关于机器人:普渡科技完成近亿元-B-轮融资红杉资本中国基金领投加速拓展机器人业务

SegmentFault 8 月 19 日音讯,明天,配送机器人企业普渡科技发表实现了近亿元的 B+ 轮融资。本轮融资由红杉资本中国基金领投,美团、长盈鑫投资、启创资本、程铂瀚基金等跟投。 往年 7 月 1 日,普渡科技刚刚实现了由美团独家投资的过亿元 B 轮融资,本轮融资是两个月内普渡科技实现的第二轮融资。 普渡科技 CEO 示意,此轮融资的资金将次要用于餐饮机器人业务市场的扩张、其余场景和利用的机器人业务拓展。 红杉资本中国基金合伙人郭山汕说:“机器人是一种新的劳动力状态,也是咱们继续关注的重点方向。普渡科技在服务机器人畛域有深厚的积攒,率先发力于餐饮行业,并已开始向其余更丰盛的利用场景扩大。客户对这种新劳动力的需要在一直增长,置信很快服务机器人将成为很多行业的标配。” 餐饮畛域是国内服务机器人落地较好较快的场景之一,曾经有了比较完善的运行体系。普渡科技是配送机器人畛域的代表企业之一,其产品已在寰球 20 多个国家落地。 在人工智能和机器人技术一直倒退的大背景下,服务机器人在各行各业的落地将越来越多。

August 19, 2020 · 1 min · jiezi

关于机器人:普渡科技完成近亿元-B-轮融资红杉资本中国基金领投加速拓展机器人业务

SegmentFault 8 月 19 日音讯,明天,配送机器人企业普渡科技发表实现了近亿元的 B+ 轮融资。本轮融资由红杉资本中国基金领投,美团、长盈鑫投资、启创资本、程铂瀚基金等跟投。 往年 7 月 1 日,普渡科技刚刚实现了由美团独家投资的过亿元 B 轮融资,本轮融资是两个月内普渡科技实现的第二轮融资。 普渡科技 CEO 示意,此轮融资的资金将次要用于餐饮机器人业务市场的扩张、其余场景和利用的机器人业务拓展。 红杉资本中国基金合伙人郭山汕说:“机器人是一种新的劳动力状态,也是咱们继续关注的重点方向。普渡科技在服务机器人畛域有深厚的积攒,率先发力于餐饮行业,并已开始向其余更丰盛的利用场景扩大。客户对这种新劳动力的需要在一直增长,置信很快服务机器人将成为很多行业的标配。” 餐饮畛域是国内服务机器人落地较好较快的场景之一,曾经有了比较完善的运行体系。普渡科技是配送机器人畛域的代表企业之一,其产品已在寰球 20 多个国家落地。 在人工智能和机器人技术一直倒退的大背景下,服务机器人在各行各业的落地将越来越多。

August 19, 2020 · 1 min · jiezi

关于机器人:ROS-八叉树地图构建-给-octomapserver-增加半径滤波器

为了在每帧点云中滤除噪声点,抉择了半径滤波器,也用高斯滤波器测试过,然而没有半径成果好,这里记录下在 octomap_server 中减少半径滤波器的步骤,并在 launch 中配置滤波器参数。 一、半径滤波器基本原理放一张汇报用的 PPT 截图: 原理很简略就是判断一个点云四周(半径 R)有没有足够多(K)的街坊点,如果没有就删除这个点,否则就保留。 二、根本用法我个别学习技术喜爱到官网看最原始的教程:Removing outliers using a Conditional or RadiusOutlier removal,这个教程介绍了半径滤波器(我不分明中文名到底叫什么滤波器)的根本用法: #include <pcl/point_types.h>#include <pcl/filters/radius_outlier_removal.h>// 输出待滤波的原始点云指针pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);// 保留滤波后的点云指针pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered (new pcl::PointCloud<pcl::PointXYZ>);// 创立滤波器对象pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;// 设置要滤波的点云outrem.setInputCloud(cloud);// 设置滤波半径outrem.setRadiusSearch(0.8);// 设置滤波起码近邻数outrem.setMinNeighborsInRadius (2);// 执行半径滤波outrem.filter (*cloud_filtered);如果第一次应用 PCL 的滤波器,能够把这个教程本人运行一遍,我之前运行过了,这次就不贴代码了,上面分享下我在理论我的项目中如果应用这个半径滤波器对我的 octomap_server 构建的八叉树地图进行滤波。 三、给我的地图滤波3.1 定义半径滤波器参数半径滤波器有 2 个参数:滤波半径和半径外部街坊数,留神数据类型 // 滤波半径double m_outrem_radius;// 半径内的街坊数int m_outrem_neighbors;在构造函数初始化列表中初始化: OctomapServer::OctomapServer(const ros::NodeHandle private_nh_, const ros::NodeHandle &nh_): ..., m_outrem_radius(-std::numeric_limits<double>::max()), m_outrem_neighbors(-std::numeric_limits<int>::max()), ...从 launch 中读取启动参数: // add outrem filterm_nh_private.param("outrem_radius", m_outrem_radius, m_outrem_radius);m_nh_private.param("outrem_neighbors", m_outrem_neighbors, m_outrem_neighbors);3.2 执行半径滤波在 InsertPointCloudCallBack 函数的 PassThough 前执行半径滤波,即对每一帧点云在构建八叉树地图前进行滤波,次要是为了去掉独自的离群点: ...

August 9, 2020 · 1 min · jiezi

关于机器人:ROS-八叉树地图构建-使用-octomapserver-建图过程总结

构建语义地图时,最开始用的是 octomap_server,前面换成了 semantic_slam: octomap_generator,不过还是整顿下之前的学习笔记。 一、增量构建八叉树地图步骤为了可能让 octomap_server 建图包实现增量式的地图构建,须要以下 2 个步骤: 1.1 配置 launch 启动参数这 3 个参数是建图必备: 地图分辨率 resolution:用来初始化地图对象全局坐标系 frame_id:构建的全局地图的坐标系输出点云话题 /cloud_in:作为建图的数据输出,建图包是把一帧一帧的点云叠加到全局坐标系实现建图<launch> <node pkg="octomap_server" type="octomap_server_node" name="octomap_server"> <!-- resolution in meters per pixel --> <param name="resolution" value="0.10" /> <!-- 增量式构建地图时,须要提供输出的点云帧和动态全局帧之间的 TF 变换 --> <param name="frame_id" type="string" value="map" /> <!-- 要订阅的点云主题名称 /fusion_cloud --> <remap from="/cloud_in" to="/fusion_cloud" /> </node></launch>以下是所有能够配置的参数: frame_id (string, default: /map) Static global frame in which the map will be published. A transform from sensor data to this frame needs to be available when dynamically building maps.resolution (float, default: 0.05) ...

August 9, 2020 · 4 min · jiezi

关于机器人:ROS-八叉树地图构建-安装-octomap-和-octomapserver-建图包

我的项目要用到八叉树库 Octomap 来构建地图,这里记录下装置、可视化,并启用带色彩的 Octomap 的过程。 一、Apt 装置 Octomap 库如果你不须要批改源码,能够间接装置编译好的 octomap 库,记得把 ROS 版本「kinetic」替换成你用的: sudo apt-get install ros-kinetic-octomap*下面这一行命令等价于装置以下的 octomap 组件: sudo apt-get install ros-kinetic-octomap ros-kinetic-octomap-mapping ros-kinetic-octomap-msgs ros-kinetic-octomap-ros ros-kinetic-octomap-rviz-plugins留神:下面没有装置 ros-kinetic-octomap-server,起因是我要应用这个包来建图,并且须要批改它,所以在下一步我间接通过编译源码来装置它! 二、编译装置 OctomapServer 建图包因为我要启用八叉树体素栅格的 RGB 色彩反对,须要批改源码,所以必须应用源码编译装置,过程如下: 2.1 创立编译用的工作空间cd 你的一个目录/# 创立工作空间mkdir octomap_wscd octomap_ws/# ROS 的工作空间必须蕴含 src 目录mkdir src/# 创立catkin_make# 记得 source 环境变量source devel/setup.zsh2.2 下载编译源码下载 octomap_server 源码到 src 文件夹中: cd src/git clone https://github.com/OctoMap/octomap_mapping.git返回你的工作空间主目录,装置下依赖,而后开始编译: cd ../rosdep install octomap_mappingcatkin_make编译过程根本没有报错,如果你遇到问题,间接复制错误信息浏览器搜寻解决,而后启动测试的 launch: roslaunch octomap_server octomap_mapping.launch没问题的话应该能够用 rostopic list 看到一个 octomap_full 的话题: ...

August 9, 2020 · 2 min · jiezi

关于机器人:你敢让机器人刮胡子么想象一下机器人手拿刀片划过脸颊的感觉

技术编辑:芒果果丨发自 思否编辑部SegmentFault 思否报道丨公众号:SegmentFault 机器人帮咱们端茶送水曾经不稀奇了,各式各样的家务机器人呈现,能帮咱们实现很多日常杂事,但这些性能仅限于实现有法则、操作简略的反复动作。 你设想过机器人帮你刮胡子的场景么?当你舒服的躺在躺椅上,机器人拿着刀片微微的在你脸上刮来刮去。兴许那时候你心里惟一的想法就是时刻留神机器人手里的刀片不要刮伤本人。 兴许这对普通人来说是个不切实际的设想,但机器人专家却最喜爱解决这些辣手的问题。波士顿东北大学的机器人专家约翰 · 彼得 · 惠特尼对这项钻研十分感兴趣。 最近,惠特尼在 RSS (Robotics: Science and Systems,机器人:迷信与系零碎)研讨会上做了一个对于“对接触的反馈”的演讲,他认为直剃刀剃须对机器人来说是一个乏味而有价值的问题,因为它的难度和对性能和可靠性的要求极高。 让机器人给业余理发师刮胡子惠特尼首先在一位业余理发师的手臂上进行了试验,这位理发师对能如此清晰的感触到剃须刀传来的触感感到十分诧异。 惠特尼此前曾在迪士尼钻研公司工作,那时,他钻研了一种流体驱动器,这些驱动器应用蕴含流体(如空气或水)的管道,以十分无效的形式将力从主机器人传递到辅机器人,从而容许顺应性或十分高保真的力反馈。 机器人的直剃刀有点像安全剃刀,除了去掉了平安局部,这也使它对人类的安全性明显降低。对于放心平安问题的人来说,目前它还不是现实的抉择,因为剃须刀会紧紧地凑近诸如动脉之类的货色,而这些动脉正忙于为大脑提供全副血液供给。 不过,惠特尼没有因而放弃,他让机器人零碎为业余理发师服务。目前,这种剃须机器人还不是齐全主动的,他仍在进行钻研调试。 机器人刮胡子须要更好的感知和算法能力惠特尼说,如果想让机器人在无人监督的状况下为人类刮胡子,还须要大量的工作。他解释道:“这有两个方面,一是组件自身,如软件和电子的容错性,另一个是感知和布局算法的优化。” 他将机器人刮胡子与主动驾驶汽车进行了比拟,在主动驾驶汽车中会产生类似或更大的危险。因而惠特尼提出,“为了学习如何感知、解释和适应,咱们须要一个十分高保真的问题模型,或者大量的数据和教训,或者两者兼而有之。” 然而,在刮胡子的时候,机器人对这两者都重大不足。惠特妮持续用主动驾驶汽车做类比,他说:“我认为这是一个天然倒退的过程ーー这个社区从在关闭路线上主动驾驶玩具汽车开始,逐步倒退成为载人汽车; 在机器人操纵方面,咱们开始走出‘玩具汽车’的阶段,因而我认为,以重大难题为指标来帮忙推动倒退是无益的。” 让机器人剃须只是走出“玩具”阶段的一个挑战,其中包含许多次级指标,这些次级指标将更普惠地惠及机器人。 惠特妮正在开发的这个非凡的硬件零碎实际上是一个摸索试验。他和他的学生正在与波士顿的一家医院单干,使这项技术实用于前列腺活检和切除程序。 随着机器人技术和人工智能的倒退,越来越多的高科技产品开始利用在日常生活中,但咱们须要思考的除了他们能带来何种便当外,更要防备潜在的危险。 就如同此前 Alex 智能音箱劝人他杀的状况,当技术有了武器,它是否会伤及发明这项技术的人类,就成了须要思考的问题。

July 29, 2020 · 1 min · jiezi

关于机器人:ROS-机器人技术-解决不同工作空间存在相同功能包的问题

昨天把一个工作空间的 lidar_camera_fusion 包拷贝到另外一个工作空间编译,然而名字没有扭转,导致 source 后零碎存在 2 个 lidar_camera_fusion 包,应用的时候总是谬误地启动另外一个。 解决形式:把其中一个包的配置信息扭转即可,要扭转的文件有 CMakeLists.txtpackage.xml在 CMakeLists.txt 中更改我的项目名和输入的可执行文件名: project(更换项目名称)add_executable(更换可执行文件名称 src/lidar_camera_fusion.cpp src/main.cpp)在 package.xml 中更改包的根本信息,这一步不是必须的,与编译无关,然而最好也改下,毕竟要与这个包自身信息同步,当前他人看或者本人回头批改才不会产生纳闷: <package format = "2"> <name> 要批改的包名 </name> ...</package>而后从新编译即可: catkin_make当前复制包的时候记得更改一下包的名称,避免零碎中 2 个工作空间存在雷同的包,导致 roslaunch 启动找到另外一个包启动了。

July 28, 2020 · 1 min · jiezi

关于机器人:ROS-机器人技术-解决不同工作空间存在相同功能包的问题

昨天把一个工作空间的 lidar_camera_fusion 包拷贝到另外一个工作空间编译,然而名字没有扭转,导致 source 后零碎存在 2 个 lidar_camera_fusion 包,应用的时候总是谬误地启动另外一个。 解决形式:把其中一个包的配置信息扭转即可,要扭转的文件有 CMakeLists.txtpackage.xml在 CMakeLists.txt 中更改我的项目名和输入的可执行文件名: project(更换项目名称)add_executable(更换可执行文件名称 src/lidar_camera_fusion.cpp src/main.cpp)在 package.xml 中更改包的根本信息,这一步不是必须的,与编译无关,然而最好也改下,毕竟要与这个包自身信息同步,当前他人看或者本人回头批改才不会产生纳闷: <package format = "2"> <name> 要批改的包名 </name> ...</package>而后从新编译即可: catkin_make当前复制包的时候记得更改一下包的名称,避免零碎中 2 个工作空间存在雷同的包,导致 roslaunch 启动找到另外一个包启动了。

July 28, 2020 · 1 min · jiezi

关于机器人:ROS-机器人技术-编写一个-launch-启动多个节点

1. 减少 source 到 bashrc 中为了不必在小车的 Ubuntu 上每次都 source 本人的工作空间,我把本人的 workspace 加到 ~/.bashrc 文件开端: 而后重启 shell,之后就会主动 source 我得工作空间,能够应用 roscd 间接进入指定包中: roscd pkg_name2. 编写启动 launch每次调试小车,都要别离启动很多节点,比方交融、建图、Loam、Rviz 等,所以我把这些节点全副配置在一个 launch 中启动,间接一行命令启动,这样调试就不便多了,大大节省时间: lidar_camera_fusion\launch:lidar_camera_fusion.launchoctomap_server\rviz:octomap_debug.rvizoctomap_server\launch:dlonng_octomap_test.launch<launch> <!-- Start ZED! --> <include file = "$(find zed_cpu_ros)/launch/zed_cpu_ros.launch" /> <!-- Start Robosense LIDAR! --> <include file = "$(find rslidar_pointcloud)/launch/rs_lidar_16.launch" /> <!-- Start fusion node! --> <include file = "$(find lidar_camera_fusion)/launch/lidar_camera_fusion.launch" /> <!-- Start Octomap node! --> <include file = "$(find octomap_server)/launch/octomap_server_start.launch" /> <!-- Start octomap_debug.rviz --> <node pkg = "rviz" type = "rviz" name = "$(anon rviz)" respawn = "false" output = "screen" args = "-d $(find octomap_server)/rviz/octomap_debug.rviz"/> <!-- Start Lego Loam! --> <include file = "$(find lego_loam)/launch/demo.launch" /> <!-- Only using in map build test! --> <node pkg = "tf2_ros" type = "static_transform_publisher" name = "dlonng_static_test_broadcaster" args = "0 0 0 0 0 0 base_link rslidar" /></launch>3. 补充一些小 Tips如果不晓得要启动的包的 launch 文件叫啥,能够查找指定包的门路,而后进入看看 launch 文件夹上面的启动文件叫啥: ...

