34、人工智能（AI）与机器人流程自动化（RPA）的全面综述

人工智能（AI）与机器人流程自动化（RPA）的全面综述

1. 智能自动化的市场影响

智能自动化（IA）将对市场产生巨大影响，其影响力可与 20 世纪 90 年代互联网的出现相媲美。通过聊天机器人和 RPA 机器人将自动化 IT 服务台工作推向准确的 IT 团队以解决问题，能让工作更投入、更高效。

2. AI 在 5G 中的重要性

新的无线电接口依赖于大规模多输入多输出（Massive MIMO），5G 解决了其中一些挑战。主要问题是为公民在市场、电子健康、工业 4.0、智能电网、智能教育等方面提供便利。通过在多个层面建立更多合作伙伴关系，实现不同移动运营商之间的共享，以及由供应商提供平台即网络服务等方式，这些问题进一步得到解决。

接受 AI 和机器学习（ML）方法作为 AI 的核心部分，对于确定环境评估和服务需求，以形成主动、高效的自我优化和自我更新网络至关重要。例如，AI/ML 通过检查历史数据，对大规模 MIMO 识别用户分布动态变化进行预测，根据历史数据动态调整天线元素的权重，从而在 5G 整个站点间接口带宽、MIMO 小区站点等多种场景下实现更好的覆盖。ML 和 AI 结合到网络边缘，可通过 5G 网络实现。首先集成 ML 和 AI，然后借助 5G 多接入边缘计算（MEC），可以控制跨接入更好网络的流量导向。ML 和 AI 的结合是 5G 网络成功运行的关键。

3. RPA 的应用

3.1 RPA 在智能审计中的作用

在当前情况下，RPA 已在商业组织中得到应用，从信用自动计算到客户账户管理。从审计的角度来看，许多审计任务，如对账、内部控制测试和细节测试等，都可以通过 RPA 自动完成。在 RPA 中，一些自动化工具用于审计任务，如 Excel 宏、IDEA 和 Python。RPA 供应商工具 UiPath 和 Blue Prism 用于细节测试，输入为信息收集，输出为审计测试结果的汇编。

RPA 在审计中的优势包括减少处理时间，同时提供各种便利，如可靠性、完善的审计跟踪、提高服务质量和更好的安全性等。以下是 RPA 进行收入审计的步骤：
|步骤|特征|
| ---- | ---- |
|对账| - 登录 FTP 以访问客户提供的审计证据
- 输入查询以搜索销售清单和试算表
- 提取销售清单和试算表
- 将销售清单和试算表的重要数据导入 Excel 或 IDEA
- 计算每个清单的总销售额
- 比较每个清单的总销售额与试算表中的总销售额|
|分析程序| - 登录审计工作底稿软件，输入上一年的审计工作
- 输入查询以搜索经审计的收入金额
- 提取包含上一年收入余额的报告
- 将报告导入 Excel 或 IDEA
- 比较最近一年的总收入金额与上一年的总收入金额
- 如果差异超过重要性阈值，则形成警报|
|内部控制测试与减法测试| - 登录 FTP 以获取客户提供的审计证据
- 输入查询以搜索采购订单、发票和运输清单
- 提取清单
- 导入清单
- 比较三个清单中的价格和数量|

3.2 RPA 在数字取证（DF）中的应用

在数字取证领域，AI 与 RPA 的结合是该领域的新趋势。目前，复杂案件可以通过数字证据轻松解决，为许多刑事案件提供了不同类型的调查支持。然而，提取各种流程和评估最终报告需要专业从业者，且面临预算限制、设备多样性和待处理数字信息量不断增长等问题。

提高数字数据处理速度、准确性和可靠性一直是该领域研究的长期目标，RPA 是应对处理大量案件、海量智能数据和管理检查能力等挑战，提高效率的唯一解决方案。涉及的一些数字取证检查流程通过 RPA 这种服务任务自动化形式，能够更轻松地完成工作。虽然目前将 DF 流程自动化的工作存在一些质疑和担忧，但只要将自动化任务限制在特定目标功能，且结果可评估、任务完成的完善性可判断，风险就会较低。

