來(lái)也科技CTO胡一川：RPA+AI落地，真的難嗎？
RPA（機(jī)器人流程自動(dòng)化）將原本需要人工重復(fù)執(zhí)行的軟件操作交給機(jī)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(dòng)企業(yè)數(shù)字化轉(zhuǎn)型的利器。
但是，傳統(tǒng)RPA只能實(shí)現(xiàn)基于規(guī)則的流程自動(dòng)化，應(yīng)用場(chǎng)景相對(duì)受限。借助AI之后，RPA機(jī)器人則能具備感知和認(rèn)知能力，將自動(dòng)化拓展到更復(fù)雜的業(yè)務(wù)流程，產(chǎn)生更大的價(jià)值。
不過(guò)，RPA+AI，這聽(tīng)起來(lái)十分美好，但在實(shí)際場(chǎng)景中又該如何落地？
本文會(huì)從技術(shù)角度對(duì)RPA和AI進(jìn)行分析，并結(jié)合來(lái)也科技在RPA+AI方面的實(shí)踐，談?wù)勅绾纹凭?，并?duì)未來(lái)進(jìn)行展望。
兩種軟件開(kāi)發(fā)范式
本質(zhì)上來(lái)講，RPA和AI屬于兩種截然不同的軟件開(kāi)發(fā)范式。
RPA是基于規(guī)則的軟件開(kāi)發(fā)范式，每一行代碼都對(duì)應(yīng)真實(shí)場(chǎng)景中的業(yè)務(wù)邏輯。因此，開(kāi)發(fā)RPA機(jī)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(xiě)代碼。
AI則是一種全新的軟件開(kāi)發(fā)范式。在這種范式下，開(kāi)發(fā)者不再需要用代碼去編寫(xiě)規(guī)則，而是用代碼編寫(xiě)機(jī)器學(xué)習(xí)模型，然后用數(shù)據(jù)來(lái)訓(xùn)練這個(gè)模型，最后軟件基于模型的輸出去完成特定的任務(wù)。
簡(jiǎn)單的說(shuō)，RPA開(kāi)發(fā)是給機(jī)器明確的指令每一步該做什么，AI開(kāi)發(fā)是教機(jī)器過(guò)去是怎么做的，讓機(jī)器去學(xué)習(xí)并舉一反三。
開(kāi)發(fā)范式的不同會(huì)帶來(lái)一系列的后果，這導(dǎo)致RPA+AI在實(shí)際落地中遇到巨大挑戰(zhàn)。
第一，RPA和AI對(duì)開(kāi)發(fā)人員的要求不同。RPA的特點(diǎn)是非侵入、低代碼，讓不懂編程的業(yè)務(wù)人員也能開(kāi)發(fā)流程。而AI模型的訓(xùn)練則有較高的門(mén)檻，通常需要專(zhuān)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(lèi)人才的稀缺，導(dǎo)致RPA+AI的落地變得很難。
第二，AI的開(kāi)發(fā)周期要比RPA長(zhǎng)。RPA強(qiáng)調(diào)的是快速落地、快速見(jiàn)效，而AI模型的訓(xùn)練要經(jīng)過(guò)數(shù)據(jù)獲取、數(shù)據(jù)標(biāo)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(xiàng)目的落地周期會(huì)大大加長(zhǎng)。
第三，AI的使用成本比RPA高。RPA是客戶(hù)端程序，只要計(jì)算機(jī)的軟硬件配置和系統(tǒng)環(huán)境滿(mǎn)足基本要求，即可運(yùn)行。AI基于深度神經(jīng)網(wǎng)絡(luò)，對(duì)計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等都要較高的要求，通常需要運(yùn)行在GPU服務(wù)器上，部署和運(yùn)維成本不小，這使得RPA+AI項(xiàng)目的前期投入大。
以上幾點(diǎn)，都導(dǎo)致RPA+AI在實(shí)際業(yè)務(wù)中的落地并沒(méi)有想象中的容易。
如何破局
不久前，來(lái)也科技發(fā)布了全新的RPA+AI平臺(tái)產(chǎn)品——UiBot Mage，這是專(zhuān)為RPA機(jī)器人打造的AI能力平臺(tái)，以拓寬RPA的使用邊界。
UiBot Mage上線(xiàn)后，將與UiBot家族原有的Creator（創(chuàng)造者）、Worker（勞動(dòng)者）、Commander（指揮官）三大模塊集結(jié)，分別為RPA機(jī)器人生產(chǎn)、執(zhí)行、分配、智能化提供相應(yīng)的工具和平臺(tái)。
提供開(kāi)箱即用的AI能力
既然AI模型依賴(lài)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(gè)方案的前提是，我們要知道RPA需要什么樣的AI能力。
為此，來(lái)也科技深入分析了幾十個(gè)業(yè)務(wù)場(chǎng)景中的幾百個(gè)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(duì)各種非結(jié)構(gòu)化數(shù)據(jù)的處理。在這些場(chǎng)景中，RPA可以利用文字識(shí)別、文本理解等AI能力將非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行結(jié)構(gòu)化。
