重新认识人机协同,从RPA+AI理解人机协同系统三层架构

简介: 重新认识人机协同,从RPA+AI理解人机协同系统三层架构从2020世界人工智能大会看RPA,RPA+AI已成备受关注人机协同系统人机协同时代已来,RPA+AI或将成为“普惠”人机协同系统

重新认识人机协同,从RPA+AI理解人机协同系统三层架构

从2020世界人工智能大会看RPA,RPA+AI已成备受关注人机协同系统

人机协同时代已来,RPA+AI或将成为“普惠”人机协同系统


文/王吉伟


2020世界人工智能大会云端峰会,首次设立了一个AI+RPA分论坛。

分论坛的设置,意味着RPA行业发展已经到了值得重视的阶段,与Gartner去年发布首个RPA魔力象限如出一辙。该分论坛承办者,也是在前段时间上了Gartner《竞争格局:机器人流程自动化软件》报告的三家中国厂商之一云扩科技。

虽然会议主要内容讨论AI+RPA,主题则是:人机协作,重塑未来工作方式。由此可见,大会主办方在选题的角度上,同样是将AI+RPA默认为人机协协作的重要打开方式。

image.png

会议主题为AI+RPA,云扩科技的宣传则是RPA+AI。说起来,这正是目前RPA行业的两个流派。AI+RPA多是AI技术起家的厂商入局了RPA,而RPA+AI则是RPA厂商融合了AI能力。

从两个标签上能看出RPA厂商的先发能力,但在王吉伟频道看来区别却是不大,不管智能技术和自动化技术相互怎么加怎么融合,从人机协同而言最终目的都是增强人力的数字化能力,可谓殊途同归。

在人机协同领域(关于人机协作和人机协同的区别,下文会有介绍),能够让人机系统变得更智能除了人工智能还有智能增强,可以做到自动化的工具除了RPA,也还有系统集成等落地途径,当然RPA近些年更受重视也是事实。总之,智能识别+流程自动化是人机协同的主体,人则是人机协同这种工作关系的主体。

在人机协同的工作关系中,工作进程是由人来主导与把控。技术的发展与机器作业任务比重增加,促进人与机器的关系渐渐演变为人机融合,并进一步走向人机协同。这既是数字经济发展到一定的劳作产物,也是数字化社会发展所必然经历的阶段。

本文,王吉伟频道将结合RPA+AI,与大家继续探讨人机协同。


人机协同是数字化社会发展的必然

在之前的文章中,王吉伟频道与大家探讨过人机协同。很多时候人机协作与人机协同可以通用,真若论及区别:前者描绘了人与机器工作的情景,后者则更强调人与机器连同相应资源及个体共同完成某个任务或达成某种目标。显然,人机协同更具目标导向,能够表达人与机器协同工作的关系乃至成果。

很多人会问人机协同出现的原因,可以说是社会生产力发展到一定程度的结果。

全球知名咨询机构IDC从市场竞争解释了原因:随着云计算、大数据、计算机视觉、自然语言处理等技术的发展,很多企业开始利用AI技术实现业务创新,未来在诸如法律合同分析、商业欺诈识别、图像识别、地图定位与安全监控等领域会运用大量的AI技术。新技术的应用效率远高于人力,因此未来企业会大量使用人机协同来提升竞争力。

image.png

事实上,从人工智能发展进度来看,人机协同也是在AI彻底替代人类工作之前必然要经历的阶段。人工智能的终极目标是让机器模拟人类的感知,能够像人类一样思考与决策。先不说最终能否实现这个目标,即便能实现,以现在的科技而言也需要相当长的时间。

但AI发展到现在这个节点,完全可以让很多的生产工具成为认知型工具,帮助企业高效运营。而社会生产力发展到现在确实也迎来了数字化技术的大爆发,对更高效的生产工具有着强烈需求。这种情况下,融合AI的各种智能增强工具与人类协同工作逐步成为主流。

正是因此,IDC所定义的人机协同价值也就表现在:技术与智能机器将重塑现有工作方式,将可自动化的工作交由机器完成,让人类能够更好地着手于创新性工作,从而使得企业不断优化资源配置。


综合因素影响下的人机协同系统三层架构

从人机交互的发展来看,在技术发展、生产经营、信息孤岛、流程桎梏、人力瓶颈等综合因素的影响之下,人机协同的模型架构也在向三层架构演变。同时,三层架构也代表着人机协作发展的三个阶段。

image.png

首先,需要一个能帮助人们工作的自动化工具,这是人机协同的基础。人力职员使用自动化工具进行工作,很多工作流程都可被自动化替代,工作效率提高。

这一点很好理解。从使用算盘到计算器再到电子计算机,这个进程中人们早已体验到了自动化任务处理的好处。而一些软件譬如微软office套件中的很多自动化功能,则能够帮助办公人员节省大量时间。初步的人机协同,仍旧需要人们进行大量业务操作。