4. RPA 和 AI 自动化的优势

4.1 AI 和 RPA 在数字平台商业模式设计中的作用

以下是一些新的数字技术对数字平台商业模式设计的改进：
|数字技术|描述|
| ---- | ---- |
|银行、金融、服务、保险（BFSI）|该领域的业务任务实现自动化，涵盖数据输入、合规监管等，提高了速度和效率|
|激光雷达（LiDAR）组合|用于自动化工厂车间监控的领先计算机视觉解决方案，使用自主移动机器人（AMRs）动态操作地图场所|
|基于 ML 的文本分析和 RPA 组件的智能自动化解决方案|便于用户从大量法律文件中提取数据，以便后续处理|
|使用 AI/ML 生成热图|广泛应用于零售、运输、公共服务等行业，有助于引导人员高效移动、改善布局设计和交通管理等|

4.2 RPA 对传统低成本外包的挑战

Blue Prism 是一种劳动力操作系统软件，它将机器人定义为按照工作流程进行训练的程序。该工作流程由文档程序控制和审计，机器人运行时会自动收集管理信息。所有流程在执行过程中会产生统计数据，这使得能够根据实际数据快速、经济地调整和扩展流程。这项技术引入了由规则驱动的最佳应用流程，满足了各种组织（如面向服务的架构（SOA）和业务流程管理（BPM））的增长需求。一些先进技术，如 Blue Prism 版本 6 等数字劳动力操作系统软件，使用 AI、ML 等技术，可轻松与业务运营集成以创造价值。要实现业务自动化的成功，需要应用正确的技术和策略，如 RPA、AI、自然语言处理（NLP）和光学字符识别（OCR）。

4.3 选择 RPA 流程的决策支持系统

在现代商业中，成功的未来不仅在于推动公司的日常活动，还在于这个数字时代，公司需要投资于价值创造。借助人工智能和 BPM，RPA 赋予机器人虚拟工作能力，使其能够自主完成任务。通过流程挖掘技术，我们引入了一个可自动化的指标系统，为许多寻求改进 RPA 活动并提高投资回报的公司提供当前状况判断和决策支持。

4.4 疫情期间 AI 和 RPA 的重要作用

在全球新冠疫情期间，世界发生了巨大变化，造成了大量人员伤亡。在这场抗疫斗争中，AI 和 RPA 发挥了重要作用，如生成对抗网络（GANs）、极限学习机（ELM）、长/短期记忆（LSTM）等。AI 描述了一种综合生物信息学方法，以结构化和非结构化形式整合了研究人员和医生的多方面数据。目前，AI 的主要目的是进行 COVID - 19 病例筛查，新的新冠病例改进和预测有助于实现更好的未来、及时响应和高效结果。由于疫情爆发，实体会议完全停止，甚至医生预约也改为远程进行，以减少与患者的接触。在这种情况下，所有部门都依赖有线和无线通信网络来控制封锁情况。

受 COVID - 19 疫情影响的关键部门包括医疗保健、教育系统、旅游、制造业和分销、农业和食品生产等。这些系统或多或少都由 AI 和 RPA 控制，帮助我们维持舒适的日常生活，并在智能人类环境中发展。在工程、医学、心理学、经济等领域，AI 是研究人员关注的新兴话题。以下是 AI 与 5G 在疫情期间的应用：
|领域|应用|5G 技术|
| ---- | ---- | ---- |
|医疗保健|可穿戴设备|eMBB, mMTC|
| |远程医疗|eMBB, mMTC|
| |远程手术|eMBB, mMTC, uRLLC|
| |接触追踪|eMBB, mMTC|
| |可穿戴设备|eMBB, mMTC|
|教育|远程教学|eMBB|
| |远程评估|eMBB|
| |远程会议|eMBB|
| |沉浸式学习|eMBB|
|旅游和旅游|智能交通|eMBB|
| |自动驾驶车辆|uRLLC, eMBB|
| |交互式地图|eMBB, mMTC|
| |沉浸式旅游|eMBB, uRLLC, mMTC|
|制造业和分销|工业互联网|eMBB, mMTC|
| |智能制造|eMBB, mMTC, uRLLC|
| |机器人控制过程|eMBB, mMTC, uRLLC|
| |远程供应交付|eMBB, mMTC|
|农业和食品生产|智能农业|eMBB, mMTC|
| |智能灌溉|eMBB, mMTC|
| |远程作物监测|eMBB, mMTC|
| |农场数据采集|eMBB, mMTC|