July 28, 2020 · 1 min · jiezi

关于机器人:ROS-机器人技术-添加一个-TF-帧

在理论的机器人中往往有很多个传感器,比方咱们组目前用的小车上就有相机,雷达,IMU 等,为了可能在 TF 零碎中找到传感器之间的转换,就须要把每个传感器的坐标系加到零碎的 TF 树中,办法很简略,上面一起来学习下。 一、TF 树的注意事项在理论应用和调试 TF 的时候肯定要时刻记住:TF 树中的一个节点能够有多个子节点,然而只能有一个父节点,并且 TF 树中不能呈现回环! 一个典型的 TF 树如下: 这个 TF 树中有 3 个坐标系: world:世界坐标系turtle1:乌龟 1 的坐标系,父节点是 worldturtle2:乌龟 2 的坐标系,父节点时 world如果你再公布一个「xxx -> turtle1」的变换,那 turtle1 就有 2 个父节点,这样是不可行的,违反了 TF 树的构建规定,理论应用是肯定要留神了,如果你想查看零碎以后的 TF 树,应用上面的命令: rosrun rqt_tf_tree rqt_tf_tree上面来学习如何为一个节点增加子坐标系。 二、增加子坐标系同样进入 learning_tf2 包中: roscd learning_tf2而后在 src 下新建 frame_tf2_broadcaster.cpp 文件,代码如下: #include <ros/ros.h>#include <tf2/LinearMath/Quaternion.h>#include <tf2_ros/transform_broadcaster.h>int main(int argc, char** argv){ ros::init(argc, argv, "my_tf2_broadcaster"); ros::NodeHandle node; tf2_ros::TransformBroadcaster tfb; geometry_msgs::TransformStamped transformStamped; // 指定 carrot1 的父节点时 turtle1 // 即增加一个新的 carrot1 子坐标系到 turtle1 transformStamped.header.frame_id = "turtle1"; transformStamped.child_frame_id = "carrot1"; // carrot1 绝对于 tutle1 做了 y 轴的偏移 transformStamped.transform.translation.x = 0.0; transformStamped.transform.translation.y = 2.0; transformStamped.transform.translation.z = 0.0; tf2::Quaternion q; q.setRPY(0, 0, 0); transformStamped.transform.rotation.x = q.x(); transformStamped.transform.rotation.y = q.y(); transformStamped.transform.rotation.z = q.z(); transformStamped.transform.rotation.w = q.w(); ros::Rate rate(10.0); while (node.ok()) { transformStamped.header.stamp = ros::Time::now(); // 这两行示意让该 carrot1 参考系随着工夫挪动 transformStamped.transform.translation.x = 2.0 * sin(ros::Time::now().toSec()); transformStamped.transform.translation.y = 2.0 * cos(ros::Time::now().toSec()); // 将 carrot1 绝对于 tutle1 的坐标变换播送到 TF 零碎中 tfb.sendTransform(transformStamped); rate.sleep(); printf("sending\n"); }};代码中最要害的就是要正确指定公布转换的 ID: ...

July 28, 2020 · 2 min · jiezi

关于机器人:ROS-机器人技术-广播与接收-TF-坐标

上次咱们学习了 TF 的基本概念和如何公布动态的 TF 坐标: ROS 机器人技术 - TF 坐标零碎基本概念ROS 机器人技术 - 动态 TF 坐标帧这次来总结下如何公布一个自定义的 TF 坐标转换,并监听这个变换。 一、编写 TF 广播者进入上次创立的 learning_tf2 包中: roscd learning_tf2在 src 下新建一个 turtle_tf2_broadcaster.cpp 文件,代码如下: #include <ros/ros.h>// 存储要公布的坐标变换#include <geometry_msgs/TransformStamped.h>// 四元数#include <tf2/LinearMath/Quaternion.h>// 变换广播者#include <tf2_ros/transform_broadcaster.h>// 乌龟的位姿定义#include <turtlesim/Pose.h>std::string turtle_name;void poseCallback(const turtlesim::PoseConstPtr& msg) { // 创立 tf 播送对象 static tf2_ros::TransformBroadcaster br; // 存储要公布的坐标变换音讯 geometry_msgs::TransformStamped transformStamped; // 变换的工夫戳 transformStamped.header.stamp = ros::Time::now(); // 父坐标系名称 transformStamped.header.frame_id = "world"; // 以后要公布的坐标系名称 - 乌龟的名字 transformStamped.child_frame_id = turtle_name; // 乌龟在二维立体静止,所以 z 坐标高度为 0 transformStamped.transform.translation.x = msg->x; transformStamped.transform.translation.y = msg->y; transformStamped.transform.translation.z = 0.0; // 用四元数存储乌龟的旋转角 tf2::Quaternion q; // 因为乌龟在二维立体静止,只能绕 z 轴旋转,所以 x,y 轴的旋转量为 0 q.setRPY(0, 0, msg->theta); // 把四元数拷贝到要公布的坐标变换中 transformStamped.transform.rotation.x = q.x(); transformStamped.transform.rotation.y = q.y(); transformStamped.transform.rotation.z = q.z(); transformStamped.transform.rotation.w = q.w(); // 用 tf 广播者把订阅的乌龟位姿公布到 tf 中 br.sendTransform(transformStamped);}int main(int argc, char** argv){ // 以后节点的名称 ros::init(argc, argv, "my_tf2_broadcaster"); ros::NodeHandle private_node("~"); // 判断以后要播送的乌龟节点名字 if (!private_node.hasParam("turtle")) { // launch 文件和命令行都没有传递乌龟名称,就间接退出 if (argc != 2) { ROS_ERROR("need turtle name as argument"); return -1; }; // launch 文件中如果没有定义乌龟名称,就在命令行中加上 turtle_name = argv[1]; } else { // 从 launch 文件获取乌龟名称参数 private_node.getParam("turtle", turtle_name); } ros::NodeHandle node; // 订阅一个节点的 pose msg,在回调函数中播送订阅的位姿音讯到 tf2 坐标零碎中 // turtle_name 为 turtle1 时播送 turtle1 的位姿到 tf 中 // turtle_name 为 turtle2 时播送 turtle2 的位姿到 tf 中 ros::Subscriber sub = node.subscribe(turtle_name + "/pose", 10, &poseCallback); ros::spin(); return 0;};这个程序的意思是订阅输出乌龟的 pose 话题,而后在 poseCallback 回调函数中公布 world 到乌龟的 TF 变换,留神这个程序能够接管不同乌龟的 pose 音讯,只有运行时指定乌龟的名称 turtle_name 即可,代码正文很具体,其余的就不说了,而后增加编译规定: ...

July 28, 2020 · 3 min · jiezi

关于机器人:ROS-机器人技术-ROS-与-PCL-的点云类型转换

在图像和点云的交融节点中,做了一个点云格局的转换: ROS 点云 sensor_msgs::PointCloud2 -> PCL 第一代点云 pcl::PointCloud<pcl::PointXYZ>这里记录下罕用的 ROS 和 PCL 之间的转换。 1. sensor_msgs::PCLPointCloud2 <=> pcl::PointCloud<pcl::PointXYZ>把 ROS PointCloud2 转为 PCL 第一代 PointCloud,不便用 PCL 库解决: void pcl::fromROSMsg(const sensor_msgs::PointCloud2 &, pcl::PointCloud<T> &);比方: // ROS 点云sensor_msgs::PointCloud2::ConstPtr& cloud_msg;// PCL 第一代点云pcl::PointCloud<pcl::PointXYZ>::Ptr pcl_cloud_msg(new pcl::PointCloud<pcl::PointXYZ>);// ROS 点云 -> PCL 第一代点云pcl::fromROSMsg(*cloud_msg, *pcl_cloud_msg);把 PCL 第一代 PointCloud 转为 ROS PointCloud2,用于公布 ROS 的点云主题: void pcl::toROSMsg(const pcl::PointCloud<T> &, sensor_msgs::PointCloud2 &);比方: // PCL 第一代点云pcl::PointCloud<pcl::PointXYZRGB>::Ptr out_cloud(new pcl::PointCloud<pcl::PointXYZRGB>);// ROS 点云sensor_msgs::PointCloud2 fusion_cloud;// PCL 第一代点云 -> ROS 点云pcl::toROSMsg(*out_cloud, fusion_cloud);2. sensor_msgs::PCLPointCloud2 <=> pcl::PCLPointCloud2所用的头文件: ...

July 28, 2020 · 1 min · jiezi

关于机器人:俄罗斯政府女性机器人职员上岗能做-600-多个表情市民直言有点怪

技术编辑:芒果果丨发自 思否编辑部SegmentFault 思否报道丨公众号:SegmentFault 你有没有设想过机器人为你服务的局面? 不是餐厅或酒店里那种“货柜”式的机器人,而是真的有人的模样,而且还能和你对话的机器人。 最近,俄罗斯西伯利亚某政府部门就有一个女性形象的机器人职员开始为公众服务,她的名字叫做 Perm。 机器人负责文件发放,能做 600 多种表情Perm 是“坐”在工位上的,须要服务的人坐在本人的地位上看不到她的下半身。所以就像一些新闻主播上半身西装下半身短裤一样,Perm 的设计师“偷懒”的没有给她做下半身,所以尽管她看起来像坐着下班,但其实她靠着的“椅背”就是撑持她的“能量箱”。 开发者称,Perm 的面部特色是基于人工智能剖析数千名女性的表面智能生成的,她能够重现 600 多个面部表情,能够挪动眼睛、眉毛和嘴唇,还能管制笼罩有人造皮肤的机械肌肉。 目前,Perm 的工作职能只限于发放无立功记录证书等简略的程式化的工作。她能够询问并答复一些通用问题,Perm 还连贯了扫描仪和打印机,还能拜访文档数据库,简化一些工作流程。 看到机器人女职员,不少俄罗斯市民都示意“有点胆怯”,一位前去办理业务的男性市民婉言:“她看起来有点怪,但不论怎么样,交换起来还能够。” 俄罗斯政府机关负责人称,“Perm 齐全取代了一般职员。” 国内同类机器人职员其实,不止俄罗斯开始采纳了机器人职员,咱们国家很早就开始在服务场合提供机器人服务了。 建设银行 5G 智慧营业厅中,客服接待人员“小龙女”就是一个女性形象的机器人,她与 Perm 相比,形状更加欠缺,因为是站立的形象,她的全身设计都与人类十分类似,衣着银行工作人员的制服如果不仔细观察甚至很难发现她是个机器人。 不论是小龙女还是 Perm,在形状上都参考了其当地人的形状特色,Perm 看起来就是典型的俄罗斯女性形象,平面的五官,白皙的皮肤。小龙女则是东方女性形象,五官更加柔和。 机器人进入服务场合代替人类实现一些重复性高或危险性高的工作是大势所趋。在初始阶段更需适应的是咱们人类,一方面是与机器人的互动,另一方面是如何在情感上承受与机器人相处。

July 20, 2020 · 1 min · jiezi

高考报志愿是一门玄学

又是一年高考季。 每年高考完结后,哭一批笑一批。毕业工作才晓得,四年后的风骚,谁的天下,都别说得太早。 其实,文凭不过是一张火车票,重本的软卧,普本的硬卧,专科的硬座,民办的站票。火车到站,都下车找工作,才发现老板并不太关怀你是怎么来的,只关怀你会干什么。 正如比尔盖茨所说,“难道坐头等舱会比坐经济舱先达到目的地吗?” 高考也不过是沿途小站。“路还那么远,放宽心,踏青云,且笑看”。 “ 人工智能业余“火了” 高考选业余,是踏入社会的第一步。 据百度公布的《2020年高考搜寻大数据报告》显示,在将来业余方向的抉择上,人工智能、机器人工程、物联网工程等新兴业余以及临床医学登榜2020年十大热搜业余。其中,人工智能位列榜首,成为货真价实的“最火业余”。 (起源:《百度2020年高考搜寻大数据报告》) 近年来,我国人工智能产业倒退迅速,预计到2020年,人工智能外围产业规模将超过1500亿元,带动相干产业规模超过1万亿元。 然而,与此同时,我国人工智能人才缺口已超500万人,供需比例为1:10。人工智能产业的衰弱继续倒退急需高质量人才的保驾护航。 为此,国家也相继出台一系列政策,大力支持人工智能产业倒退。 2017年7月 国务院公布《新一代人工智能倒退布局》,明确要抢抓人工智能倒退的重大策略时机,构筑我国人工智能倒退的先发劣势,放慢建设创新型国家和世界科技强国。 2018年4月2日 教育部印发《高等学校人工智能翻新行动计划》打算提出3大类18项重点工作,疏导高校瞄准世界科技前沿,一直进步人工智能畛域科技翻新、人才培养和国内单干交换等能力。 2020年两会期间 国家再度强调放慢倒退“新基建”,明确把人工智能列为七大重点畛域之一。 目前,国内开设人工智能业余的高校新增数量多达180所。 其中,排名前30的高校见下表: (起源:《中国高校人工智能业余综合排名》) “ RPA人才“吃香” 眼下,AI技术在企业中的利用仍处于初步摸索阶段。而标准化、流程化的RPA则更加求实,被视为企业晋升效率和生产力的驱动力,也因而成了AI落地的前沿阵地和重要载体。 后疫情时代,随着“新基建”进入全面铺开落地阶段,RPA也成了推动各行业数字化转型,助力政企降本增效的中坚力量。 面对行业数字化、智能化转型的迫切需要,实践与实际兼备的RPA人才势必供不应求。把握RPA技能者,必将成为待业市场的“热门人才”。 刚加入完高考的小伙伴不要感觉为时尚早。要晓得,在邻国日本,急功近利的政府曾经开始从娃娃抓起。为了让学生更好地适应将来的“自动化时代”,日本一些高中已开设了RPA课程及RPA自动化人才实验班。 与其放心将来待业,不如来UiBot的RPA学院学习RPA技术。 “ RPA技术哪家强? 当初登录UiBot官网,即可下载最新版本的收费RPA软件。哪怕你是零根底的小白,也能够上UiBot学院学习相干视频课程。修完课程者,还能够加入UiBot开发者认证在线考试。 曾经取得UiBot RPA施行工程师(高级)认证的开发者,在学习完《中级开发者指南》后,即可加入RPA实施工程师(中级)认证考试。 通过中级认证的开发者,不仅可解锁UiBot Creator更为弱小的性能,还优先享有入驻UB Store的权力。 为什么要加入中级认证考试? ◆成为RPA畛域的专业人才 ◆掂量RPA专业化水平的重要指标 ◆具备UiBot我的项目施行的根本能力 ◆开启RPA职业生涯,拉近与高薪职位的间隔 ◆具备降职UiBot高级工程师的根本条件 ◆优先享有入驻UB Store的权力 ◆优先享有UiBot高级课程、线下培训的参加机会

