作者｜胡一川 來也科技CTO

RPA（機器人流程自動化）將原本需要人工重復(fù)執(zhí)行的軟件操作交給機器人執(zhí)行，能夠極大地幫助企業(yè)降低成本、提升效率，成為推動企業(yè)數(shù)字化轉(zhuǎn)型的利器。

但是，傳統(tǒng)RPA只能實現(xiàn)基于規(guī)則的流程自動化，應(yīng)用場景相對受限。借助AI之后，RPA機器人則能具備感知和認知能力，將自動化拓展到更復(fù)雜的業(yè)務(wù)流程，產(chǎn)生更大的價值。

不過，RPA AI，這聽起來十分美好，但在實際場景中又該如何落地？

本文會從技術(shù)角度對RPA和AI進行分析，并結(jié)合來也科技在RPA AI方面的實踐，談?wù)勅绾纹凭?，并對未來進行展望。

兩種軟件開發(fā)范式

本質(zhì)上來講，RPA和AI屬于兩種截然不同的軟件開發(fā)范式。

RPA是基于規(guī)則的軟件開發(fā)范式，每一行代碼都對應(yīng)真實場景中的業(yè)務(wù)邏輯。因此，開發(fā)RPA機器人前，首先要梳理清楚業(yè)務(wù)流程，然后根據(jù)業(yè)務(wù)流程去編寫代碼。

AI則是一種全新的軟件開發(fā)范式。在這種范式下，開發(fā)者不再需要用代碼去編寫規(guī)則，而是用代碼編寫機器學(xué)習(xí)模型，然后用數(shù)據(jù)來訓(xùn)練這個模型，最后軟件基于模型的輸出去完成特定的任務(wù)。

簡單的說，RPA開發(fā)是給機器明確的指令每一步該做什么，AI開發(fā)是教機器過去是怎么做的，讓機器去學(xué)習(xí)并舉一反三。

RPA和AI屬于兩種不同的軟件開發(fā)范式（左圖：RPA流程的源代碼視圖；右圖：AI訓(xùn)練神經(jīng)網(wǎng)絡(luò)參數(shù)）

開發(fā)范式的不同會帶來一系列的后果，這導(dǎo)致RPA AI在實際落地中遇到巨大挑戰(zhàn)。

第一，RPA和AI對開發(fā)人員的要求不同。RPA的特點是非侵入、低代碼，讓不懂編程的業(yè)務(wù)人員也能開發(fā)流程。而AI模型的訓(xùn)練則有較高的門檻，通常需要專業(yè)的數(shù)據(jù)科學(xué)家或算法工程師才能完成。由于這類人才的稀缺，導(dǎo)致RPA AI的落地變得很難。

第二，AI的開發(fā)周期要比RPA長。RPA強調(diào)的是快速落地、快速見效，而AI模型的訓(xùn)練要經(jīng)過數(shù)據(jù)獲取、數(shù)據(jù)標注、模型訓(xùn)練、模型部署、模型持續(xù)優(yōu)化等流程。這意味著RPA AI項目的落地周期會大大加長。

第三，AI的使用成本比RPA高。RPA是客戶端程序，只要計算機的軟硬件配置和系統(tǒng)環(huán)境滿足基本要求，即可運行。AI基于深度神經(jīng)網(wǎng)絡(luò)，對計算、存儲、網(wǎng)絡(luò)等都要較高的要求，通常需要運行在GPU服務(wù)器上，部署和運維成本不小，這使得RPA AI項目的前期投入大。

以上幾點，都導(dǎo)致RPA AI在實際業(yè)務(wù)中的落地并沒有想象中的容易。

如何破局

不久前，來也科技發(fā)布了全新的RPA AI平臺產(chǎn)品——UiBot Mage，這是專為RPA機器人打造的AI能力平臺，以拓寬RPA的使用邊界。

UiBot Mage上線后，將與UiBot家族原有的Creator（創(chuàng)造者）、Worker（勞動者）、Commander（指揮官）三大模塊集結(jié)，分別為RPA機器人生產(chǎn)、執(zhí)行、分配、智能化提供相應(yīng)的工具和平臺。

提供開箱即用的AI能力

既然AI模型依賴數(shù)據(jù)和訓(xùn)練，第一種破局的思路就是提前把模型訓(xùn)練好供RPA使用。這個方案的前提是，我們要知道RPA需要什么樣的AI能力。

為此，來也科技深入分析了幾十個業(yè)務(wù)場景中的幾百個業(yè)務(wù)流程，從中梳理出RPA最需要的AI能力。我們發(fā)現(xiàn)，在RPA流程中，最能夠用到AI能力的地方，是對各種非結(jié)構(gòu)化數(shù)據(jù)的處理。在這些場景中，RPA可以利用文字識別、文本理解等AI能力將非結(jié)構(gòu)化數(shù)據(jù)進行結(jié)構(gòu)化。

