RPA具有自我学习能力的自动化流程

自我学习能力能够把RPA一步带入AI领域。原理上，自我学习系统具有按照自己运行过程中的经验改进控制算法的能力，是自适应系统的延伸和发展。虽然各个厂家也宣称其RPA产品具有自我学习能力，但其实谈到的都是RPA的录制功能，而录制只能算是一种复制式的学习过程。截至目前，市场上尚没有出现能够生成和分配RPA流程的自我学习引擎，但这并不妨碍各个厂商在自我学习这条路上的探索。
理想中的具备自我学习能力的RPA机器人应该是如何工作的？
RPA机器人通过观察工作中的人来学习，通过不断重复分析用户操作流程，调整或更正自动化处理流程。通过NLP、ML、知识表示、推理、大规模并行计算和快速域适应（Rapid Domain Adaptation）等技术，RPA机器人会自动提取决策所需的数据，并不断从用户的反馈中学习。创建一个RPA的自我学习机器人，需要使用机器学习或深度学习算法来处理传入的数据，然后对数据进行分析和处理。总之，一个理想的RPA自我学习引擎应该具备以下能力。
·可以利用机器人来记录人工处理过程，以及执行流程。
·可以分析业务流程并优化，甚至学会自动执行。
·在业务流程中识别可复用的对象和处理任务，并保存在集中控制的存储库中。
·可以创建业务流程程序库，能够引用可复用的对象或处理任务。
·可以自动确定优先级并将相应的流程分配给数字化员工。
·当某个用户的使用界面变更时，可以警告相关的机器人，并提出解决方案（或自动解决问题）等。
当然，RPA做到完全自我学习是非常难的，也许根本就不能够实现，但是做到部分自我学习还是有可能的。接下来介绍RPA实现自我学习的4种思路。
6.4.1　基于自定义方式的自我学习RPA
第一种是基于自定义方式来实现自我学习RPA的解决思路。
机器人接收到非结构化数据（例如，图像和自然语言），并尝试使用从之前自动化处理过程中获得的知识，对新的自动化任务进行适当处理。这其中需要解决的问题包括：从非结构化数据中如何提取自动化任务所需的数据；如何调整自动化处理比例；如何基于非规则化的方法对自动化任务做决策。解决方案是首先使用AI技术识别非结构化数据并转换为结构化数据，然后根据信任度分数对识别结果进行分类，并手工处理AI技术无法自动处理的输入数据，如图6-2所示。通过自我学习模型可从处理结果中学习到新的知识，以便提升下次识别处理的准确度。
日本的日立公司正在研究这种具备自我学习能力的RPA技术，以实现传统上需要人工识别或判断的一些处理任务。从2018年开始银行账户文件自动化检查已经实现。日立公司也计划在未来几年扩大自我学习RPA技术的应用范围。Automation Anywhere的IQBot是一款可以模仿人类用户行为的自动化处理软件，它是将机器学习、推理、自然语言处理、语音、视觉相结合的一个认知自动化平台。