July 9, 2020 · 1 min · jiezi

听说你想薅东航的羊毛

“飞机停在机坪上晒太阳,你能听到钱融化的声音。” 疫情影响下,航空业受到了不小的冲击:航线被砍、客机停飞、上座率低迷…… 为了“自救”,各大航空公司纷纷使出“十八般武艺”,有的甚至推出了3322元的“随心飞”套餐。 周末随心飞,合理薅羊毛? 6月18日,正当大家忙着清空购物车的时候,中国东方航空冷不丁地推出了一款史无前例的产品:“周末随心飞”。 用户只要支付3322元,购买该产品并激活后,即可在2020年内的任意周六和周日,不限次数乘坐东航和上航航班经济舱,畅飞国内除港澳台地区外的各大城市。 产品一经推出,便引发了强烈反响:东航95530客服电话被打爆,东航APP也随之宕机,许多用户“一票难求”。在闲鱼上,甚至出现了不少加价倒卖“随心飞”的商家。产品火爆程度可见一斑。 微博上、知乎上,广大网友对这款“随心飞”产品也是褒贬不一。 “无限次,随便飞,这简直就是大肥羊啊!” “只要飞行次数够多,或者飞几趟远程,就能迅速回本。”  “该促销活动自动屏蔽北京民众。” “适合想要体验隔离套餐的人。” “看上去很划算,只可惜抢不到啊,一直在排队……” “买得起套票,没时间享受生活。” “感觉是撸延误险的神器。” “好想飞到贵州,排队买茅台。” 虽然大家对“随心飞”存有诸多争议,但舆论本身也给产品“添了火”带了货。 最长的路是东航的套路 “周末随心飞”看上去很随心,究竟值不值? 其实,东航推出的这款产品还有不少限制条件: 1、每个用户最多可购买10套,需在购买后7天内绑定乘机人(12周岁以上,东方万里行会员),一经绑定不得变更; 2、如未订座换票可全额退款,一经订座换票不可退款; 3、产品不限兑换次数,但同时仅可存在3段未使用的客票,同一日期同一始发地仅可存在1段未使用的客票; 4、兑换客票时税费另行支付; 5、需在航班起飞5天(含)前兑换,如无法出行至少提前4天(含)退票,如发生3次订票兑换后未乘坐且未在规定时间前退票,产品自动失效; 6、航班无里程积分、无升级次数、白金卡会员无免费升舱; 7、不得签转、改期、升舱、换开,退票仅退还未使用航段税费。航班延误取消时须接受航班保护安排,不得另行指定日期航班,且无现金赔偿。 以福州乘客为例,周末飞上海大约300元左右,需要飞10趟以上才可回本。不仅如此,福州飞其他城市也可能面临转机,航程长,想要周末往返基本不可行。 如果碰上航班延误或者取消,不能签转不能改期,发生3次订票兑换后未乘坐且未在规定时间前退票,“随心飞”套餐就自动失效了。 认真算起来,“随心飞”套餐的性价比并不高,只适合异地工作、求学等少数人群。东航套路多,买的还是没有卖的精啊。 端午出行,自动升舱 临近端午,人们出行的热度也有所上升。 据6月18日马蜂窝发布的《2020端午小长假出游趋势报告》显示,端午小长假搜索热度周环比上涨95%。 如果你有出行打算,不妨试试UB Store上的东航会员升舱机器人。 这款RPA机器人能够帮助东方航空白金会员,进行航班自动升舱,尤其适合商务人士。 功能特点: 自动基于航班信息准点抢先申请升舱。通过东航官网自动检测机票状态;RPA模拟人工操作,进行升舱。无需到柜台登记和操作,升舱更加容易,出行无忧。 东航会员升舱机器人 能够帮助东方航空白金会员,进行航班自动升舱操作的RPA机器人。适用于商务人士。 功能特点: 自动基于航班信息准点抢先申请升舱。通过东航官网自动检测机票状态;RPA模拟人工操作,进行升舱。无需到柜台登记和操作,升舱更加容易,出行无忧。 痛点解决: 熬夜升舱。申请升舱的开始时间通常都在深夜。 忘记申请。因为业务繁忙无法抽身,忘记申请。

June 29, 2020 · 1 min · jiezi

一起爬山吗不了我还有机动车违章要处理

今年“618”,天猫、京东、苏宁和拼多多等各大电商平台交易纷纷创下新纪录。快递企业也纷纷发力,快递业务量增速远高于2019年26.6%。 疫情进一步重塑了人们的购物习惯,随着电商直播进行的如火如荼,大众的消费热情再次被点燃。 据艾媒咨询的调查显示,2020年中国直播电商行业的总规模同比将翻一番,超过9000亿元,将会带来更大的快递需求。 巨大需求背后是对现有运输能力的考验。特别是公路货物运输。 01 公路货运背后隐藏的难题 尽管目前货运方式多样,但公路货物运输在物流运输领域仍然具有重要地位。 据物联网货运服务平台G7数据显示,今年“618”,该平台货车总里程较2019年同期增长8.63%,总流量同比增长7.61%。随着复工复产的全面推进,全国公路物流已恢复并实现了一定的增长,仅“618”期间,总流量及总里程环比5月的涨幅即为4%,为三年最高。 特别是随着电商下沉市场战略的逐步落地,各大平台纷纷打响下沉市场争夺战,三线以下城市物流流量急速上涨。仅2019年,增幅就高达55%,远高于整体流量增幅。2020年的增幅仍将较高。而这部分物流压力基本上都会由公路运输承担。 公路货物运输主要以载货汽车为主要运输工具,通过公路完成货物的运送与传递。货运公司旗下通常也会“养着”多辆货车。 伴随公路物流业务的增长,很多货物运输公司都会面临一个难题,那就是机动车违章的处理。 “618”期间,路程300公里以内、平均耗时约3小时的物流运输线路最为繁忙,这些线路大都分布在北上广经济圈之内。例如,以苏州为起点、上海为终点的物流运输就高达8万趟次。在如此频繁的运输过程中,机动车出现违章在所难免。 全国每年光违章所缴纳的罚款就高达2000多亿,可想而知,机动车司机违章的几率将有多高。货运公司为此需要进行的机动车违章处理工作量也必将增大。 02 机动车违章查询机器人 机动车违章处理主要就是机动车违章查询。该项工作其实很简单,但由于涉及大量重复操作,比较耗费人力与时间。 特别是那些旗下拥有众多车辆的物流、货运、仓储公司以及电子商务公司,通常会面临极大的查询量。一旦操作不及时,错过缴费时间,还会产生滞纳金,给公司造成损失。 UB Store的机动车违章查询机器人可以轻松解决批量违章查询的问题。 机动车违章查询机器人 机动车违章查询机器人是一款能够自动将登录违章网站,查询机动车违章情况并汇总违章结果,同时将结果发送邮件通知相关人员的RPA机器人。 机器人替代大量人工重复操作,自动批量查询机动车违章,并将违章查询结果发送至邮箱,通知相关人员。速度快、效率高,减轻了物流公司员工的负担,提升了人效。 03 RPA为货运公司降本增效 机动车违章查询机器人不仅适用于物流、货运、仓储类公司,类似电子商务、网约车等旗下拥有多辆汽车的企业也可以广泛应用。 目前国内东部某电商/货运/仓储综合性公司,就率先应用了这款机器人,并收到了不错的效果。 随着业务的加速发展,该公司旗下货运业务不断壮大,为此公司名下的车辆变多,司机违章的几率变高,每天需要查询的违章车辆信息也增多,耗费着公司大量人力与时间成本。 公司随后应用了UB Store机动车违章查询解决方案,顺利解决了违章批量查询的问题。 原本人工处理1辆违规车查询需要耗时1分多钟,每天处理500辆的话则要耗费8个小时;机动车违章查询机器人单次查询仅需几秒钟,处理500辆只需1小时左右。 1个机器人即可代替3个人的工作量,为公司提升效率500%。

June 29, 2020 · 1 min · jiezi

ROS-机器人技术-rosbag-详细使用教程

在 ROS 系统中,可以使用 bag 文件来保存和恢复系统的运行状态,比如录制雷达和相机话题的 bag 包,然后回放用来进行联合外参标定。 这里记录下我学习官方的 rosbag 教程的笔记:ROS rosbag 我常用的几个操作虽然命令很多,但是我目前在工作中常用的命令就如下几个: 1. 录包录制所有话题: rosbag record -a录制指定话题,设置 bag 包名: rosbag record -O bag_name.bag /topic1_name /topic2_name /xxx有时候我录制包不设置名称,默认按照录制结束时间命名: rosbag record /topic1_name /topic2_name /xxx2. 回放我常用的是以暂停的方式启动,防止跑掉数据: rosbag play --pause record.bag你也可以直接回放: rosbag play record.bag我建图过程中有时会设置以 0.5 倍速回放,也就是以录制频率的一半回放: rosbag play -r 0.5 record.bag回放完后,我一般会用 rostopic list 查看下发布的主题,确保是我需要的: rostopic list3. 修复之前在我们小车的 Intel NUC 上录包拷到台式机上回放会报错,提示需要 reindex,执行一下即可,不过数据好像会少一些: rosbag reindex xxx.bag下面是完整的 rosbag 用法,需要的可以查找下。 一、rosbag 基本作用rosbag 工具可以录制一个包、从一个或多个包中重新发布消息、查看一个包的基本信息、检查一个包的消息定义,基于 Python 表达式过滤一个包的消息,压缩和解压缩一个包以及重建一个包的索引。 ...

June 29, 2020 · 2 min · jiezi

Autoware-标定工具-Calibration-Tool-Kit-联合标定-Robosense16-和-ZED-相机

一、安装 Autoware & ZED 内参标定 & 外参标定准备之前的这篇文章:Autoware 进行 Robosense-16 线雷达与 ZED 双目相机联合标定! 记录了我用 Autoware 标定相机和雷达的过程,虽然用的不是 Calibration Tool Kit 工具,但是博客里面的以下章节也适用本次的 Calibration Tool Kit : 一、编译安装 Autoware-1.10.0二、标定 ZED 相机内参3.1 联合标定准备如果你是第一次看这篇 Calibration Tool Kit 联合标定的博客,建议先按照之前的博客安装 Autoware、标定 ZED 内参和做好外参标定的准备(标定板,录制标定包等),最好用上篇博客的方法标定一次。 这篇博客我就直接开始介绍使用 Calibration Tool Kit 标定雷达和相机外参的过程! 二、Calibration Tool Kit 联合标定雷达和 ZED 相机2.1 启动 Autoware先启动 Autoware-1.10.0,启动过程中可能需要输入 root 密码: # 1. 进入 autoware 的 ros 目录下cd autoware-1.10.0/ros# 2. source 环境,zsh 或 bashsource devel/setup.zsh[.bash]# 3. 启动主界面./run切换到 Sensing 选项卡: ...

June 11, 2020 · 1 min · jiezi

Autoware-进行-Robosense16-线雷达与-ZED-双目相机联合标定

项目要标定雷达和相机,这里记录下我标定过程,用的速腾 Robosense - 16 线雷达和 ZED 双目相机。 一、编译安装 Autoware-1.10.0我没有安装最新版本的 Autoware,因为新版本不带雷达和相机的标定工具,我安装的是 1.10.0 版本! 1.1 下载 Autoware-1.10.0 源码不建议官方的 git check 安装方式,因为不熟悉 git 可能会遇到问题,直接在GitLab 仓库选择 1.10.0 版本下载即可: 1.2 编译 Autoware-1.10.0编译过程比较容易,我也没遇到编译错误,解压下载的 autoware-1.10.0,在该目录下执行以下命令: # 1. 进入 autoware 的 ros 目录下cd autoware-1.10.0/ros# 2. rosdep 安装依赖rosdep updaterosdep install -y --from-paths src --ignore-src --rosdistro $ROS_DISTRO# 3. 编译./catkin_make_release我的台式机配置比较低,大概编译了 1 个小时,好的配置应该编译的更快。 1.3 启动 Autoware-1.10.0首先还是要进入 ros 目录下,然后 source 环境,之后执行 run 程序即可启动主界面: # 1. 进入 autoware 的 ros 目录下cd autoware-1.10.0/ros# 2. source 环境,zsh 或 bashsource devel/setup.zsh[.bash]# 3. 启动主界面./run可能需要输入 root 密码,然后启动的主界面如下: ...

June 9, 2020 · 2 min · jiezi

俄勒冈州立大学研发脱口秀机器人全美巡演数十场获好评

俄勒冈州立大学的学者一直在研究,如何让机器人掌握幽默感,并学会更好地进行脱口秀表演。为此,团队带着脱口秀机器人 Jon 进行了数十场表演,并总结出了一些成功窍门。在我们传统印象中的机器人,大多数是冷酷的金属质感,即使是 Siri 一类语音助手,虽然没有实体形象,冷冰冰的声音也传递着一种机器人气质。 有句话说,「等到人机交互与人类交流一样自然时,真正的智能时代就来了。」 在人机交互方向上,科学家和工程师们一直在努力,也希望机器人、AI 可以获得幽默感,以更好地与人类相处,毕竟幽默感,是人类最宝贵的特质之一。 比如 Siri、微软小冰,都在努力学习讲好(leng)笑话。 让机器人讲笑话:提升人机交互的好办法想让机器人或者语音助手 AI ,拥有幽默感并不容易,甚至被认为是领域内的终极难题。 (我们之前已经讨论过 AI 拥有幽默感的问题,详见《让 人工智能 学会幽默,人机对话不尴尬》。) 2019 年 5 月,一个叫做「泰坦」的机器人登上脱口秀节目《笑傲江湖》的舞台。自称是来搞笑的它,段子频出,逗得台下观众捧腹大笑。 但是「泰坦」在动作和语言互动上过于真实的表现,反而引起了观众的质疑。而之后也证实,它确实只是一个机器人外壳,里面藏着一个真人来操控它的动作和表演。 社交机器人发展至今,它的交互性、对人类情绪的理解,一直以来都十分具有挑战性,像「泰坦」可能有一定配合节目需要的成分,这样收放自如、超能接梗的机器人,在现实中还很难做到。 俄勒冈州立大学有一支研究团队,从 2011 年开始,就致力于人机交互、机器人幽默感的研究。为了解决这个难题,让社交机器人用幽默感更好地吸引人们、更像人类,机器人学助理教授 Naomi Fitter 打算从打造脱口秀机器人入手。 团队首先选择了软银机器人开发的 NAO 机器人,作为载体和表演者,运行他们研发的脱口秀表演程序。 至今,Naomi Fitter 带着她的脱口秀机器人 Jon 进行了 32 场西海岸巡回演出,发现了机器人如何逐步理解和学习人类的幽默感。 Naomi Fitter  认为娱乐机器人技术能够为科学交流提供好机会 32 场表演,不断提升的演出技巧我们知道,脱口秀一般由「开场白-抖包袱」组成,而除了笑话内容外,讲笑话的语速,以及开场白和抖包袱之间的停顿时间,对于脱口秀表演也是至关重要的。 由于现阶段研究方向,是让机器人与人类的幽默互动更加自然,而不在于笑话自动生成。所以,研究人员遵循脱口秀的一般套路,为 Jon 预先撰写了适合机器人的表演素材。 这些素材都是从机器人的角度出发,主题包括人际关系、日常生活、政治、梦想和挫败感。 比如:最近我侄子问我「机器人来自哪里」的时候我总是很尴尬,我只能告诉它,机器人来自它的妈妈——快递的卡车。 Jon 在表演时通过收音判断现场观众的反应,来决定下一个梗是否需要停顿,还是需要加强语气。 研究人员撰写了大约 8 分钟的素材,包括 26 个笑话,22 个情感标签。然后使用 NAO 机器人作为表演者,来运行其喜剧表演的程序。 表演过程中通过机器人的麦克风来收集表演记录并评估观众的反应 机器人 Jon 在两个开放麦的表演共 32 场,分别在洛杉矶地区和俄勒冈州两个开放麦场地进行。 ...