文字識別即我們常說的OCR，它可以應(yīng)用于文檔識別、表格識別、票據(jù)識別、卡證識別等垂直場景。UiBot Mage針對每個場景提供若干個開箱即用的模型。例如，票據(jù)識別場景下開箱即用的模型覆蓋了增值稅專用發(fā)票、增值稅普通發(fā)票、行程單、火車票等20多種票據(jù)類型，在卡證識別場景則包括了銀行卡、身份證、護照、營業(yè)執(zhí)照等20多種模型。

此外，UiBot Mage在文本理解方面也提供一系列開箱即用的模型。以信息抽取為例，我們提供的模型支持幾十種常見的實體抽取，包括企業(yè)名稱、日期、時間、金額、地址、電話等，能夠應(yīng)對大多數(shù)業(yè)務(wù)中的信息抽取需求。

以上AI能力的開箱即用還體現(xiàn)在與Creator的無縫集成上。所有AI能力都以自定義命令的形式存在于Creator中，開發(fā)者只需通過拖拽和簡單設(shè)置就可在RPA流程中使用AI能力。這樣，沒有任何AI經(jīng)驗的RPA工程師甚至業(yè)務(wù)人員，都可以享受到AI給RPA帶來的價值。

通過提供開箱即用的AI能力，UiBot Mage可覆蓋到RPA中常見的需要AI能力的場景。但是，對于長尾的、非標準化的場景，開箱即用的模型無法滿足用戶的需求，因此我們需要有新的解決方案。

通過預(yù)訓(xùn)練降低訓(xùn)練成本

2018年底，Google推出BERT，其核心原理是，用海量數(shù)據(jù)預(yù)先訓(xùn)練一個基于深度神經(jīng)網(wǎng)絡(luò)的語言模型，然后針對特定NLP任務(wù)在原網(wǎng)絡(luò)的基礎(chǔ)上再次訓(xùn)練得到一個模型（這個過程叫做Fine-tune），其效果在幾乎所有NLP任務(wù)上都明顯優(yōu)于當時最好的模型。

這個方法叫做預(yù)訓(xùn)練（Pre-training），它給我們的最大啟示在于不同的機器學(xué)習(xí)任務(wù)其底層有相通之處，我們可以用大量任務(wù)無關(guān)的數(shù)據(jù)（大數(shù)據(jù)）事先訓(xùn)練好一個模型，等到要解決特定任務(wù)時，只需要用少量任務(wù)相關(guān)的數(shù)據(jù)（小數(shù)據(jù)）對模型進行微調(diào)，即可達到理想的效果。這種方法對訓(xùn)練數(shù)據(jù)量的要求更少，數(shù)據(jù)標注成本更低，訓(xùn)練時間也更快，最為關(guān)鍵的是，在預(yù)訓(xùn)練基礎(chǔ)上訓(xùn)練的模型比沒有預(yù)訓(xùn)練的模型效果要好。

回到RPA AI場景，前面提到的OCR任務(wù)雖然使用不同的模型，其底層確有相通之處。比如，雖然針對不同類型文檔有不同的OCR模型，但我們都可以將其拆分為其字符檢測和字符識別兩部分。因此，我們可以通過大量數(shù)據(jù)預(yù)訓(xùn)練得到檢測和識別的基礎(chǔ)模型，然后在特定任務(wù)上進行Fine-tune，這樣便能在保障模型效果的前提下，大大減少對訓(xùn)練數(shù)據(jù)的要求，并降低了模型的訓(xùn)練成本。

對于NLP任務(wù)，預(yù)訓(xùn)練同樣能給我們帶來明顯的收益。前面提到的BERT，屬于預(yù)訓(xùn)練的語言模型，除此之外，我們還可以對詞的表示、句子的表示、篇章的表示等模型進行預(yù)訓(xùn)練。

未來展望

UiBot Mage通過提供開箱即用的模型、預(yù)訓(xùn)練等手段來加速RPA AI的落地，但RPA AI今天仍然在發(fā)展早期，未來還有很長的路要走。對于RPA AI的未來發(fā)展，以下幾個方向值得我們持續(xù)關(guān)注和不斷創(chuàng)新。

前面提到，基于深度學(xué)習(xí)的AI模型對于硬件有較高的要求，其部署過程也比RPA要復(fù)雜很多，這無疑增加了RPA AI的落地門檻。未來，軟硬件一體的RPA AI產(chǎn)品或許能夠有效解決這一問題，用戶不用擔(dān)心硬件的選型、部署和維護，讓RPA AI真正做到“開箱即用”。

此外，邊緣計算能力的提升和普及，使得AI的推理可以從服務(wù)端轉(zhuǎn)移到客戶端。由于RPA是運行在客戶端的軟件，相比基于服務(wù)端的RPA AI方案，基于邊緣計算的RPA AI方案在架構(gòu)上更加簡單、靈活，其成本也將大幅下降。邊緣計算的RPA AI方案將讓我們真正實現(xiàn)“人人都有一個機器人”。

最后，一個好的AI系統(tǒng)需要“活”的數(shù)據(jù)來持續(xù)更新模型適應(yīng)環(huán)境變化。因此，在RPA AI中如何高效的實現(xiàn)人機協(xié)同，形成數(shù)據(jù)閉環(huán)，是一個未來值得研究的重要課題。