其次,需要更多的先进技术融入自动化工具,让自动化工具实现智能运作,适应更多工作场景,进一步增效降本。软件自动化功能可以节省时间,但软件多了同样会耗费时间,甚至在多种软件之间转录数据,错误、不合规等操作还会成为员工的工作负担。同时,单纯的自动化工具也会受很多规则限制,无法在复杂的场景中使用。

怎么解决这个问题?就需要结合AI、大数据、云计算等更多技术,让自动化工具能够做在企业经营的业务流程中无所不在。

这一点,可以拿RPA举例。过去的RPA是单纯的自动化工具,只能应用于简单重复且基于规则的业务流程,对于一些非结构化数据的处理束手无策。但现在不一样了,AI技术让RPA冲破了这个束缚,可以应用于更多业务流程,再加上数据挖掘、智能认知等功能,RPA的应用场景从固定式变成了机动性,大量应用场景正在不断被发掘。

第三,具备亲和力,最好能够做到人人可用。对于人机协同系统而言,自动化工具更智能更完善不是重点,更重要的是这套系统能否轻松上手,能够将使用标准做到人人可用将是最大的成功。最好能够像使用手机等工具一样简单应用,对个人而言节省学习时间,对企业而言能够快速提高员工工作效率。

反之,如果你做出来的人机协同工具,功能和适用性等各方面领先,却需要为数不多的专业人员操作,肯定是难以大量推广的。单是专业人员费用这一项,就会让很多企业望而生畏。

所以,研发人机协同系统很重要,但研发出人人适用的人机协同系统更重要,足以关联协同厂商的未来发展。人机协同应该是一个“普惠”性的存在,应该是人人都能用的。

三层架构看人机协同系统RPA+AI

如今,在业务流程管理领域、数字化转型领域、人机协同领域,包括投资领域,RPA算的上是当红炸子鸡。RPA之所以被人机协同领域重视,不只是因为它在业务流程自动化领域的抢眼表现,更在于RPA与AI融合后的认知自动化,完全可以成为优秀的人机协同系统,它比AI+集成自动化等方式更加高效与便捷,并且投入更低。

image.png

结合上面所提的人机协同三层架构,从人机协同未来发展趋势、必然性与重要性而言,一款合格的RPA+AI人机协同系统,至少也应该做到以下三点:

第一,要具备易用性,需要触及更多的人群。简单的讲就是,任何人接触到RPA都能快速上手。

从技术上来看,简单编程甚至无需编程的低(无)代码,可以任意拖拽与组合的功能模块,所见即所得编辑模式,都是RPA+AI产品不可或缺的。同时,端到端、千人千面等能够提高用户体验的技术,也是加分项。

第二,更高的智能化程度,与AI技术融合及应用决定了RPA的认知能力,认知能力越强人机协同能力也就越强。这一点主要体现于RPA能否处理更多业务流程以及能否适用于更复杂的场景。

技术上,智能分析与数据挖掘是探索与发现业务流程的基础,OCR、NLP等技术则是非结构数据转化为结构数据的根本,机器学习则有助于RPA更多的了解用户行为,帮助企业建立更适合的流程优化方案。此外,能否快速将AI能力融入任意业务流程,也是考验RPA+AI的重要指标。

第三,较强的适配能力。一套基于RPA+AI的人机协系统,跨平台的能力决定了其能否应用于更多场景,同时这也是对RPA厂商技术能力的考验。

能够跨Windows与Linux两大系统平台,就意味着这套系统不但能够应用于工作前端,同时也能应用于后端服务运维。如果能应用于手机系统,就能为用户提供更多便利,无疑人机协同的能力也将大增。

结合王吉伟频道的以上分析,AI+RPA分论坛上云扩科技创始CEO刘春刚发布新产品时用的这个模型,大家感觉如何?

image.png

用一句话表达:产品有序演变与用户需求完善的生态路径,是非常贴合的。简单的讲就是,功能越来越多了,离用户越来越近了。

可以说,让RPA+AI实现人人可用是每个RPA厂商的夙愿,当然也只有协同厂商有此情怀,才能真正让人机协同助力中国数字化转型。

最有可能成为“普惠”人机协同系统

广泛意义上,人类使用工具达到提升效率之目的、做到改造社会意义即是人机协同。就如人类使用蒸汽机械实现规模量产,使用电力工具将规模量产做到成倍输出,现在则是与融合新型信息与通讯技术的数字化工具协同工作,再度实现倍数级的降本增效。