May 28, 2020 · 1 min · jiezi

美国国家税务局对RPA兴趣浓厚已经开始试点

美国国家税务局,一向都是比较保守,对安全性要求及高,而且对新兴技术都是比较拒绝,此次对RPA这项技术很兴趣,而且已经开始试点,着实让人很吃惊。8月2日发布的征求意见稿,该机构将首次挑战700万美元,其重点是开发RPA机器人过程自动化工具,以改进数据法案报告。这是美国第二个政府部门开始使用RPA机器人来提高效率了,第一个是美国警察。 美国国税局副首席采购官哈里森史密斯表示,该机构敏捷地采用新兴技术标志着美国国税局的“根本性转变”,并反映出努力效仿其他机构的其他交易机构(OTA)。这允许他们通过增量资金来孵化项目 – 如果那些项目没有产生结果,就可以锁定这些资金。 史密斯说,RPA机器人项目美国国税局仍然处于『 试水阶段 』,但自动化在IRS的战略和业务现代化计划中发挥着核心作用,也是总统管理议程重点关注联邦雇员转移的重要组成部分。低价值到高价值的工作。“对我而言,从低价值工作转向高价值工作的一个更激动人心的应用或积极影响正在让我们走出困境,这是以前做过的方式,并且考虑到整个项目风险指数,我们不能随意改动现有的业务系统,必须要保证现有的系统正常运行的前提下,才去改进。 美国国税局副首席采购官哈里森史密斯 上个月在新奥尔良政府会计师协会的专业发展培训中,该机构采购办公室的特别助理Mitch Winans表示,国税局已经部署了RPA机器人平台,有助于在合同授予之前进行合规性检查,从而节省了人工处理时间。通过这些机器人每年节省18,000小时。展望未来,史密斯说目前美国国家税务局已经梳理出来15个流程。 史密斯在接受联邦新闻网采访时说:“这是一个我们肯定能看到近期投资回报的领域。” “我们将继续追求最低端水果的最佳状态,同时也将继续追求中端游戏以及该技术的更广泛应用。”该机构与RPA的早期步骤包括合同“条款逻辑检查”和承包商责任确定机器人,可以自动化多达15名IRS员工的手工工作。 选择确认合适的供应商。为帮助美国国税局开展业务的,该机构已向支持首席信息官办公室的供应商发布了客户服务调查。除了RPA工具之外,美国国税局还希望推出在线聊天机器人,以帮助企业更快地追踪信息。 “我们在采购中希望能够使用聊天机器人,以便有人可以进入,使用该工具并说’我有合同,我不知道什么时候结束。’ 这将ping系统,它会说,’它在XYZ日期结束,你剩下两个选项期。这是你的签约官,这里是名字,这里是地址,“史密斯在接受采访时说。“这些类型的直接交往非常非常重要,而且在美国国税局有无数种情况。”

October 17, 2019 · 1 min · jiezi

RPA机器人的三大铁律

早在1940年,科幻作家阿西莫夫就已提出“机器人三原则”,目的是为了更好地保护人类。而如今,为了更好地协助人类,作为软件机器人的RPA(机器人流程自动化),也存在着“三大铁律”。铁律1:RPA机器人只能是人的帮手RPA机器人的出现,曾一度引发“机器人是否取代人类”这一热议。虽然以前由人工执行的许多业务流程,如今都可通过RPA技术实现自动化。但“RPA机器人将取代人类”始终只是噱头而已。无论从RPA的产生初衷,还是从其之后的部署来看,RPA从来没有为了取代谁而出现。不可否认,RPA的实施肯定会增强企业组织的人力,但其也仅仅是在扮演“人的帮手”这一角色。因此,这些技术并非完全独立于人类,也无法重现人类更高层次的能力(比如思维、创意、决策)。RPA的应用,可以让员工提高效率和生产力,并将员工从那些重复、繁琐、附加值低的工作中释放出来,使其能够专注于更高级别的活动,创造更多的商业价值并促进与客户更深入的互动。在部署RPA时,通常会重新定义员工角色,并重新进行人才分配,重心将会转移到前台办公室中面向客户的任务,而繁琐的后台任务则不再需要人去操心。RPA技术未来的一大发展方向,即“人机共存,谋求共生”。伴随劳动力结构的改变和新工作的大量出现,人类将继续与机器人并肩工作,实现生产力的增长。铁律2:RPA机器人需要向人学习。RPA机器人虽然有着众多优点,不知疲倦、零出错率、速度更快、效率更高。但要想让RPA机器人发挥出这些实力,还需要我们人类员工对其进行“教导”。RPA机器人能自动处理日常事务,主要是根据提前编写好的脚本,并且这些脚本一定都是基于明确规则的。RPA机器人到底能发挥出多大实力,要看人能教给它多少技能。例如,想要在财务报销环节应用RPA,首先要梳理报销都有哪些重要步骤,每一步是如何实现的。然后根据这些流程,在RPA软件中编写好脚本,最后运行并调试,直到得到满意的效果为止。之后,再遇到相同的环节,RPA就可以大显身手了。RPA适用的流程必须有明确的、可被数字化的触发指令和输入。工作期间可能出现的一切场景都是可以提前被定义的,如财务、人资、供应链、信息技术等相关流程,都符合RPA的工作环境要求。铁律3:RPA机器人必须要有人管理。RPA再强大,仍然需要人类管理者的操控。因为它还不具备自主学习意识。由于RPA机器人是基于固定规则进行操作的,当业务场景发生较大变化时,RPA机器人无法判断与规则不符的情况,无法处理异常事件。这就需要配备专门的人员监督RPA机器人运行的过程,避免出现RPA机器人无法处理的异常事件。在管理方式上,企业可将RPA纳入人员管理机制,使机器人也有员工编号。例如,在存取ERP系统时,可以给RPA一个单独账号。虽然这可能要多一份授权,但总归在既有的安全管控之下,机器人的操作均可被记录。

October 17, 2019 · 1 min · jiezi

大型金融服务集团RPA案例分享

美国某金融服务集团,总部位于宾夕法尼亚州匹兹堡,拥有52000名员工。集团主营个人和中小企业的金融服务业务,为超过19个州和华盛顿特区的600多万个人客户和中小企业客户提供存款、贷款、现金管理和投资服务等零售银行服务。十年前,该集团收购了某银行控股公司,并决定采用全企业的流程自动化服务。目前,集团通过部署RPA,在银行的多个业务线(LOB)中实现了50个业务流程自动化,并在RPA工作中拥有超过500万个自动化业务规则,不断改进业务和流程。 应用流程:房屋抵押、房屋净值贷款、分期贷款实施RPA前:1.集团将许多规则和策略硬编码到Java和Microsoft .NET程序中,使得它们极难修改。2.业务部门要兼顾多个领域的政策法规,包括商业和企业银行领域以及医疗保险等。3.员工不得不100%审查封闭式贷款,耗时费力。实施RPA后:1.RPA机器人代替人工手动操作枯燥重复的数据录入,提高业务效率,缩短了业务处理时间。2.部署RPA无需更改或升级银行内部现有的核心IT基础架构,而是以“外挂”的形式存在于应用程序外部。3.RPA模块资源库里会预先设有常用的模块,员工直接调用即可,无需自己写编程。4.RPA可提供业务流程管理功能,捕获有关流程指标,不断改进业务。5.RPA使银行更易遵守金融法规,最大限度减少人为失误,提高合规流程的质量。 成果:该金融服务集团通过部署RPA,自动处理了大部分个人贷款流程。员工只需审查特殊贷款(仅占总贷款的10%~20%),省去了80%以上的人工审查工作。业务能力和效率大大提升,集团无需增加员工,即可处理大量业务。

October 16, 2019 · 1 min · jiezi

RPA企业信息孤岛的克星

为了降本增效,近来世界范围内掀起一股流程优化的热潮,转型升级成为众多企业时刻挂在嘴边的热词。不过在企业数字化转型的过程中,信息孤岛的出现,往往成为了企业升级的绊脚石。 信息孤岛:数字时代企业之痛信息孤岛,又称“数据孤岛”,是广泛存在于每个企业中的一种信息隔离现象。随着企业信息化建设突飞猛进,企业管理职能精细划分,信息系统围绕不同的管理阶段和管理职能展开,如客户管理系统、生产系统、销售系统、采购系统、订单系统、仓储系统和财务系统等,所有数据被封存在各系统中,让完整的业务链上“孤岛林立”。信息的共享、反馈难,使企业无法适应当今快速多变、全球化竞争的市场环境,企业的生存和发展将面临极大的挑战。 如今,越来越多的企业已经意识到,实现流程优化升级,降低运营成本,并从信息和数据中获得更有价值的洞察,必须要打通“数据孤岛”。但另一方面,数据接口的高投入、难协调、长周期等特点,让众多企业望而却步。 RPA如何打通信息孤岛企业业务流程的良好运行,需要这些功能各异的系统或工具的来回切换与相互配合。如何实现这一过程的自动化运行?RPA则给出了答案。传统解决信息孤岛问题只有两种方式。一是统一双方数据对接;二是人力手工操作跨系统跨应用的数据维护。然而人力手工处理大量的数据从安全、效率、准确率的角度看都不是一个最好的选择。这个时候RPA就派上了用场。作为解决企业信息化“最后一公里”的推手,RPA担任起了打通企业信息烟囱,连接企业信息断点的职能。 RPA机器人可以像人类员工一样使用操作系统。RPA的工作原理是基于计算机操作系统的工作桌面。可以自动识别UI、从而完成预先设定的工作流程。它有能力启动和使用各种应用程序,包括打开电子邮件和附件、登录应用程序、移动文件和文件夹,甚至从网络(包括社交媒体)上抓取数据。RPA是基于既有的用户界面操作,部署周期快,并且不受制于底层IT基础设施。RPA可以实现所有的数据处理,包括数据的复制和粘贴、合并来自多个来源的数据、从文档中提取数据、向表单输入数据、运算、将数据提取并重新格式化为报告或仪表板。实现与企业原有工具的集成,读写数据库、连接到系统API。RPA能有效解决企业常见的信息资源管理系统(如ERP、CRM等)及办公软件(Excel、word等)集成难等问题,弥补系统之间的差距。相比于人力手工操作,更为安全、高效、精准,对数据传输的质量起到了更好的保障作用。RPA的出现,一定程度上解放了被困在各个系统孤岛上的人类。随着公司寻求新的业务效率,今后RPA市场将会更快地增长。据德勤的一份RPA调查报告显示,当前已有超过53%的大型企业开始实施 RPA。预计2020年,将有超过72%的大型企业使用RPA技术。对于越来越多的企业而言,RPA正在成为其自动化战略的根本部分。

October 14, 2019 · 1 min · jiezi

Infosys-EdgeVerve为科威特银行实施RPA

Al Ahli Bank of Kuwait与Infosys的子公司EdgeVerve Systems合作,利用AssistEdge机器人过程自动化(RPA)引领其自动化之旅。 AssistEdge是用于构建和实施RPA的端到端服务。它提供集成的软件机器人,可自动执行任何高触感,重复性过程。它用于现代化客户服务,改善业务流程并提高运营效率,它涵盖了整个自动化领域。科威特Al Ahli银行集团首席运营官Somnath Menon表示,“机器人过程自动化是ABK数字化战略的一部分,旨在向银行业的下一级创新和技术过渡.ABK与EdgeVerve合作,成功实施了RPA的关键运营和信息安全领域。我们继续扩大范围,包括其他领域,以提高效率,生产力,安全性和增强客户体验。自动化之旅将使我们能够将重复性任务迁移到数字化员工队伍,并重新培训员工以提供更多服务增值活动。“

October 14, 2019 · 1 min · jiezi

干货丨RPA邮件自动化技巧

文丨鄂攀 最近帮客户做了一个关于邮件处理的RPA项目,因为整个业务流程涉及的面比较多,实现起来确实需要考虑不少问题,所以特此做一下总结与分享。大概业务要点如下。关于客户的邮件流程全自动化,构想是希望通过无人值守的模式来对业务流程进行自动化处理,实现无人监管的模式。当有程序异常或者业务异常,再发送给相关IT人员和业务人员进行调整处理。业务流程处理的技术方式有两种:一种是通过网页前端页面的形式来获取发件人,标题,正文等内容进行判断处理;另一种方式是通过邮件协议的方式,后台来实现业务流程自动化。第一种前端页面的实现方式,是可视化方式,业务人员能够很直观的看到邮件在前端页面的展示方式。 但是存在一个问题,就是在处理的过程中一旦有新邮件进来,那么之前获取的Index在继续处理的时候,将会变成上一封邮件的内容。 唯一的处理办法就是处理之前关掉接受服务或者断网,但这对于公共邮箱来说,明显会产生不必要影响,所以此处能采取的就是第二种方式,邮件协议。 通过邮件协议的方式来满足此需求的话,大概需要以下邮箱功能的支持:1、邮件收件人的单发和群发2、邮件抄送与密送的获取和发送3、邮件接收时间和发送时间的获取4、邮件标题的获取与制作5、邮件正文的获取与制作6、邮件附件的数量获取7、邮件附件的名字获取8、邮件附件的添加和移除9、某个收件箱对象的获取10、邮件的删除和移动11、邮件正文HTML格式的设定12、收件箱邮件数量的获取所以需要对发出去的每一封邮件做标记ID,以致于他们回复的时候,知道这封邮件是需要处理的邮件,并且根据ID知道属于之前的哪一个数据源以及是不是最后一封需要收集的邮件,以做统计。 而此处ID采用时间码(精确到秒)来做标记,所以关联到另一个问题就是要做Log信息,以便于做信息回流来匹配ID,从而找到之前做数据源处理的所有关键信息。 当然,此处Log并非是RPA机器人运行时产生的日志文件,而是实现流程开发时,自己需要做的一个关键信息记录,不仅便于客户看到后,知道问题在哪,处理了哪些信息,也方便自己串联流程。 经测试,在此邮件全流程自动化中,考虑到所有的业务异常,集中处理完当天的业务大概只需要三分钟到八分钟的时间。而业务人员每天的碎片化时间集中起来大概需要花费三四个小时去专门处理此类繁琐的业务。

