单击此处阅读英语博客

AI 与 IA 的对比:它们之间有何区别?

写的 James Dening 通过自动化为世界带来改变 上 June 12, 2019
James Dening


 

人工智能 (AI) 一直以来都是一个热门话题。一些真正具有变革性的事务正在使用人工智能这柄大锤来解决许多领域中的一些非常重大而复杂的问题,这些领域包括健康、制造、博弈论、天气预报和经济学,等等。

自动化(包括硬件和软件方面)已经存在了很长一段时间。但是,在这第四次工业革命中,软件自动化当之无愧地成为了聚光灯下的焦点。遍布全球各个行业的公司正在使用机器人流程自动化 (RPA) 在其前台和后台办公室内自动执行基于规则、以流程驱动且易于定义的任务。

想象一名应付账款 (AP) 文员每天走进他的办公室,打开他的电子邮件,打开发送给他的电子表格,然后将这些数据复制到 ERP 系统中。这些事情可以很容易地通过自动化来完成,而在财务、采购、人力资源、运营、物流等方面还可以找到无数其他的例子。

但是真正让人感兴趣的是人工智能与自动化的交汇—智能自动化 (IA)。这种组合在机器学习 (ML) 技术、计算能力和更先进认知引擎的推动下,开始应用于广泛的业务问题。语音识别、自然语言处理、文档分析和分类—这些都是现实世界的日常应用。 

让我们以文档为例。许多公司仍在处理数以百万计的 PDF 文档。这些文档可能是发票、采购订单或其他任何东西。如果您是一家大型制造商,您可能拥有数万家供应商,而每家供应商都有自己独有的发票样式。对于基于规则的系统而言,这种半结构化的数据是很难处理的。但是当您将人工智能应用于其中时,您就可以处理这些非结构化的数据,同时不断地学习它。光学字符识别 (OCR) 引擎很难在识别多个供应商的典型发票数据集的过程中达到超过 50% 至 60% 的准确率,而像 Automation Anywhere 的 IQ Bot 这样的 AI 驱动型系统则可以同时采用有监督和无监督学习,从而获得超过 90% 至 95% 的准确率。它处理的数据越多,它就会变得越好。

Dark data

在估计一家公司的数据有多少是半结构化或无结构的“暗数据”时可能会出现很大的出入,但 60% 至 70% 左右的比例并不罕见。它就像是冰山一角,其主体部分还隐藏在水面之下。请想一下在电子邮件、语音消息、文档、PDF 等内容中潜藏的大量数据。将其与 Excel 电子表格中相对较小的数据量进行比较。凭借数据库和 CRM/ERP 系统,各企业正在捕获越来越多的数据,而这其中的大部分数据依旧是非结构化的。每个企业今后面临的最大数据问题是规模问题。显而易见的解决方案必然是自动化,它既能处理结构化数据,亦可处理非结构化数据。

那么我们该如何解决其中一些现实世界的业务问题呢?这么说吧,人工智能光靠其本身还是远远不够的;这柄大锤在解决重大问题方面具有非常出色的表现,但对于我们每天需要处理的数字核桃却不是那么的好用:“这个 PDF 是不是一张发票呢,如果是,它的价值有多少?”

将人工智能与自动化结合起来,您会得到一些非常不一样的东西。智能自动化可以让您大规模地处理结构化数据这种低垂的果实,同时亦可处理悬于更高处的果实,也就是我们在处理非结构化时日常面临的问题。

软件自动化—第四次工业革命—对于任何主要企业来说都是一次具有变革性意义的战略机遇。规模即是一切。而这只能通过自动化和人工智能的结合运用(也就是所谓的 IA)才能真正加以解决。