RPA, AI, ML: в чем разница?
Программный робот, имитирующий действия человека, называется RPA. Машина, имитирующая человеческий интеллект, — это ИИ. Два конца пути IA (Intelligent Automation): переход от действия к мышлению с возрастающей сложностью.
Человеческое происхождение механизированного интеллекта
Поначалу люди охотились в джунглях, чтобы утолить голод — благодаря осознанию ими способности видеть (глазами), слушать (уши) и ощущать (осознанно осознавать окружающую среду). По мере того, как люди могли видеть, принимать решения и действовать, самые умные механизированные виды, когда-либо созданные Матерью-природой, начали развивать интеллект и способности к обучению. Непрерывная импровизация и итерация пригодились людям. Их дальнейшее взаимодействие с внешней средой сформировало их эволюционную способность к последовательному анализу для принятия более разумных решений с помощью обучающегося мозга.
Искусственный интеллект, машинное обучение и RPA: путь к интеллектуальному обучению
Точно так же, как люди действуют синхронно со своими основными чувствами (разум) и телом (процедурный аппарат), современная робототехника также обладает идентичными (хотя и технологическими) возможностями автоматизации. Появление Robotic Process Automation (RPA) или метафорической программной робототехники (боты — не программное обеспечение для роботов) привело к развитию технологии автоматизации деловых (секретарских) процессов. Основанный на искусственном интеллекте (ИИ или машинный интеллект), RPA, по сути, представляет собой цифровую рабочую силу роботов, которые имитируют различные действия человека, инициированные пользователем, для выполнения бизнес-процесса. Однако следует строго отметить, что RPA — это не ИИ, и что они не взаимозаменяемы, а сильно дополняют друг друга. В случае RPA ИИ выступает в роли интеллектуального датчика, тогда как сам RPA является исполняющим процедурным аппаратом. Существуют важные различия между RPA и AI. Чтобы поднять роботизированный потенциал на новый уровень, также используются возможности машинного обучения (ML).
Изучение ключевых вариантов искусственного интеллекта, машинного обучения и RPA с помощью определений
Чтобы четко представить наше обучение в перспективе, давайте по отдельности определим RPA, AI и ML, чтобы также понять их существенные различия в процессе:
Роботизированная автоматизация процессов — это новая практика применения технологий, упрощающая выполнение корпоративных операций при минимальных затратах. Управляемый логикой и входными данными, RPA автоматизирует бизнес-процессы. Инструменты RPA позволяют компаниям роботизированно настраивать компьютерное программное обеспечение и интерпретировать приложения. Это позволяет компаниям инициировать обработку транзакций, манипулирование данными, запуск ответов и связь с цифровыми системами. Системы RPA составляют список действий, наблюдая, как пользователь выполняет определенную задачу в графическом пользовательском интерфейсе (GUI), а затем выполняет ее (в автоматическом режиме) путем повторения задачи. Решения RPA обычно используют алгоритмы и основаны на правилах, требующих оцифрованных и структурированных входных данных для автоматизации задач.
Искусственный интеллект представляет собой очевидную интеллектуальную способность машин имитировать (с помощью методов машинного обучения) естественный интеллект (восприятие) способности (или менталитет) людей. ИИ способен распознавать изображения и решать проблемы. Информационное определение ИИ определяет его как изучение «интеллектуальных агентов — любое устройство, которое идентифицирует свое окружение и предпринимает действия, которые увеличивают его вероятность успеха в достижении своих целей, является ИИ». ИИ имитирует когнитивные функции, связанные с человеческим разумом, например обучение. Теорема Теслера утверждает, что ИИ — это то, что еще не сделано.
ИИ — это не технология рутинных задач, в отличие от RPA. В исследовании Хаугеланда, 1985 г., изучение ИИ определяется как «захватывающая новая попытка заставить компьютеры думать… машины с разумом в полном и буквальном смысле». Его уточненное определение дано Андреасом Капланом и Майкл Хенлейн объясняет ИИ как «способность системы правильно интерпретировать внешние данные, учиться на таких данных и использовать эти знания для достижения конкретных целей и задач посредством гибкой адаптации». ИИ (как механический компьютер) получает однозначные инструкции от набора алгоритмов (конечная последовательность четко определенных, реализуемых компьютером инструкций, которые решают проблемы или выполняют вычисления).
Том Митчелл дает популярное определение машинного обучения, которое дает Том Митчелл: некоторая мера производительности P, если ее производительность по T, измеряемая P, улучшается с опытом E». Другими словами, машинное обучение — это наука об анализе данных, которая заставляет компьютерные алгоритмы (с учителем, без учителя, с частичным наблюдением и с подкреплением) действовать посредством автоматизированного построения аналитической модели. Эти алгоритмы автоматически совершенствуются, учась на собственном опыте — без необходимости программирования. Проще говоря, в машинном обучении компьютерную систему учат точно прогнозировать с помощью данных. Компьютерные программы получают доступ к сложным данным и используют их для обнаружения (распознавания) базовых закономерностей и обучения (принятия решений). При этом машины обучаются учиться, выступая в роли инструментов, преобразующих информацию в знания. По сути, цель ML состоит в том, чтобы понять структуру данных для подгонки под нее теоретических распределений, которые в значительной степени понятны. ML использует итеративный подход для изучения данных, что упрощает автоматизацию.