4.5 基于 RPA 的老年通信机器人

如今，一种名为通信机器人的 AI 扬声器在消费服务中很受欢迎。与互联网连接并通过语音操作的家庭应用是这种通信的最新机器人技术，但老年群体无法很好地控制这些设备。由于许多老年人不会使用智能手机，也不了解最新技术，他们与最新的 IT 设备脱节。因此，为老年人提供了不同的监护服务。这些服务通过传感器了解和检查老年人的状况或识别异常情况，并通知他们的家人。

例如，象印（ZOJIRUSHI）的“MIMAMORI 热线”服务，当老年人使用该电子设备时，会通过邮件将其信息发送给住在不同地方的家人。另一种服务是 SNS 代理机器人，它允许老年人以互动方式通过 Twitter 进行交流，即使他们不会使用智能手机。该机器人的原理是预先存储正确的地址，并根据上下文执行操作，老年人只需与机器人交谈，它就会做出响应，因为 AI 和物联网在自动化过程中并未相互连接。

PapeRo 是一款基于面向服务架构设计的 SNS 代理机器人，可通过语音操作，老年人可以通过它发送视频消息。一款专门设计的通信机器人可以通过与独居老年人的日常对话大致判断其是否患有痴呆症，并通过社交媒体将疑似痴呆症的情况告知其家人。在 SNS 代理机器人中，预先加载了痴呆症症状，以便轻松检测该疾病。目前，老年人的语音通过 Google 云语音 API 转换为文本，然后由 IBM Watson/Assistant 进一步处理。根据老年人的回答选择合适的问题，答案再由 Google 云语音 API 分析，并通过机器学习过程将文本转换为语音。Google 云语音 API 可以检测超过 110 种语言和方言。

graph LR
    A[老年通信机器人] --> B[接收老年人语音]
    B --> C[Google云语音API转换为文本]
    C --> D[IBM Watson/Assistant处理]
    D --> E[选择合适问题]
    E --> F[Google云语音API分析并转换为语音回复]
    A --> G[检测痴呆症症状]
    G --> H[通过社交媒体告知家人]

人工智能（AI）与机器人流程自动化（RPA）的全面综述

5. AI 和 RPA：是福是祸

在当今社会，变革的步伐持续加快，新冠疫情更是加速了这一进程。如今，我们的生活已与科技和人工智能紧密相连，难以想象没有它们的日子。拒绝接受这一现实的人可能会错失发展的良机。

AI 和机器学习不仅仅是冰冷的机器人，它们既可能为我们带来美好的未来，也可能对下一代造成威胁。在日常生活中，我们借助 AI 和机器学习在谷歌上搜索信息。例如，加利福尼亚的科技公司利用机器学习提高搜索结果的准确性，让数据查找变得更快、更便捷。AI 的主要目标是实现更多的控制和更高的利润，无论是在医疗、军事技术领域，还是在提高生产效率、更好地了解客户等方面。

与人类相比，科技能让我们的生活更加舒适，但它并未在世界范围内发展出文化和道德。人类的智慧充满了情感和直觉，而 AI 却无法提供这些。

对于下一代而言，AI 创造了许多机会。以自动驾驶汽车为例，人类的知识和技术在这一领域得到了飞速发展。在医疗保健领域，AI 也将产生巨大影响。据相关数据，2018 年该领域的投资金额高达 66 亿美元。未来，由人工智能设计的机器人将协助进行手术，为患者的治疗提供更可靠的保障和更客观的判断。此外，AI 在识别肺癌方面已经超越了放射科医生，这无疑是人类生活中的一大福音。