October 9, 2019 · 1 min · jiezi

小技巧大作用POC让业务流程与RPA高效融合

POC(Proof of concept),常译作“概念验证”,是企业部署RPA的必经环节。作为业界流行的针对客户具体应用的验证性测试,POC的关键特点即匹配用户真实的业务场景。根据客户对系统提出的需求和标准,在指定的业务场景,通过对编写好的脚本进行测试,以发现其局限性,帮助确保RPA机器人按预期工作,从而向企业证明系统可以实现某些功能,满足业务的基础需求。POC通常发生在企业正式部署RPA之前。通过POC,企业可根据自身业务需求或未来发展布局部署RPA,以实现降本增效,将更多的时间留给精细化管理和创新。POC的2种形式POC通常涉及两种形式:1、直接对选定产品进行POC测试。客户已经认定了某种产品,会直接选择这款产品进行POC测试。这种情况下的POC较为省事,客户能配合RPA实施方的要求,快速整理出业务需求。2、通过POC进行产品比对,选出最适合的产品。此种情况则相对复杂。由于客户不知该怎样去做相关的需求整理,这就要求RPA实施方亲自调研。一种较为理想的方式是,重现业务流程,并用视频录制,再配以语音讲解。在文档方面,实施方需先于客户环境下,做个简单且图文标配的SOP(标准化操作流程)文档,为后期做细节准备。前期文档准备通常也分为两种:SOP和BRD(业务需求文档)。两种只选其一即可。评估RPA应用可行性文档梳理完毕后,需要评估实施RPA是否可行。在大多数规则固定的情况下,不考虑公司内部信息安全因素,RPA的实施基本都是可行的。可在该前提下考虑验证性方案。那么,什么情况下没有可验证性的需要?第一,异常情况无法全部覆盖,其他情况下无法进行灵活导向。第二,时间的考虑,方案在白天和夜晚时间段的干扰因素会有所不同,无法进行精准判断,需要人工参与决策,也会有一些其他因素无法验证。 实施POC的小技巧实施POC其实是为了更好地部署RPA。因此在部署初期:1、应挑选那些有固定规则、逻辑性强,不需要人工参与,又有大量高度重复的场景进行POC。这样便于客户快速看到成果,由点及面能快速扩展开来。2、制定方案,首要确定最有可能看到具有积极业务影响的流程。通过ROI(投资回报)分析,挑选最优选择,确保提升实现业务流程现代化的可能性,从而部署后获得最大价值。3、必须要考虑RPA部署后的可维护性,这是重要测试指标之一。RPA部署必须具备较强的可维护性,RPA操作脚本必须具备参数化调整,同时还必须提供模块化组件,确保在系统调整时候能够快速响应,易于维护。4、慎重考虑供应商是否有合理丰富的安全机制,可以保证RPA部署后的系统安全性。

October 8, 2019 · 1 min · jiezi

ROS安装教程Ubuntu1804ROS-melodic

本教程主要是演示如何安装ROS,所使用的系统是Ubuntu 18.04。 以下分为三部分: 更改apt源按照ROS官网给出的安装教程进行安装测试是否安装成功1. 更改apt源百度搜索清华源,然后单击页面右下角的使用帮助,然后划到最下面找到ubuntu,此时页面如图: 然后我们将编辑框中的文字复制,按下Ctrl+Alt+T打开终端,在终端下输入sudo gedit /etc/apt/sources.list打开sources.list文件,删除文件内容,并将刚才复制的内容粘贴进去,然后在终端下输入sudo apt-get update。 2. 按照ROS官网给出的安装教程进行安装然后我们打开ROS安装教程,选择Ubuntu,等待页面加载完成后就可以按照步骤来完成安装。 步骤1.1我没有进行1.1步骤,但最后也是安装成功了。 步骤1.2在这一步要点击Mirror链接,进入后选择一个国内的源,防止更新速度太慢。我选择了USTC这个源。 步骤1.3~1.7在完成步骤1.2之后,步骤1.3~1.7只需要按照页面指导进行完成即可,不过要注意的是有可能因为网络原因更新速度较慢,可以尝试使用手机热点来改善。 3. 测试是否安装成功在完成步骤1.1~1.7之后,如果没有出现其它问题,那么正常来说,你已经成功安装了ROS,下面我们运行一个简单的程序来测试ROS是否安装成功。 打开一个终端在终端下输入roscore,这句命令主要是启动ros的核心程序。 然后再新建一个终端,输入rosrun turtle_sim turtlesim_node。 如果成功弹出了以上的窗口。祝贺你!证明你已经成功安装了ROS。 视频ROS安装教程 以上的安装过程我录制了一个视频,如果只看文字还不明白的话,可以对照着视频进行安装。

October 4, 2019 · 1 min · jiezi

ROS编写第一个发布器Publisher

在上一篇文章中我们安装好了ROS环境。本篇文章我们将熟悉ROS中的一些概念(Concept),并尝试使用C++来实现一个发布器(Publisher)和一个订阅器(Subscriber)。 该文章是个人学习ROS的过程记录,参考的书是中文版《ROS机器人编程:原理与应用》,英文版为A Systematic Approach to Learning Robot Programming with ROS,该书代码托管在作者wsnewman的github上,感谢作者的辛苦付出。 该篇文章分为以下几个部分: ROS概念在ROS中实现一个发布器运行你的发布器1. ROS我仅仅列举了几个本篇文章将会涉及到的概念,这些概念的定义来源于ROS Wiki,有兴趣可以进一步深入了解。 1.1 ROS 文件系统主要是介绍在ROS中的文件组织方式,类似于Python中包(Package)的文件组织形式。 Packages: ROS包是ROS中程序的主要组织单元,在一个包中可能包含一系列相关的节点(nodes),ROS依赖库,配置文件等等。ROS包是你可以编译及发行的最小单元了,大部分时候你执行编译操作时便是在编译包。Package.xml: 主要是用来描述包,提供关于包的一些信息,包括包名称,版本,简述,版权信息,依赖等等。消息类型:对话题(topic)中的消息进行定义,以便发布器/订阅器都能正确编码/解码字节流。1.2 ROS概念节点(Nodes): 节点就是可执行文件,该可执行文件可能是你使用roscpp或者rospy创建的。Master: 在上一篇文章中我们运行过命令roscore该命令的作用之一就是启动ROS Master,Master主要是提供名称注册与解析,以便每个节点可以通过名称来找到另外的节点。消息(message):节点通过消息来完成彼此之间的交流,消息是一个类似于struct的数据结构,其中可能包含几个字段。举个例子:在路径/opt/share/melodic/share/std_msgs/msg(如果你是像我上篇文章中那样安装的)中,你可以看到许多的消息定义,打开一个比如说ColorRGBA.msg,内容如下: float32 r;float32 g;float32 b;float32 a;话题(topic): 话题由话题名(topic name)表示,你可以把它想象为一个邮箱,发布器认为我只需要把消息投放到邮箱里就行了,而订阅器认为我只需要去这个邮箱拿消息就行了,因为节点交流的本质是传递消息,话题只是指明一个双方约定好的交流路径。整个过程可以如下的图来表示2. 在ROS中实现一个发布器2.1 创建工作区和包在编写ROS程序之前,首先要建议一个ROS工作区,之后的编写工作都将在该工作区下进行,工作区有一定的格式,你可以选择在你的home目录下创建,依次输入以下几行命令 mkdir -p ~/catkin_ws/src # 创建工作区cd ~/catkin_ws/src # 进入工作区# catkin_create_pkg package_name(包名称) dependencies(依赖)catkin_create_pkg my_minimal_node roscpp std_msgs #新建一个ROS包 创建完成以后,我们可以看到在目录my_minimal_node下多了两个文件(package.xml ,CMakeLists.txt)和两个文件夹(src, include)。 其中的package.xml便是之前提到的ROS包配置文件,描述关于包的信息。CMakeLists.txt是用来配置编译过程,这是本篇文章所主要使用的两个文件。 2.2 修改package.xml首先我们来修改package.xml,在编辑器中打开该文件,可以看到文件中包含了大量的注释,这些注释都是来指导你该如何书写该文件。 一般说来我们应该包括<name>,<version>,<description>,<maintanner>,<license>,<author>,<build_depend>,<build_export_depend>, <exec_depend>便可以了,这部分大家可以按照自己的信息进行修改。 修改后的package.xml类似于下面的内容,当然你也可以不修改,对于这一篇内容来说,这无关紧要。 <?xml version="1.0"?><package format="2"> <name>my_minimal_node</name> <version>0.1.0</version> <description>The my_minimal_node package</description> <maintainer email="gnc@todo.todo">gnc</maintainer> <license>MIT</license> <author email="sharku">Jane Doe</author> <buildtool_depend>catkin</buildtool_depend> <build_depend>roscpp</build_depend> <build_depend>std_msgs</build_depend> <build_export_depend>roscpp</build_export_depend> <build_export_depend>std_msgs</build_export_depend> <exec_depend>roscpp</exec_depend> <exec_depend>std_msgs</exec_depend></package>2.3 编写第一个简单的ROS程序-发布器进入到目录~/catkin_ws/src/my_minimal_node/下,在该目录下的src文件夹创建minimal_publisher.cpp,内容如下,代码内容也可以在文章最开始给出的github中找到。 ...

October 4, 2019 · 2 min · jiezi

ROS编写第一个订阅器Subscriber

在上一篇文章中,我们实现了第一个ROS程序—发布器(publisher),然而在上一篇文章的最后我们也注意到,尽管我们的程序非常小,但占据的CPU资源却非常多。 这是因为在发布器的while循环里没有执行必要的sleep操作,使得发布器一直以最高速率运行,长时间占用CPU。 本篇文章分为以下两部分: 在发布器中加入sleep调用使发布器的频率稳定在1Hz实现一个订阅器(Subscriber)1. 发布器加入sleep事实上,我们所需要做的只有两行工作,首先创建一个ros::Rate对象,然后在while循环里调用该对象的.sleep()函数即可。 修改后完整的代码如下: #include <ros/ros.h>#include <std_msgs/Float64.h>int main(int argc, char **argv) { ros::init(argc, argv, "minimal_publisher"); // 初始化节点名 ros::NodeHandle n; // // ++++ ros::Rate s_timer(1.0); // 参数1.0代表发布频率即1.0Hz // ++++ ros::Publisher my_publisher_object = n.advertise<std_msgs::Float64>("topic1", 1); // 创建一个发布器,调用advertise通知ROS Master话题名称以及话题类型 //"topic1" 是话题名 // 参数 "1" 是queue_size,表示缓冲区大小 std_msgs::Float64 input_float; // 创建一个发布器将要使用的消息变量 // 该消息定义在: /opt/ros/indigo/share/std_msgs // 在ROS中发布的消息都应该提前定义,以便订阅者接收到消息后该如何解读 // Float64消息的定义如下,其中包含一个数据字段data: // float64 data input_float.data = 0.0; // 设置数据字段 // 程序所要做的工作将在下面的循环里完成 while (ros::ok()) { // 该循环没有sleep,因此将一直处于运行状态,不断消耗CPU资源 input_float.data = input_float.data + 0.001; //每循环一次+0.01 my_publisher_object.publish(input_float); // 发布消息到对应的话题 // ++++ s_timer.sleep(); // 在这里调用sleep函数可以让程序在这里 // 停止一段时间以便达到要求的发布频率 // ++++ }}将修改后的发布器重新进行编译,然后按照和上篇文章一样依次运行: ...

October 4, 2019 · 1 min · jiezi

一文看懂FSSC与RPA的关系

FSSC和RPA皆应用于财务领域,都可促进财务转型。提到FSSC总是离不开RPA。那么,二者之间究竟有何关系?什么是FSSC? FSSC是财务共享服务中心(Finance Shared Service Center)的简称。它作为一种新的财务管理模式,已在许多跨国公司和国内大型企业中得到推广应用。众所周知,大型企业组织机构众多,业务类型复杂,数据处理量大,核算检查项目多,人工处理效率低下。而大量重复乏味的操作,更是让财务人员叫苦不迭。设立财务共享服务中心(FSSC),可以将不同主体、不同地点的重复性高、技术含量低、易标准化的财务业务,通过人员、技术、流程的有效整合,实现标准化和流程化,从而解决大型企业财务职能建设中重复投入和效率低下的弊端。据统计,目前,全球500强企业中超过90%的企业已建立起财务共享服务中心。埃森哲在欧洲的调查也显示,30多家在欧洲建立FSSC的跨国公司,平均降低了30%的财务运作成本。什么是RPA?RPA(Robotic Process Automation),即“机器人流程自动化”。它可依据预先设定的程序,由软件机器人代替人工执行大批量、可重复性的操作任务,以实现流程自动化。RPA应用于财务领域,可针对财务业务内容和流程特点,以自动化代替人工手动操作,辅助财务人员完成大量重复、枯燥、单一的基础业务,从而优化财务流程,提高业务处理效率和质量,减少财务合规风险。 二者关系:简而言之,RPA财务机器人是“点”,是财务流程节点上的自动化应用。而财务共享服务中心(FSSC)是“面”,是财务流程的重构与优化。RPA可显著提高财务的精确度和事务处理效率,适用于规则清晰的重复性流程。而在FSSC的各个流程环节中,有大量重复、机械的任务,这些耗费人力的工作可由RPA财务机器人完成,实现“点”的自动化,提升数字化程度,进一步优化FSSC的流程和模式。一方面,财务共享服务中心(FSSC)产生流程与规则,为RPA财务机器人的应用提供良好的运行基础和实施环境。另一方面,RPA财务机器人的应用,又能将财务人员从大量、重复、机械的工作中解放出来,得以从事更具价值和创造性的工作,从而大大提升财务共享服务中心(FSSC)的服务能力和服务质量。