对于整个人类的数字化进程而言,绿色、环保、节约、共享、自动、智能、可控、安全、稳定的数字化社会才是最终的数字化目标。显然,要实现这个目标需要一个长远的进程,而人机协同也将是长期存在的社会分工与企业经营状态。

image.png

人机协同的本质是提高工作效率,确切的说是提高人力工作效率。从这个角度而言,打造人人可用、简单易用、质优价廉的人机协同系统是协同厂商的经营关键所在。

目前,人机协同正处于第一阶段向第二阶段的过渡时期。大部分企业正在进行数字化升级与转型,这个时期以智能自动化平台及工作为代表的数字化工具正在成为主流。

在目前已知的人机协同系统中,RPA被认为是最适合于“普惠”的人机协同系统,每个人都能够快速学习并应用这种工具。这里所谓“普惠”,是有机会做到真正的人人可用。

什么叫人人可用呢?譬如不会编程的笔者,仅用Uibot最简单的鼠标、键盘模仿,就做到了让PC自动去图库下载图片,还做到了将需要的资料自动转换成PDF。

在RPA做这些的同时,笔者在写这篇文章。这,即是人人可用也是最基础的人机协同。

相关实践学习
基于阿里云短信服务的防机器人验证
基于阿里云相关产品和服务实现一个手机验证码登录的功能,防止机器人批量注册,服务端采用阿里云ECS服务器,程序语言选用JAVA,服务器软件选用Tomcat,应用服务采用阿里云短信服务,
目录
相关文章
|
24天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
81 9
|
1月前
|
机器学习/深度学习 数据采集 人工智能
未来的守护神:AI驱动的网络安全之盾,如何用智慧的光芒驱散网络黑暗势力?揭秘高科技防御系统背后的惊天秘密!
【10月更文挑战第3天】随着网络技术的发展,网络安全问题日益严峻,传统防御手段已显不足。本文探讨了构建AI驱动的自适应网络安全防御系统的必要性及其关键环节:数据采集、行为分析、威胁识别、响应决策和执行。通过Python库(如scapy、scikit-learn和TensorFlow)的应用实例,展示了如何利用AI技术提升网络安全防护水平。这种系统能够实时监控、智能分析并自动化响应,显著提高防护效率与准确性,为数字世界提供更强大的安全保障。
61 2
|
1月前
|
人工智能 自然语言处理 机器人
对话阿里云 CIO 蒋林泉:AI 时代,企业如何做好智能化系统建设?
10 月 18 日, InfoQ《C 位面对面》栏目邀请到阿里云 CIO 及 aliyun.com 负责人蒋林泉(花名:雁杨),就 AI 时代企业 CIO 的角色转变、企业智能化转型路径、AI 落地实践与人才培养等主题展开了讨论。
807 67
对话阿里云 CIO 蒋林泉:AI 时代,企业如何做好智能化系统建设?
|
16天前
|
监控
SMoA: 基于稀疏混合架构的大语言模型协同优化框架
通过引入稀疏化和角色多样性,SMoA为大语言模型多代理系统的发展开辟了新的方向。
29 6
SMoA: 基于稀疏混合架构的大语言模型协同优化框架
|
2天前
|
机器学习/深度学习 人工智能 算法
【AI系统】AI芯片驱动智能革命
本课程深入解析AI模型设计演进,探讨AI算法如何影响AI芯片设计,涵盖CPU、GPU、FPGA、ASIC等主流AI芯片,旨在全面理解AI系统体系,适应后摩尔定律时代的技术挑战。
21 5
|
10天前
|
人工智能 Cloud Native 算法
|
1月前
|
存储 人工智能 自然语言处理
高级 RAG 技术:提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
高级 RAG 技术:提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
高级 RAG 技术:提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
|
21天前
|
机器学习/深度学习 人工智能 自然语言处理
医疗行业的语音识别技术解析:AI多模态能力平台的应用与架构
AI多模态能力平台通过语音识别技术,实现实时转录医患对话,自动生成结构化数据,提高医疗效率。平台具备强大的环境降噪、语音分离及自然语言处理能力,支持与医院系统无缝集成,广泛应用于门诊记录、多学科会诊和急诊场景,显著提升工作效率和数据准确性。
|
23天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗领域的革命:智能诊断系统的未来
在科技日新月异的今天,人工智能(AI)技术正逐渐渗透到我们生活的每一个角落,其中医疗领域尤为显著。本文将探讨AI在医疗诊断中的应用及其带来的变革,重点介绍智能诊断系统的发展现状与未来趋势。通过深入浅出的方式,我们将揭示AI如何改变传统医疗模式,提高诊断效率和准确性,最终造福广大患者。
|
2天前
|
机器学习/深度学习 存储 人工智能
【AI系统】计算之比特位宽
本文详细介绍了计算机中整数和浮点数的比特位宽概念及其在AI模型中的应用。通过对比特位宽的定义、整数与浮点数的表示方法、AI中常用的数据类型(如FP32、TF32、FP16、BF16、FP8和Int8)及其在模型训练和推理中的作用进行了阐述。特别关注了FP8数据类型在提高计算性能和减少内存占用方面的新进展,以及降低比特位宽对AI芯片性能的影响,强调了低比特位宽在AI领域的重要性。
15 0
下一篇
无影云桌面