然而，这些技术用机器取代工人的现象，也可能被视为一场巨大的灾难。以下是 AI 带来的机遇与挑战的对比：
|方面|机遇|挑战|
| ---- | ---- | ---- |
|生活|提供便利，如搜索信息更高效|可能导致人类情感和道德发展的缺失|
|医疗|辅助手术，提高癌症识别准确率|可能取代部分医疗工作者|
|交通|推动自动驾驶发展|可能引发交通安全等新问题|

同时，印度国家转型委员会（NITI Aayog）对 AI 进行了定义，它指的是具备学习、解决问题、控制、识别和感知等逻辑运算能力。该委员会指出，AI 在以下 5 个领域对印度居民和全球产生了重大的积极影响：
1. 扩大标准医疗保健的可及性并降低成本。
2. 提高土壤肥力，为农民带来收益。
3. 通过增加获取途径提升教育水平。
4. 推动城市社区的发展，使城市更加先进和智能。
5. 智能交通解决交通问题，构建智能、安全的交通系统。

不过，AI 在大规模应用方面也面临一些障碍：
1. 缺乏基于董事会的设施，影响 AI 的分析和执行。
2. 缺乏允许的数据生态系统，导致难以获取智能数据。
3. 大量有价值的资产和低成本的验证识别。
4. 安全和保护问题，以及在处理安全数据时遵守法律规定的困难。
5. 缺乏对 AI 应用的集体态度和吸引力。

综上所述，在讨论 AI 是福是祸时，并没有绝对的对错。在未来的指数级发展中，我们更多地依赖技术而非人类的表现。

6. 智能环境中的 AI 和 RPA

智能城市是一个经过技术改造的现代城市区域，它利用各种电子传感器、语音激活方法等收集特定数据。从不同来源获取的信息被用于改善城市的各项运营。城市从市民和设备收集的数据经过处理和分析，用于监控和控制交通、运输系统、废物管理、供水链、犯罪检测、信息系统、学校、医院、图书馆和其他社区服务。这不仅体现在政府应用技术的方式上，还体现在对城市的监控、分析议程和规则制定等方面。

AI 具有巨大的潜力。对于 RPA 而言，AI 可以增强其功能，使其能够处理非结构化信息，并通过语音识别扩大其感知范围，从而提高 RPA 的可靠性。当 RPA 遇到困难时，AI 可以接管并帮助实现持续增长。市场上的一些 AI 技术使 RPA 变得更加智能。

AI 的目标是从非结构化来源（如电子邮件、聊天记录、社交媒体动态、自由文本文件、PDF、图像等）中提取信息，通过 RPA 将非结构化信息转化为结构化信息。AI 的功能还包括解码人类语音，并根据语音请求执行相应的操作。它利用自然语言处理（NLP）来理解我们的语言，机器学习（ML）则使算法能够不断学习，使解决方案更加简单，性能更加可靠。

借助 AI，RPA 可以减少人类在判断性行动中的干预，选择更智能的方式。随着 AI 的增强，RPA 具备了识别文本文档、进行分类的能力，避免了非结构化数据的干扰，并将其转换为结构化数据，使其更易于探索。RPA 在系统之间传递探索到的信息，然后由 AI 将其转换为语音和文本。

当 RPA 面对不同格式、内容的可疑文档时，AI 可以承担起后续的处理责任。如今，发票处理、索赔流程、入职流程等各种业务流程都可以在较少人工干预的情况下顺利完成。以下是 AI 和 RPA 在智能环境中的协作流程：

graph LR
    A[收集非结构化数据] --> B[AI提取信息]
    B --> C[RPA转换为结构化数据]
    C --> D[系统间信息传递]
    D --> E[AI转换为语音和文本]
    F[RPA遇到问题] --> G[AI接管处理]
    G --> H[流程继续推进]

总之，AI 和 RPA 在智能环境中相互协作，为城市的发展和管理带来了新的机遇和挑战。它们的应用不仅提高了效率，还改善了城市居民的生活质量。在未来的发展中，我们需要充分发挥它们的优势，同时应对可能出现的问题，以实现智能城市的可持续发展。