September 20, 2019 · 1 min · jiezi

RPA助力律师行业提效

在RPA工作场景应用上,我们更常听到的可能是财务、银行、保险等行业。其实,除了这些,法律团队借助RPA增强业务处理能力的案例也十分典型。法律专业人士需要提供快速而有效的法律建议,跟上谈判和签订合同的快节奏。但与此同时,他们还需要降低代理、交易、监控、监管、合规等方面带来的成本。简而言之,无论是内部法律顾问还是外部法律顾问,法律团队都需要在他们及其客户的组织中促进“自动化优先”的思维方式。 法律团队如何既能跟上时代要求,同时引领这种转变。法律行业无法通过雇佣更多的人来解决现在面临的困境,因此,领导必须要有自动化优先思维。RPA机器人可以从增强法律部门的技能开始,助力法律行业在提高效率的同时,提供更好的法律服务。 客户通过学习如何分析自动化潜力的过程,并学习如何搭建他们的第一个RPA机器人。我们的法律顾问都接受过商业分析师课程的培训,他们如今能够将自己的法律实践经验运用到理解、分析和训练自己的机器人上,这些机器人已经成为了他们值得信赖的数字化伙伴。 可视化开发环境是RPA最大的特性之一,即使是非技术人员也能上手操作,同时还可以帮助他们改进自己的机器人。面对更复杂的流程自动化环境,它还可以帮助非技术人员与组织内部更专业的RPA开发人员展开合作。 在不到一年的时间里,很多世界五百强企业内部法律团队和开发人员就创建了一个又一个面向整个部门的机器人数字助理。如今,很多企业法律团队可以专注于他们最擅长的事情:提供复杂的法律建议和战略法律思维。以下是我们能够构建的机器人的几个示例: 出口管制机器人: 降低业务风险并提高法律生产力。 自动验证确认希望进行业务往来的组织是否名列各政府机构的受制裁方列表中。 监管机器人: 建立个性化的监管变化摘要。 自动监测和欧盟(EU)议会每日摘要、欧盟委员会和美国法律监管要求数据库与IT行业相关的变更。 利益冲突机器人: 自动对利益冲突进行披露和验证。 创建一个可搜索的内部数据库。 将识别冲突所需的时间从几周减少到即时。 GDPR机器人: 对与GDPR相关的客户请求进行自动化,以审查公司存储的个人信息。 通过检查多个数据库中的用户数据降低重大处罚的风险。 合同机器人: 自动识别需要法务审查的协议。 接受或拒绝标准模板和通用条款的更改。 允许法律部门现在专注于审查和协商更复杂的合同。 文件检索机器人: 自动备份法律文档,改进审计跟踪和管理签名权限。 帮助汇报,批准签名权,以及在存储库之间迁移已执行的文档。 机器人律师: 法律调查聊天机器人,通过电子邮件回应常见的、反复出现的法律调查,从提出的问题中提取意图,并实时、全天候提供答案。 解放法律顾问,让他们能够专注于更复杂的问题和更多的战略要求。德勤估计,到明年,律师事务所将面临新人才战略的“转折点”。到2025年,技术发展步伐的加快,劳动力人口结构的变化,以及为客户提供更多物有所值的需求,将迫使法律专业发生深刻变革。现在是法律专业采用自动化优先方法的最佳时机。有了它,法律团队可以提高准确性和生产力,同时提高工作满意度。通过对平凡的任务进行自动化,法律专业人员可以获得宝贵的时间,从而从事更具创造性和战略性的工作。

September 20, 2019 · 1 min · jiezi

RPA数字经济新催化剂

据甫瀚和ESI ThoughtLab联合推出的全球RPA调查报告显示,在RPA软件的开发与应用上,全球公司平均每年将为此花费高于500万美元。其中超过30%的公司每年在RPA上的投资甚至高达1000万至2000万美元。RPA缘何能如此深受全球公司的青睐?主要源自其实用的功能应用。RPA的五大“绝招”RPA的功能开发较为完善,总体来说可以实现如下五大功能:1、数据检索与记录RPA可以跨系统进行数据检索、迁移以及输入。例如,RPA可以通过多个财务系统和报告收集数据,完成财务报告的基本数据整理工作。RPA可以自动下载每个账户的银行对账单,并且自动将余额、交易的调整输入核心财务系统当中。2、平台上传与下载RPA按照预先设计的路径上传和下载数据,完成数据流的自动接收与输出。例如RPA可以自动收取邮件,将企业的标准化日记账自动发送至ERP系统当中。3、图像识别与处理RPA可以通过OCR识别信息、访问不同站点获取信息,并且可以在此基础上审查和分析文字。4、数据加工与分析包括数据检查、数据筛选、数据计算、数据整理、数据校验;例如,在企业账户对账方面,RPA可以对账户的异常数据进行验证,并做基础研究;自动下载企业详细的月度销售数据并基于规则计算佣金;根据客户合同和预先批准的价格表进行自动化定价的审查。5、信息监控与产出RPA可以基于模拟人类判断,实现工作流分配、标准报告出具、基于明确规则决策、自动信息通知等功能。 RPA应用场景:全行业“通吃”RPA实现这五大功能,主要是建立在三部分的运作原理上:机器人控制器、业务用户、应用程序。程序开发人员制定详细的指令并发布到机器人控制器上;机器人控制器给各个机器人分配任务、监视RPA活动;业务用户通过控制器检查并处理异常信息;机器人在虚拟或者实体电脑中与各类应用程序进行操作交互。通过这五大“绝招”,如今RPA已在众多领域大显身手。RPA助益包括财务、采购、信息技术、税务、供应链、人力资源和客户服务等在内的多个职能领域。其他行业领域也能采用RPA,如金融、保险、零售、汽车制造、旅游、电信以及医疗保健等行业。在医疗行业,RPA可以被用于数据写入、病人日程安排表、索赔处理等方面,根除病例上的人工纰漏;在水、电、气等领域的企业,RPA可以代替人工完成大量业务,如读取计量表、账单受理、支付受理等。在银行领域,RPA机器人可以在营业网点完成顾客接待指引、业务咨询解答、金融产品促销等工作。在财务领域,RPA可以完成包括应收与应付账款处理、关联公司对账、账户对账、银行对账、标准化日记账、财务监管、市场预测与分析等诸多方面的工作。

September 19, 2019 · 1 min · jiezi

随着RPA的发展人类将越来越多地退居二线

机器人过程自动化(RPA)行业在过去一年中激增,一些领先的参与者 – 如UiPath,Automation Anywhere和Blue Prism – 增长速度远远超过预期。在本月的2019变换中,Lightspeed Venture Partners的创始人Guru Chahal 和Basis Set Ventures的首席执行官Lan Xuezhao 将这种兴奋归因于第二波RPA能力。随着RPA的发展,人类将越来越多地退居二线“我们现在看到的是第一代自动化已经发挥作用,”Chahal说。现在,RPA开始使五到十年前无法实现的自动化成为可能。例如,机器学习可以解释图像并将其分类为过程的一部分。“今天在计算机视觉,NLP理解,整体机器学习和深度学习以及其他技术方面有一些基本构建模块可以实现更大的自动化,”他说。 RPA的三个阶段 这些新型的人工智能功能正在逐步走出实验室并投入生产,而查哈尔认为公司能够实现自动化更多业务。“最大的变化是,那就是理论; 现在有证据点。这些公司不只是筹集大量资金; 他们赚 了很多钱。“第一波RPA要求流程专家了解哪些流程可以自动化,以及编写机器人脚本的特殊编码技能。这是目前许多RPA解决方案正在创造收入的地方。 下一代RPA涉及使用自动化来确定哪些流程可以通过更好的流程发现功能实现自动化。例如,Lightspeed投资了FortressIQ,它使用机器学习来解释员工与应用程序的交互方式。这将使企业更容易确定自动化的优先级,并可以在进一步加速企业中其他RPA功能的部署方面发挥作用。Chahal声称,我们正处于第二阶段的开始阶段,但第三阶段正在逼近。Chahal和Xuezhao都认为它将比以往任何时候都更少参与人类活动。 学昭对这些早期阶段和未来的第三阶段进行了区分。“我们看到公司有两种增长方式,”她说,将前者视为更加横向,后者主要是纵向。在一个垂直导向的第三阶段,“你不是解决一个问题,而是实际建造一个机器人,它只能将底层堆栈解决到顶层堆栈 – 一切 – 并完全取代人类,”她说。“[在]两个方面,事情发生得相当快,并且迭代非常迅速。” Chahal回应了她的声明,并补充说虽然人们现在喜欢这一代RPA可以做的中间管道 – 人类决定什么自动化和自动化它然后人类在后端试图弄清楚它是否运作良好 – 具有很大的潜在价值在自动化整个管道。 超越硅谷 这种增长有一个地理因素。这部分是因为RPA固有地影响了传统行业 – 如农业,采矿业或制造业 – 这些行业的自动化程序已经成熟。“今天在传统的非技术性垂直领域吸收技术的渴望比以往任何时候都要大,”Chahal说。 学昭说,虽然她公司的大部分投资仍然流经加利福尼亚,但中西部和南部以及加拿大等地区也很普遍。“当我们谈论工厂自动化时,加利福尼亚州的工厂并不多,”她指出。“当企业家想要创办公司时,他们需要找到客户,迭代并构建他们的产品。自然景点在哪里?“例如,中西部地区是理想的选择。“我们在俄亥俄州有一家公司,负责焊接机器人。仅俄亥俄州,就焊接而言,是一个价值60亿美元的市场。“ 学昭和查哈尔都谈到了投资硅谷以外公司的其他优势,包括价格和人才,以及使用分布式团队的可能性。“人才越来越成为全球资源,”查哈尔说。“我们一直有这样的想法,即我们几乎需要在任何地方支持企业家和企业。” RPA市场在整个北美地区横向和纵向扩展,涉及各种传统行业。从长远来看,越来越多的人从这个过程中消失,同时水平和垂直增长,可能会导致新的RPA平台。

September 10, 2019 · 1 min · jiezi

基于价值与风险平衡的全球司库管理实操

随着人工智能、区块链、云计算、大数据和物联网等新技术的发展,财务管理工作更加趋向自动化、智能化和数字化。企业资金管理也已经从最开始的基础资金管理发展到资金集中管控。同时,为有效应对国内外金融市场变化,特别是人民币利率汇率定价机制的深度改革,企业需要通过全球司库管理来实现资金集中管理。基于价值与风险平衡的全球司库管理实操资金管理四阶段 笔者认为,从资金管理到司库管理至少要经过4个发展阶段。 1.0阶段,更加注重现金与流动性管理。设计更科学的账户管理架构和更高效安全的支付结算体系:构建资金池、票据池,从而发挥资金的规模效应;搭建资金集中结算及内部结算体系,提高现金周转率和现金使用效益,从而更好地实现资金流动性管理和更精准地预测企业现金流情况。 2.0阶段,更加注重营运资本管理和投融资管理。加强营运资金管理,实现低成本高效益的资本来源;利用供应链融资改善融资结构,平衡生产经营现金和投融资管理;做好信用评级和银行信用评估等。 3.0阶段,更加注重风险管理。包括市场风险、信用风险、流动性风险、操作风险、法律和税务风险等。要能提前预测风险并针对可能发生的风险采取有效的应对措施。 4.0阶段,更加注重智能决策与信息管理。制定良好的授权与决策机制,利用大数据进行多维分析预测,辅助管理层更好地进行战略决策。 目前很多企业的资金管理停留在1.0阶段,而管理信息化水平相对高的企业已实现资金可视可知可控、资金池资金集中结算。但做到这些还是不能满足企业的资金管理需求,企业需要通过全球司库管理来实现价值创造。 新趋势 放眼未来,司库的职能重心由现金管理逐渐转向投融资管理、风险管理,以及支持企业战略发展转变。这也要求司库管理的功能不断增强,风险管理更加主动务实:打造从“割裂”到“统一”的现金与流动性管理;开展从“激进”到“稳定”的投融资管理;做好从“供应商”到“合作伙伴”的银行关系管理;建设由“战术”到“战略”的决策支持与信息管理;搭建从“被动”到“主动”的风险管理体系。顺应以上发展需要,司库管理有以下四个方面的趋势: 趋势一 通过机器人等智能化系统工具提高现金管理效率,释放更多人力物力投入到战略决策支持等更高价值的事务中去。 人工智能和机器人技术的快速发展很有可能造成大规模失业。与其想自己的工作是否被抢走,不如通过学习新技术来操控机器人辅助我们更好地开展工作。在财务领域,机器人广泛应用于基于RPA的流程自动化。比如财务自动化、税务自动化、流程操作自动化、报表自动化生成、账单处理自动化、基于图像识别的自动化等几十项应用。可以说,RPA有效提高财务人员的工作效率,释放更多的人力资源投入到更高价值的战略决策支持中去。 趋势二 产业链视角的投融资管理——提高企业负债中无息负债的比例 ,“ 借鸡生蛋”。 众所周知,企业负债分为两类:一类是需要付息的,如银行贷款、应付债券等;另一类是不需要付息的,主要包括应付账款和预收款项等。在现代财务管理的词典里,负债和债务是不完全相同的两个词,前者包括企业所承担的所有义务,而后者仅指负债中带息的部分。在企业管理实务中,严格区分“负债”和“债务”对企业降低融资成本具有重要意义。 以房地产企业为例,房地产企业的负债资金有两个来源渠道:产业链融资和金融市场融资。产业链融资提供的是无息负债,包括来自上游供应商的资金(应付账款)、中游集团内部的资金(其他应付款)和下游客户的资金(预收款项)。这类资金相当于企业获得的“无息贷款”。金融市场融资提供的是带息负债,包括来自货币市场的银行资金(短期借款)以及资本市场的银行、债券资金(长期借款、应付债券)。这就是OPM战略,即充分利用无息贷款提高负债中无息负债的比例,充分利用别人的钱来赚钱,“借鸡生蛋”。IT业巨头戴尔公司就是OPM战略实践的典范,地产业的万科也是如此。 趋势三 双管齐下的融资风险管控—同时控制融资期限风险和融资成本风险,打造高而不危的融资结构。 企业的融资管理分为两个维度:融资效率和融资风险。企业融资管理的最佳目标应该是,融资效率最高、融资风险最低。企业如何在提高融资效率的同时,通过负债结构设计有效降低融资风险呢?融资效率可以用财务杠杆来衡量,即财务杠杆越高,融资效率越高。但是财务杠杆是一把双刃剑,高财务杠杆一方面对业绩有提升和撬动作用;另一方面也会提高企业资产负债率,导致融资风险上升。资产负债率是融资风险分析的起点,我们以资产负债率作为融资风险的衡量指标,从两个维度对融资风险进行分解:融资期限风险和融资成本风险。融资期限风险指的是融资与投资的匹配度风险,可用“融资期限风险敞口率”来度量。从负债期限角度进行分析,负债按照期限长短,可以分解为流动负债和非流动负债,相应地,资产负债率可以分解为资产流动负债率和资产非流动负债率。资产流动负债率还反映的是给企业带来短期偿债现金流压力的风险,即还本风险。负债按照是否带息,可以分解为带息负债和无息负债,相应地,资产负债率可以分解为资产带息负债率和资产无息负债率。资产带息负债率反映的是会吞噬企业利润率的风险,会给企业带来付息压力,即融资成本风险。综上所述,企业在融资风险管理过程中应双管齐下,同时控制融资期限风险和融资成本风险,打造高而不危的融资结构。 趋势四 数据上移、决策下移——搭建现金决策模型,利用大数据助力领导智能决策。 通过预算现金流和实际现金流数据,采用数理统计方法搭建现金决策模型,通过定性和定量的指标,预测融资缺口,并据此制定最优的融资方案。比如,年初预测全年融资缺口和融资方案,逐月滚动预测月度融资缺口,结合存量贷款合同,提供多种融资组合决策支持,针对关键因素指标进行多维分析和风险自动预警。 按照新趋势的发展需要,企业要做好全球司库管理,首先要理解全球司库管理体系。笔者将其分解为三个词,分别是全球、司库和管理体系。 什么是全球?第一,我们的服务对象包括全球的客户。第二,我们要有全球视角的产品,尤其是拓展金融业务的产品。第三,要具备全球一流的业务能力和管理能力。第四,要整合全球内外的资源,统筹全球化合作伙伴和金融机构。第五,要拥有支持全球业务的IT系统和管理团队。 什么是司库?司,就是掌握、评价和配置;库,就是各类金融资源,比如资金、资本、额度、政策、数据、伙伴等等。 什么是管理体系?既然成体系,就要有愿景有战略目标,也要有体系化的流程、制度、管理工具,还要有特定的组织、人才和激励措施,还要有一整套IT系统作支撑。