IEEE SA (Стандарт IEEE 2755) определяет RPA как:
«предварительно сконфигурированный экземпляр программного обеспечения, который использует бизнес-правила и предопределенную хореографию действий для завершения автономного выполнения комбинации процессов, действий, транзакций и задач в одной или нескольких несвязанных программных системах для предоставления результата или услуги с управлением исключениями человеком. ».
IEEE SA (Стандарт IEEE 2755) определяет ИИ как:
ИИ — это «сочетание когнитивной автоматизации, машинного обучения (МО), рассуждений, генерации и анализа гипотез, обработки естественного языка и преднамеренной модификации алгоритма, обеспечивающей понимание и аналитику на уровне человеческих возможностей или выше».
Вышеизложенное ясно показывает тонкие грани различий между AI, ML и RPA. Понятно, что в то время как RPA управляется процессами, AI (дедуктивная аналитика) и ML (предписывающая аналитика и механизмы принятия решений) управляются данными. В то время как RPA «делает», AI и ML соответственно «думают» и «изучают». Хотя RPA требует однозначного программирования, AI разумно декодирует — в то время как машинное обучение действует как особая научная дисциплина (подразделение) ИИ, призванная способствовать интеллектуальному обучению на основе опыта. ИИ — это, по сути, технология, которая поддерживает машинное обучение, RPA и обработку естественного обучения (NLP). ИИ накапливает, управляет и понимает неструктурированные данные.
Искусственный интеллект, машинное обучение и RPA: суть различий
Давайте кратко суммируем рассмотренные выше основные различия в AI, ML и RPA для удобства:
· Заметное различие между RPA, AI и ML заключается в «объеме». Сроки внедрения RPA в качестве настольного решения короткие. Он может мгновенно работать независимо от поддерживающих базовых процессов. Решения ИИ обычно требуют более высокой степени интеграции для облегчения когнитивных или человеческих решений.
· RPA имитирует действия человека. ИИ имитирует человеческий интеллект с помощью машин.
· В то время как RPA может принести значительную «ценность», искусственный интеллект может создать огромную ценность.
· В то время как RPA требует постоянного обучения, ML предлагает (адаптивные) решения, основанные на обучении.
· Рабочий процесс RPA может включать в себя искусственный интеллект, например, распознавание изображений или анализ текста.
· RPA – это основанная на правилах автоматизация, которая имитирует повторяющиеся по своей природе действия человека.
· RPA помогает устранить существующие недостатки системы. ИИ преобразует эти недостатки в соответствующий результат.
· RPA облегчает человеческое взаимодействие на основе чата, которое зависит от ключевых слов.
· ИИ включает прогнозную аналитику, речь, видео, изображения и распознавание эмоций. Он также включает в себя автономные вычисления, глубокое обучение и машинное обучение.
· RPA является детерминированным. ИИ является вероятностным, но также имеет детерминированные средства защиты.
· ИИ дополняет автоматизацию. RPA дополняет людей автоматизацией процессов.
· ИИ использует машинное обучение и RPA как отдельные процессы.
· ИИ — это наука о том, как заставить машины действовать.
· ИИ развивается с опытом и оттачивает исполнение. Обучение, рассуждение и исправление.
· ML (применение ИИ для распознавания тенденций) связано с принятием решений посредством обучения путем распознавания образов в массивных наборах данных с помощью алгоритмов.
· Машинное обучение может просматривать и интерпретировать данные, чтобы затем действовать в соответствии с этим набором информации.
Совместный путь вперед для ИИ, машинного обучения и RPA
В последнее время RPA добилась многообещающих успехов в стирании различий с ИИ. При ассимиляции ИИ с RPA процесс автоматизации становится быстрее, и становится возможным континуум автоматизации. По словам Дейва Костенаро (руководитель исследований и разработок AI, Jane.ai), учитывая прогресс, который сейчас происходит в облачных API и общих форматах данных, различные типы сервисов теперь могут взаимодействовать друг с другом в автоматизированных рабочих процессах, отчитывается The Enterprisers Project. Эта разработка технологии RPA готова сделать ее интеллектуальной в будущем — общение облегчает (растущие) возможности обучения (видение и учебные задачи). По словам Кашифа Махбуба (вице-президент по маркетингу продуктов, Automation Anywhere), после конвергенции с искусственным интеллектом предприятия могут увеличить полезный рост автоматизации в сложных процессах с помощью возможностей прогнозного моделирования.
Подводя итог рассуждениям, можно привести следующую иллюстрацию. Рассмотрим чат-бота с искусственным интеллектом, взаимодействующего с клиентом, а не с агентом колл-центра. В то же время (адаптируемый) механизм предложений на основе ML ищет оптимальные совпадения, способные удовлетворить потребности клиентов (при этом автономно улучшая свою собственную производительность). В то же время простой инструмент ресурсов RPA занят обновлением (выполнением действий в зависимости от его конфигурации) в профиле клиента для использования в будущем. То, что начинается на уровне RPA для организаций, затем выходит за рамки ИИ для достижения конечной цели автоматизации на основе машинного обучения. Достаточно отметить, что ИИ и RPA — это параллельные технологии, имеющие разные цели и интерфейсы.