文字識(shí)別即我們常說(shuō)的OCR，它可以應(yīng)用于文檔識(shí)別、表格識(shí)別、票據(jù)識(shí)別、卡證識(shí)別等垂直場(chǎng)景。UiBot Mage針對(duì)每個(gè)場(chǎng)景提供若干個(gè)開(kāi)箱即用的模型。例如，票據(jù)識(shí)別場(chǎng)景下開(kāi)箱即用的模型覆蓋了增值稅專(zhuān)用發(fā)票、增值稅普通發(fā)票、行程單、火車(chē)票等20多種票據(jù)類(lèi)型，在卡證識(shí)別場(chǎng)景則包括了銀行卡、身份證、護(hù)照、營(yíng)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(kāi)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(jiàn)的實(shí)體抽取，包括企業(yè)名稱(chēng)、日期、時(shí)間、金額、地址、電話(huà)等，能夠應(yīng)對(duì)大多數(shù)業(yè)務(wù)中的信息抽取需求。
以上AI能力的開(kāi)箱即用還體現(xiàn)在與Creator的無(wú)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(kāi)發(fā)者只需通過(guò)拖拽和簡(jiǎn)單設(shè)置就可在RPA流程中使用AI能力。這樣，沒(méi)有任何AI經(jīng)驗(yàn)的RPA工程師甚至業(yè)務(wù)人員，都可以享受到AI給RPA帶來(lái)的價(jià)值。
通過(guò)提供開(kāi)箱即用的AI能力，UiBot Mage可覆蓋到RPA中常見(jiàn)的需要AI能力的場(chǎng)景。但是，對(duì)于長(zhǎng)尾的、非標(biāo)準(zhǔn)化的場(chǎng)景，開(kāi)箱即用的模型無(wú)法滿(mǎn)足用戶(hù)的需求，因此我們需要有新的解決方案。
通過(guò)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(gè)基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型，然后針對(duì)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(gè)模型（此過(guò)程被稱(chēng)為Fine-tune），其效果在幾乎所有NLP任務(wù)上都明顯優(yōu)于當(dāng)時(shí)最好的模型。
這個(gè)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(jī)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(wú)關(guān)的數(shù)據(jù)（大數(shù)據(jù)）事先訓(xùn)練好一個(gè)模型，等到要解決特定任務(wù)時(shí)，只需要用少量任務(wù)相關(guān)的數(shù)據(jù)（小數(shù)據(jù)）對(duì)模型進(jìn)行微調(diào)，即可達(dá)到理想的效果。這種方法對(duì)訓(xùn)練數(shù)據(jù)量的要求更少，數(shù)據(jù)標(biāo)注成本更低，訓(xùn)練時(shí)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(méi)有預(yù)訓(xùn)練的模型效果要好。
回到RPA+AI場(chǎng)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(duì)不同類(lèi)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(cè)和字符識(shí)別兩部分。因此，我們可以通過(guò)大量數(shù)據(jù)預(yù)訓(xùn)練得到檢測(cè)和識(shí)別的基礎(chǔ)模型，然后在特定任務(wù)上進(jìn)行Fine-tune，這樣便能在保障模型效果的前提下，大大減少對(duì)訓(xùn)練數(shù)據(jù)的要求，并降低了模型的訓(xùn)練成本。
對(duì)于NLP任務(wù)，預(yù)訓(xùn)練同樣能給我們帶來(lái)明顯的收益。前面提到的BERT，屬于預(yù)訓(xùn)練的語(yǔ)言模型，除此之外，我們還可以對(duì)詞的表示、句子的表示、篇章的表示等模型進(jìn)行預(yù)訓(xùn)練。
未來(lái)展望
UiBot Mage通過(guò)提供開(kāi)箱即用的模型、預(yù)訓(xùn)練等手段來(lái)加速RPA+AI的落地，但RPA+AI今天仍然在發(fā)展早期，未來(lái)還有很長(zhǎng)的路要走。對(duì)于RPA+AI的未來(lái)發(fā)展，以下幾個(gè)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(duì)于硬件有較高的要求，其部署過(guò)程也比RPA要復(fù)雜很多，這無(wú)疑增加了RPA+AI的落地門(mén)檻。未來(lái)，軟硬件一體的RPA+AI產(chǎn)品或許能夠有效解決這一問(wèn)題，用戶(hù)不用擔(dān)心硬件的選型、部署和維護(hù)，讓RPA+AI真正做到“開(kāi)箱即用”。
此外，邊緣計(jì)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(hù)端。由于RPA是運(yùn)行在客戶(hù)端的軟件，相比基于服務(wù)端的RPA+AI方案，基于邊緣計(jì)算的RPA+AI方案在架構(gòu)上更加簡(jiǎn)單、靈活，其成本也將大幅下降。邊緣計(jì)算的RPA+AI方案將讓我們真正實(shí)現(xiàn)“人人都有一個(gè)機(jī)器人”。
最后，一個(gè)好的AI系統(tǒng)需要“活”的數(shù)據(jù)來(lái)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(shí)現(xiàn)人機(jī)協(xié)同，形成數(shù)據(jù)閉環(huán)，是一個(gè)未來(lái)值得研究的重要課題。
— 完 —