September 9, 2019 · 1 min · jiezi

IPA是RPA下一代发展方向和动力

全智能过程自动化包括五项关键技术。以下是如何使用它们来提高生产力和效率,降低运营风险并改善客户体验。 自2007-09财政危机以来,许多公司都采用精益管理来同时提高成本效率,客户满意度和员工敬业度,许多项目已经在所有方面都取得了实质性的影响。然而,数字化方面的进展更加不平衡。IPA是RPA下一代发展方向和动力例如,在保险业,2016年10月的FIS研究发现,99.6%的受访保险公司承认他们在实施数字创新方面遇到障碍,而80%的人认为他们需要数字化能力来应对业务挑战。2016年“insurtech”投资的蓬勃发展加剧了这一困难 – 自2015年以来,在111宗交易中筹资35亿美元。 随着宏观经济条件继续对各行业的利润率施加压力,成本生产率和释放新价值又回到了高级管理层议程的首位。问题是,还能做些什么? 这就是智能过程自动化(IPA)的用武之地。我们相信它将成为公司下一代运营模式的核心部分。许多行业的公司一直在试验IPA,结果令人印象深刻: 自动化50%至70%的任务。这已经转化为20%至35%的年度运行成本效率。并且直通过程时间减少了50%到60%。投资回报率通常为三位数百分比。承诺两位数甚至三位数同年回报的新技术应该被怀疑地看待。但我们的经验表明,如果高管认真考虑和理解机会的驱动因素并将其有效地与推动下一代运营模式的其他方法和能力相结合,那么IPA的承诺就是真实的。(有关这些方法和功能的更多信息,请阅读“ 数字世界的下一代运营模式。”) 什么是IPA?从本质上讲,IPA“将机器人带出人类。”IPA的核心是一系列新技术,它们将基本流程重新设计与机器人流程自动化和机器学习相结合。它是一套业务流程改进和下一代工具,通过删除重复,可复制和日常任务来帮助知识工作者。它可以通过简化交互和加快流程来从根本上改善客户旅程。 IPA模仿人类开展的活动,并随着时间的推移,学会更好地完成这些活动。由于深度学习和认知技术的进步,基于规则的自动化的传统杠杆通过决策能力得到增强。IPA的承诺是从根本上提高效率,提高员工绩效,降低运营风险,缩短响应时间和客户旅程体验。 IPA完全包含五项核心技术: 机器人过程自动化(RPA):一种软件自动化工具,可通过现有用户界面自动执行数据提取和清理等日常任务。机器人具有与人类相同的用户ID,可以执行基于规则的任务,例如访问电子邮件和系统,执行计算,创建文档和报告以及检查文件。RPA帮助一家大型保险合作社减少了每天影响2500个高风险账户的超额排队程序,从而释放了81%的FTE来承担主动的账户管理职位。智能工作流程:一种流程管理软件工具,集成了由人和机器组执行的任务(例如,通过坐在RPA之上来帮助管理流程)。这允许用户实时启动和跟踪端到端流程的状态; 该软件将管理不同组之间的切换,包括机器人和人类用户之间的切换,并提供有关瓶颈的统计数据。机器学习/高级分析:通过“监督”和“无监督”学习识别结构化数据中的模式的算法,例如日常性能数据。监督算法在开始基于新输入进行预测之前,从输入和输出的结构化数据集中学习。无监督算法观察结构化数据并开始提供有关已识别模式的见解。机器学习和高级分析可以成为保险公司的游戏规则改变者,例如,在提高合规性,降低成本结构以及从新见解中获得竞争优势的竞赛中。高级分析已经在领先的人力资源小组中得到广泛实施,以确定和评估领导者和管理者的关键属性,从而更好地预测行为,发展职业道路并规划领导力继承。自然语言生成(NLG):通过遵循将数据中的观察结果转换为散文的规则,在人与技术之间创建无缝交互的软件引擎。广播公司一直在使用自然语言生成来实时起草有关游戏的故事。结构化性能数据可以通过管道传输到自然语言引擎中,以自动编写内部和外部管理报告。NLG已被一家大型金融机构用于复制其每周管理报告。认知代理:结合机器学习和自然语言生成的技术,构建完全虚拟的劳动力(或“代理”),能够执行任务,沟通,学习数据集,甚至根据“情绪检测”做出决策。认知代理可用于通过电话或聊天(例如员工服务中心)为员工和客户提供支持。一家使用认知技术的英国汽车保险公司的转换率提高了22%,验证错误减少了40%,整体投资回报率达到330%。IPA在行动中会是什么样子?让我们来一家保险公司,人工索赔处理器从13个不同的系统中提取数据,以提供“一切照旧”的服务。 通过IPA,机器人可以取代手动点击(RPA),解释文本密集型通信(NLG),制定基于规则的决策,无需预编程(机器学习),为客户提供建议(认知代理),并提供真实的 – 跟踪系统和人员之间的切换(智能工作流程)。 IPA的价值虽然IPA接管了死记硬背的任务,但人类工作者可以专注于让客户满意,并思考组织外的新数据 – 如新闻,事件,社交媒体,嵌入式传感器和其他地方 – 如何帮助实现业务目标。 虽然实施完整的IPA套件可以带来全方位的好处,但公司可以通过个别元素快速释放重要价值。仅图RPA可以显着提高生产率,如图1所示。

September 8, 2019 · 1 min · jiezi

揭秘机器人和你对话时在想什么

阿里妹导读:为什么聊天机器人越来越普及?聊天机器人不仅可以节省时间,提升效率,还能一天24小时提供服务,更是可以减少误差。聊天机器人背后的问题原理是什么?效率如何提升?就是今天我们要了解的内容。本篇内容已被收录于ACL2019,希望对你有所帮助。1.背景在Chatbot整体解决方案中, 既有面向任务型的taskbot(诸如订机票、查天气等), 也有更偏向知识问答的qabot,而在客服场景下,最基础的类型也是这类。如果从知识库的形式来区分qabot,可以有 基于「文档」的doc-qabot、基于「知识图谱」的kg-qabot、基于「问答对」的faq-qabot等。我们这里重点关注的是最后一种faq-qabot(也简称faqbot), 这种形式的方案对用户而言易理解易维护,也是目前chatbot解决方案中不可缺的一部分。 faqbot就是将query匹配到一条「问答对」上,从技术的角度看,有两大类方法, 一是text classification, 二是text matching,它们各有适合的场景,前者适合咨询量大且比较稳定的faq,后者适合长尾或时常变化的faq。 店小蜜是我们提供给阿里平台商家的一套智能客服解决方案。在店小蜜中, 基于Faq的问答是个很基础的部分,我们在这个领域,在文本分类和文本匹配上进行了各方面的研究和实践, 在本篇中重点对文本匹配的基础模型进行介绍。 「文本匹配」是NLP方向的一个重要研究领域,有着悠久的历史,很多NLP任务都与此相关,比如 natual language inference、parahparase identification、answer selection等,都可以归结成「文本匹配」问题。 有很多人研究这个课题, 当前优秀的匹配模型有哪些?这些模型有什么异同?这些模型存在哪些问题?这些都是我们展开这个项目需要先分析和回答的问题。我们通过分析SNLI榜单上的模型,有几个结论: 优秀的匹配模型都可以归纳成embed-encode-interacte-aggregate-predict五个步骤, interact部分主要是做inter-sentence alignment;在interact步骤中的对齐操作,设计会比较复杂;而且很多模型只有一次interact步骤;也有些更深的模型结构,会做多次的inter-sentence alignment, 但因为较深的模型面临着梯度消失、难以训练的问题;不管是参数量还是响应时间,支撑像店小蜜这样对实时性能要求比较高的场景,都不是很理想。所以我们在设计的时候, 要求我们的模型在更少的参数量、更简洁的模型结构、更少的inference cost, 保证更容易训练、更适合部署到生产环境, 在这几个前提下, 我们也希望能借鉴深层网络的优势,让我们可以很方便地加深我们的网络层次, 让模型有更强的表达能力。 2.模型我们通过对学术界提出的各种模型,诸如Decomposable Attention Model、CAFE、DIIN等, 归纳总结,一个匹配模型的整体框架基本上有Embedding Layer、Encoder Layer、Interaction Layer、Aggregation Layer和Prediction Layer五层, 只是每一层都有不同的设计,我们实现一种可插拔的匹配模型框架, 每层都有一些典型的实现。 为了增强我们模型框架的表达能力, 我们将Encoder+Interaction Layer打包成一个Block, 通过堆叠多个Block, 通过多次的inter-sentence alignment,可以让我们的模型更充分地理解两句文本之间的匹配关系。 我们基于这种框架,通过大量试验得到一个模型结构RE2, 可以在各类公开数据集、和我们自己的业务数据上都能得到最优的结果,如下图所示。 RE2包括有N个Block, 多个Block的参数完全独立。在每个Block内有一个encoder产出contextual representation, 然后将encoder的输入和输出拼在一起,做inter-sentence alignment,之后通过fusion得到Block的输出。第i个Block的输出,会通过Augmented Residual Connection的方式与这个Block的输入进行融合, 作为第i+1个Block的输入。 下面我们详细介绍每个部分: 2.1 Augmented Residual Connection ...

August 19, 2019 · 2 min · jiezi

RPA赋能新零售加紧开辟新战场

零售行业如今正面临着比以往任何时候都更为严峻的挑战。据eMarketer的调查数据显示,预计到2020年全球零售业的市场规模将达到27.7万亿美元。随着市场规模的普遍增大,业务规模的快速增长,零售行业的业务流程开始变得纷繁复杂,其所涉及的交易数据量也将持续攀升。特别是近年商业环境的错综复杂,加之人力成本不断飙升,零售企业为此承受的压力徒增。为了解决日益陷入瓶颈的流程优化难题,满足更高的流程效率需求,很多零售企业开始选择了降本增效的新武器——RPA(机器人流程自动化)。 零售业有一半以上的流程将会RPA化无论是实体还是电子商务,零售行业通常遍布着大量繁琐、重复的人工流程。这些流程往往会耗费掉零售企业大量的时间,以及为可能出现的人工错误所承担的较大风险。企业的竞争力也将会为此受到影响。另外,包括CRM处理、供应链管理、销售分析、财务管理以及成本控制等在内的众多零售行业流程,都还具备较大的优化空间。麦肯锡的一份调查报告称,零售或快消品行业中,将有54%的工作可能实现自动化。这给RPA提供了极大的用武之地。选择RPA,将是零售业应对竞争压力的明智之举。 选择RPA的理由RPA致力于解决企业中普遍存在的大量、重复的固定业务流程。作为一种软件程序,RPA能够替代人工的手动操作(如键盘录入、鼠标点击及移动、系统的触发与调用等),出错率极低,并且永远不会休息。RPA在极大地提高现有工作效率的同时,将生产力提升到全新的高度。更重要的是,RPA是以一种“外挂”的方式存在,可以在不影响零售企业现有IT结构的情况下完成部署,成本较低,安全易用。RPA通过自身的技术优势,正在改变零售行业的游戏规则。RPA的出现,能够有效控制并改善商业流程,优化零售企业供应链,解决传统业务流程难以承受过高业务量等难题。为企业节省成本,提高生产力,增强客户体验。 RPA或将成为下一代零售业的标杆一些行业巨头,如亚马逊、阿里巴巴等早已开始应用RPA,来帮助自己提升效率,赢得竞争优势。苏宁近来也在力推RPA,积极拥抱数字零售生态系统。在供应链管理方面,RPA可以解决供应链成本计算中涉及到的员工手动计算众多账户流程。RPA机器人能够在Excel中处理与供应链相关的事务,并将处理后的数据直接回传到SAP系统中。RPA还会允许员工直接使用已经处理的数据计算成本,极大减少整个流程的手动工作和不准确性。在订单到收款方面,RPA机器人能够对电子订单或数字化纸质订单进行识别、输入,对有变更需求的订单进行变更。另外,RPA还可以根据订单信息,抓取销售开票数据并进行开票。待发票开具后,RPA还能将开票信息传递至相关业务人员,通知其进行发票寄送。在营销分析方面,RPA机器人可以根据用户规则,从系统中自动提取销售数据,并根据数据属性,予以分类。之后,RPA将分好类的数据按不同时间的整体营销情况,与上一时间的数据进行对比。得出详细数据后,RPA会自动出具报表,最终将数据报表自动发送至管理员邮箱。以上只是RPA应用于零售诸多流程的一小部分案例。目前,RPA还可广泛应用于零售业的物料和库存管理,以提升供应链库存水平的透明度。RPA应用于质量管理,以实现质量追溯、检验数据的共享。RPA应用于客户支持管理,方便客户的查询。RPA应用于人资管理,更好地进行员工的入职、离职管理,以及数据管理。作为零售及快消行业的未来,RPA平台在零售企业的落地速度将会进一步加快。零售商为了抓住下一波零售风口,也势必会将RPA纳入企业数字化转型的首选。

August 8, 2019 · 1 min · jiezi

今日黄历宜智能开房周到又优雅

七夕,如何与伴侣共度佳节,是很多人的难题。鲜花、巧克力、大餐、酒店,往往就是最经典的搭配。如何通过酒店这个途径,让两人得到独特而美妙的共处时光,AI 和机器人等技术,正在打造的智能酒店体验,能够帮助你做个体贴周到又优雅的最佳爱人。关键词:七夕 酒店智能 服务业 今天不是一个普通的周三。 但提醒我们佳节到来的,不是日历,而是铺天盖地的商业促销。 对于情侣,多数会选择在这样一个日子,从繁忙的工作中抽身出来,选择一个温馨的酒店,浪漫而诗意地休憩。 但想要避开拥挤的人群,在一个独特而舒适的酒店,表现出自己体贴用心的一面,也不是一件简单的事。 如果你还在考虑给心爱的 Ta ,带来一次难忘而美好的经历,可以了解一下如何结合当下的前沿科技,带来最惊喜的浪漫。 浪漫第一站 :选酒店不再纠结选什么酒店,真是令人头大。 风格,价格,位置,舒适度这些数据,仅仅是通过点评网站的抽象评分,往往是靠不住的。 而 AI 则能在这上面,为你量身打造出最好的选择,综合了多种数据维度的分析, AI 远比人为的规划要省时省力,也会根据你伴侣的数据,推出暖心的方案。 一家总部位于新加坡的旅游公司 Zumata,通过 IBM 的 AI 平台 Watson 认知系统,为客户筹划最具个性化的酒店。 比如你想在悉尼定一间奢华酒店套房,可以直接看见悉尼歌剧院,且带有室内泳池和免费 Wi-Fi。 只需直接输入「悉尼歌剧院,游泳,上网」,系统就能自动识别,为你提供相应酒店列表,以及关于这些酒店的介绍,和各个社交平台的用户评论等信息。 此外,Zumata 还能综合你的历史数据,作出针对性的推荐。还在怕不懂 Ta 的心意?将 Ta 提起多次的一些关键词,交给 AI ,没准就会让 Ta 心花怒放。 Zumata 还可以协助安排具体的客房服务、订车 目前,Zumata 的服务几乎覆盖全球,接入该系统的酒店多达 55 万家,并提供超 29 种语言的酒店描述、评论等文字信息。 Zumata 还提供智能代理帮助服务,如果遇到什么难题,比如打不着车、行李丢了、找不到路等,可以用你熟悉的语言在平台求助,智能代理可以实时响应并提供解决方案。这样约会就再也不会迟到了。 在 Ta 面前,优雅又有风度的考虑好一切,让 Zumata 妥善处理。 浪漫第二站:全站式机器人管家服务推荐入住只是第一步,想要惊喜到 Ta,还可以带她去这家酒店。 在这方面,霓虹国(日本)总是会带来惊喜。他们打造了世界上「第一家机器人酒店」,叫做奇怪饭店,结合了 AI 和机器人服务,推出特色的住宿服务。 某家分店里有恐龙机器人和美女机器人前台,基于自然语言处理,能够用四国语言协助入住办理 奇怪饭店在 2015 年开启,最初引进了 6 个种类共 82 具机器人。几乎实现了全程无人化服务。最让人称奇的,是取消前台的迎宾人员,取而代之的是恐龙机器人和高仿真的美女机器人。 ...

