全文共2541字，預計學習時長
8分鐘
來源：kaoyanzipiao.tuxi
機器人流程自動化+機器學習=智能自動化？
“機器人不會疲倦，不會感到無聊，並且會精準地執行任務，幫助人類同行提高生產率，讓人們騰出時間專注於高階任務。”
機器人流程自動化已在許多不同行業引起了廣泛關注。
隨著企業專注於數字創新，重複性任務的自動化可以提高效率，同時減少人為錯誤，這是一個極具吸引力的業務建議。
除了簡單的機器人流程自動化，還可以將機器學習、人工智能與機器人流程自動化相結合來實現智能自動化，通過額外的類人感知和預測層，實現重複性任務的自動化。
機器人流程自動化和人工智能的區別
從設計上看，機器人流程自動化並非為了複製類人智能，通常只是為了模仿人類的基本活動而設計。換句話說，機器人流程自動化並非模仿人類行為，而是模仿人類動作。
行為是指在一系列可能的選項中做出明智的選擇，而動作只是運動或流程執行。
機器人流程自動化的流程通常由狹義定義的預定義業務規則驅動，因此機器人流程自動化處理模糊或複雜環境的能力有限。
另一方面，人工智能是用機器模擬人類智能，需要更廣泛的可能輸入和結果。人工智能既是一種智能決策機制，又是人類行為模擬。
同時，機器學習是人工智能的必要敲門磚，有助於演繹分析和預測性決策，從而越來越接近人類預期的結果。
IEEE標準協會於2017年6月發佈了《 IEEE智能流程自動化術語和概念指南》。其中，機器人流程自動化的定義為：
“預配置的軟件實例，使用業務規則和預定義的活動編排來自動執行一個或多個不相關的軟件系統的過程、活動、交易和任務，無需人為管理就能獲取成果或服務。”
換言之，機器人流程自動化僅僅是一個系統，它可以重複執行一組已定義的任務，並且不會出錯，因為它是為該任務專門設計的。但它不能運用學習的功能來進行自我提升，也不能使其技能適應不同的環境，因此機器學習和人工智能正在為構建更多的智能系統做出越來越多的貢獻。
流程驅動與數據驅動
智能自動化是一個術語，可以應用到自動化輔助工作流連續體更復雜的一端，該連續體包括機器人桌面自動化、機器人流程自動化、機器學習和人工智能。根據業務類型的不同，公司通常會採用一種或多種自動化類型來提高效率和效能。隨著人們從流程驅動的自動化轉向適應性更強的數據驅動自動化，訓練數據、技術開發、基礎設施和專業知識等方面的成本也會增加。但是，從額外的洞察力和財務影響來看，潛在優勢可以大大增強。
為了保持競爭力和效率，企業現在必須考慮將機器學習和人工智能添加到傳統機器人流程自動化，以實現智能自動化。
智能自動化依賴於數據完整性
在智能自動化框架中，訓練數據是中心組件，所有其他組件都依賴於它。在諸如自動駕駛和醫療保健等行業中，人工智能或機器學習做出的決策可能會產生嚴重影響，因此，這些決策類型的訓練數據的準確性至關重要。隨著使用神經網絡和深度學習的現代人工智能和機器學習模型的準確性逐步提高到100%，這些引擎比以往任何時候都更加自主地工作，可以在沒有人為干預的情況下做出決策。訓練數據的微小變化或不準確可能會產生嚴重後果和意想不到的影響。因為人類開始依賴智能機器做出的決策來完成複雜的任務，所以數據的完整性和準確性變得越來越重要。
準確的機器學習模型需要準確的訓練數據
數據完整性包括從具有代表性的源數據開始，然後在機器學習模型的培訓、測試和部署之前準確地標記這些數據。數據準備、特徵工程、建模和驗證的迭代工作流是標準的數據科學劇本。
任何數據科學家都會解釋說，正確標記訓練數據的可用性可能是其秘訣中最重要的成分。“髒”數據的例子包括丟失數據、偏差數據和離群數據，或者僅僅是數據集，不代表要在生產中處理的未來數據。特徵工程也是機器學習過程中的重要步驟，即選擇最關鍵的數據特徵，來預測給定模型的準確度。在一個參數層疊的神經網絡中，每次迭代中關鍵特徵的正確識別對模型建立的成功至關重要。低質量的訓練數據可能導致選擇或加權不正確的特徵，從而導致無法將模型推廣到更廣泛的生產數據群體。
例如，對於在核磁共振圖像中檢測特定器官的模型，從特定的核磁共振機器中選擇具有代表性的訓練圖像，然後準確地隔離每個器官特定感興趣區域的相關邊界，將比簡單地使用公共來源的器官照片獲得更好的檢測結果。另一個例子可以在應付賬款系統中看到，該系統使用光學字符識別 (OCR) ，以編程方式從發票中提取相關信息。必須將每個發票中的關鍵字段（例如“地址”，“名稱”和“總計”）與不同類型的發票的主體準確區分開，從而創建有效且準確的模型。如果這些項目的標籤不完整或不正確，則會影響所得模型的準確性。
偏差問題
當前的人工智能和機器學習模型與人類智能有所不同，部分原因在於它們完全依賴於初始訓練數據，並且通常沒有自動遞歸機制來吸收和處理新數據以進行過程校正（即連續再訓練）。這意味著，在訓練過程中引入的不平衡數據可能會隨著時間的推移而導致意外的偏差，並可能產生意外（有時是攻擊性的）結果。大量的偏差引入系統時，就很難依靠這些系統做出的決策。
良好的數據註釋可帶來高質量的智能機器人流程自動化
準確的訓練數據是大多數成功的數據科學項目的基礎。BasicAI 為許多不同行業的企業提供高質量的數據註釋服務，這是大多數客戶對話的中心主題。藉助準確的數據註釋，機器學習模型和人工智能模型可以做出越來越準確的決策，並且與機器人流程自動化業務的基本流程結合使用時，可以實現真正的智能自動化。
我們正逐漸邁向“智能＋”社會，“智能+”帶來新變革相信會令大家耳目一新，一起期待真正實現的那一天！
我們一起分享AI學習與發展的乾貨
閱讀更多 讀芯術 的文章
