒可实现设计8000张海报，并且每张海报会根据商品图像特征专门设计，换句话说说，鲁班设计出的海报，没有一张会完全一样的。
了解鲁班，可登陆阿里云官网。
如何看待阿里AI每秒制作8000张海报
谢谢邀请！
这个问题，问到了点上，刚才去搜索了一下，有官方媒体报道，此事为真的，今年的双十一的的确确存在阿里AI鲁班卡卡一下制作出双十一8000张海报图，据计算这8000张海报图如果要100个人工设计师制作的话，可能需要300年。这样大的数据着实在告诉我们人工智能技术的强大大可怕，你都无法用脑袋想的奇迹。
从世界发展进步角度看？这是一件好事，这表明人类科技有一次跨越式发展。
从人类生活角度看？未来人工智能技术将会迅速发展，未来的几十年它将会代替很多工作，人类生活、工作的脚步将会更快，也伴随的压力加大。工作节奏更快，生活压力更大。
关于阿里“鲁班”是如何做到的和双十一海报怎么弄好看的的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