August 7, 2019 · 1 min · jiezi

IoT-SaaS加速器助力阿尔茨海默病人护理

场景介绍阿尔茨海默病,是导致中老年人认知功能障碍的最常见疾病之一,是发生在老年期及老年前期的一种原发性退行性脑病。据估计,全世界痴呆症患者数量为4700万,到2030年将达到7500万人。痴呆症患者数量到2050年预计将是现在的近三倍。疾病的高昂费用给卫生系统应对未来预计不断增加的病例构成挑战。据估计,目前每年的支出为8180亿美元,而支出的增长速度预计会比疾病流行率上升还要快。照料痴呆症患者给照护者带来巨大压力,包括身体上、情感上和经济上的压力。(by世界卫生组织) 用技术解决阿尔茨海默病护理的问题,让老人和其护理者有更好的生活质量,是我们可以解决的方法。基于物联网技术,已经有一些设备实现了阿尔茨海默病老人走失定位。但是我们要做更高一层,除了单独分发的硬件之外,我们要使用开发工具IoT Studio帮助医疗机构做一个硬件SaaS管理系统,让他们可以随时监控旗下所有阿尔兹海默护理设备的数据以及定位,对老人的情况实现实时监控。同时也有能力对掌控的设备进行增删改查,方便他们自己管理设备。通过IoT Studio赋能开发者,让他们帮助包括医疗在内的各个行业用上物联网技术,惠及百姓。 我们首先构建一个可以拍照,检测心跳的手环设备,然后基于这个设备帮助护理机构开发一个集合管理监控告警的SaaS系统。设备由一个可以检测心跳的光学模块,一个可以检测老人所在地场景的摄像头,一个GPS定位模块,一个物联网通讯模块(一般为GPRS),MCU和电源组成。云端由物联网平台为基础建立设备与云端通讯,配合RDS存储心跳&GPS数据,OSS存储图片数据,最后用IoT Studio的服务开发与Web可视化开发功能完成功能页面搭建。整个云端开发过程只需要2小时以内即可。 最终效果如图。 硬件部分在demo阶段,我们采用树莓派3B+摄像头+心跳模块+GPS+电池的方法,验证不同数据的上报方法以及数据存储链路。考虑简单化,联网暂时采用WIFI方法。如果觉得使用电路比较麻烦,也可以使用服务开发+虚拟设备上报的方式,具体查看这篇文档。 虽然带手环的老人不一样,但是每个手环上报的属性类别是一样的,我们可以类似编程开发里把它们归结为同一个类(class)。我们首先需要在物联网平台上为我们的demo手环建立一个设备类(即产品),这样我们才能在以后不断的往这个产品下实例化新的设备。进入阿里云物联网平台,在产品页面新建一个产品,选择自定义品类即可,命名为“阿尔茨海默氏症老人监控手环”。 进入产品的功能定义页,定义5个自定义功能——剩余电量,地理位置,心跳,图片地址(存放摄像机上传图片的URL)。 地理位置只需要在“添加功能”里用标准的功能即可,如图,其他全部配置项默认即可。 心跳为一个整型数据,剩余电量为浮点型数据,图片地址为字符型数据,如图。 在设备面板点击“添加设备”,选择刚才创建的手环产品,然后输入随意的设备名称即可。 IoT Studio为交付型业务做了项目维度的隔离,因此需要将用到的设备导入到对应的项目中。首先打开物联网平台的“开发服务”选项进入IoT Studio。点击某个项目名称的“查看”进入项目详情页。然后点击右上角的“导入产品”。选择刚才的手环产品,然后导入,可以在设备管理页看到产品以及下属的设备已经导入项目里。 这样就完成了产品的定义,实例化与项目维度的隔离了。 上云部分树莓派采用python编程,因此我们需要参考物联网平台的python SDK,同时开发者社区也有很多相关文章。在这里我们直接跳过。由于物联网平台的属性不支持直接存储图片,因此我们暂时使用oss进行存储。你也可以选择使用HTTP/2通道(已支持python SDK)将图片上传至物联网平台每个设备单独的存储空间,不过从该存储空间调用图片的URL需要动态生成,可以参考这篇文档。 OSS存储空间准备阿里云对象存储服务(Object Storage Service,简称 OSS),是阿里云提供的海量、安全、低成本、高可靠的云存储服务。您可以通过调用 API,在任何应用、任何时间、任何地点上传和下载数据,也可以通过 Web 控制台对数据进行简单的管理。OSS 适合存放任意类型的文件,适合各种网站、开发企业及开发者使用。 首先点击“立即开通”进入开通页面并点击同意协议。 然后进入控制台,新建一个Bucket,一个Bucket相当于一个文件夹,可以通过API路径访问里面的文件。在这里我们选择公共读写。 然后可以看到OSS控制台新建了一个bucket,里面是空的,我们可以尝试上传一些图片。 然后点击文件右方的操作项里的“复制文件URL”,把复制的URL粘贴到浏览器,看看能否预览。 可以看到通过URL访问我们就能看到图片了,这样OSS的配置就完成了。 考虑到Bucket的公共读写特性,安全性会有一定的问题,可以考虑将bucket私有化,然后图片上传的时候设置图片为公共读写,并采用时间戳加盐等方式将图片文件名随机化的方式解决。当然安全性上HTTP/2通道为更优方案。 树莓派代码树莓派的配置与连接在此不再赘述,可以在树莓派新建py文件,直接将此份代码复制过去,并且设置为开机执行,也可以参考这篇文档。代码如下(基于python 3.6),需要根据备注填入自己的账号信息,产品信息等: ##注意,本demo代码忽略了电池电量检测模块import aliyunsdkiotclient.AliyunIotMqttClient as iot ##导入阿里云的设备MQTT库,如果import失败需要先pip3 install 一下import jsonimport multiprocessingimport timeimport randomimport oss2 ##导入阿里云的OSS库,如果import失败需要先pip3 install oss2from picamera import PiCamera ##树莓派的摄像头,系统自带import RPi.GPIO as GPIO ##GPIO口,接红外PIR用import serialimport pynmea2from pulsesensor import Pulsesensor ##导入树莓派的pulsesensor库,https://github.com/tutRPi/Raspberry-Pi-Heartbeat-Pulse-Sensor/blob/master/example.pyauth = oss2.Auth('**AccessId*****','**AccessSecret*****') ##OSS的授权需要阿里云账号AccessId和AccessSecret,具体查看https://usercenter.console.aliyun.com/#/manage/akbucket = oss2.Bucket(auth,'http://oss-cn-beijing.aliyuncs.com','***你的bucket名称***') ##需要根据服务器区域修改节点路径,见文档global picURLtoIoTcamera = PiCamera()camera.resolution = (800,600) ##拍照分辨率,越高越容易分析,但是上次越慢GlobalBpm = 0 ##记录心跳数据Latitude = 0 ##记录GPS数据Longtitude = 0##初始化树莓派def init(): GPIO.setwarnings(False) GPIO.setmode(GPIO.BOARD) GPIO.setup(3, GPIO.IN) passdef take_photo(): ticks = int(time.time()) fileName = 'test%s.jpg' % ticks ##在文件名加入了时间戳作为简易加密手段 filePath = '/home/pi/Pictures/%s' % fileName camera.capture(filePath) bucket.put_object_from_file('bucket_file_name/%s', fileName) ##在这里改bucket名字 global picURLtoIoT picURLtoIoT = 'http://***你的bucket名称**.oss-cn-beijing.aliyuncs.com/bucket_file_name/%s' % fileName ##在这里改bucket名字和bucket内文件夹的名字 print(str(picURLtoIoT))def detect_Heartbeat(): p = Pulsesensor() p.startAsyncBPM() try: while True: bpm = p.BPM if bpm > 0: print("BPM: %d" % bpm) GlobalBpm = bpm; else: print("No Heartbeat found") time.sleep(1) except: p.stopAsyncBPM()def get_GPS(): ser = serial.Serial("/dev/ttyAMA0",9600) while True: line = ser.readline() if line.startswith('$GNRMC'): rmc = pynmea2.parse(line) print "Latitude: ", float(rmc.lat)/100 print "Longitude: ", float(rmc.lon)/100 Latitude = float(rmc.lat)/100 Longtitude = float(rmc.lon)/100 break options = { 'productKey':'**你的ProductKey**', 'deviceName':'**你的deviceName**', 'deviceSecret':'**你的deviceSecret**', 'port':1883, 'host':'iot-as-mqtt.cn-shanghai.aliyuncs.com' ##注意阿里云IoT国内都是华东2,不一定跟OSS的节点一致}host = options['productKey'] + '.' + options['host']def on_message(client, userdata, msg): topic = '/' + productKey + '/' + deviceName + '/update' print(msg.payload)def on_connect(client, userdata, flags_dict, rc): print("Connected with result code " + str(rc))def on_disconnect(client, userdata, flags_dict, rc): print("Disconnected.")##设备上报的定义def upload_device(client): topic = '/sys/'+options['productKey']+'/'+options['deviceName']+'/thing/event/property/post' while True: payload_json = { 'id': int(time.time()), 'params': { 'BPM': GlobalBpm, 'picURL': picURLtoIoT, 'Geo': { 'CoordinateSystem":1, 'Latitude':Latitdue, 'Longitude':Longtitude, 'Altitude':0 }, }, 'method': "thing.event.property.post" } print('send data to iot server: ' + str(payload_json)) client.publish(topic, payload=str(payload_json))if __name__ == '__main__': client = iot.getAliyunIotMqttClient(options['productKey'], options['deviceName'], options['deviceSecret'], secure_mode=3) client.on_connect = on_connect client.connect(host=host, port=options['port'], keepalive=60) p = multiprocessing.Process(target=upload_device, args=(client,)) p.start() get_GPS() detect_Heartbeat() take_photo() GPIO.cleanup() client.loop_forever()结束,把这个python文件设置为开机运行即可。 ...

June 24, 2019 · 3 min · jiezi

创建聊天机器人以协助网络操作

创建聊天机器人以协助网络操作来源 | 愿码(ChainDesk.CN)内容编辑愿码Slogan | 连接每个程序员的故事网站 | http://chaindesk.cn愿码愿景 | 打造全学科IT系统免费课程,助力小白用户、初级工程师0成本免费系统学习、低成本进阶,帮助BAT一线资深工程师成长并利用自身优势创造睡后收入。官方公众号 | 愿码 | 愿码服务号 | 区块链部落免费加入愿码全思维工程师社群 | 任一公众号回复“愿码”两个字获取入群二维码本文阅读时长:11min在本文中,我们将了解如何利用聊天机器人来协助网络操作。随着我们向智能化运营迈进,另一个需要关注的领域是移动性。有一个脚本可以执行配置,修复甚至故障排除,但它仍然需要存在来监视,启动甚至执行这些程序或脚本。诺基亚的MIKA是操作人员可以用来进行网络故障排除和修复的聊天机器人的一个很好的例子。根据诺基亚的博客,MIKA根据此单个网络的实际情况响应警报优先级信息,并将当前情况与此网络及其他网络过去事件的整个服务历史进行比较,以确定当前网络的最佳解决方案。让我们创建一个聊天机器人来协助网络运营。对于这个用例,我们将使用广泛使用的聊天应用程序Slack。参考Splunk的智能数据分析功能,我们会看到一些用户聊天与聊天机器人的交互,以获得对环境的一些了解。当我们部署了我们的Web框架时,我们将利用相同的框架与Slack聊天机器人进行交互,而后者又将与Splunk进行交互。它还可以直接与网络设备交互,因此我们可以启动一些复杂的聊天,例如在需要时从Slack重启路由器。这最终为工程师提供了移动性,他可以从任何地方(甚至是手机)处理任务,而不必绑定到某个位置或办公室。要创建聊天机器人,以下是基本步骤:在Slack上创建一个工作区(或帐户):在工作区中创建一个应用程序(在我们的例子中,我们创建了一个名为的应用程序mybot):以下是有关应用程序的基本信息(应用程序ID和客户端ID可以与唯一标识此应用程序的其他信息一起使用):为此应用程序添加bot功能:添加事件订阅并映射到将要发布消息的外部API。事件订阅是指某人在聊天中键入对聊天机器人的引用,然后将使用此聊天机器人与聊天中键入的数据调用哪个API:在这里,关键的一步是,一旦我们输入接受聊天消息的URL,就需要从Slack验证特定的URL。验证涉及API端点将相同的响应作为从Slack发送到该端点的字符串或JSON发回。如果我们收到相同的响应,Slack确认端点是可信的并将其标记为已验证。这是一次性过程,API URL中的任何更改都将导致重复此步骤。以下是Ops API框架中的 Python代码,它响应此特定查询:import falconimport jsondef on_get(self,req,resp): # Handles GET request resp.status=falcon.HTTP_200 # Default status resp.body=json.dumps({“Server is Up!”})def on_post(self,req,resp): # Handles POST Request print(“In post”) data=req.bounded_stream.read() try: # Authenticating end point to Slack data=json.loads(data)[“challenge”] # Default status resp.status=falcon.HTTP_200 # Send challenge string back as response resp.body=data except: # URL already verified resp.status=falcon.HTTP_200 resp.body=““这将验证,如果从Slack发送质询,它将回复相同的质询值,确认它是Slack通道发送聊天数据的正确端点。将此应用程序(或聊天机器人)安装到任何渠道(这类似于在群聊中添加用户):响应特定聊天消息的核心API框架代码执行以下操作:· 确认发送给Slack的任何帖子都会200在三秒内响应。如果没有这样做,Slack报告说: endpoint not reachable。· 确保从聊天机器人(不是来自任何真实用户)发送的任何消息再次不作为回复发回。这可以创建一个循环,因为从聊天机器人发送的消息将被视为Slack聊天中的新消息,并且它将再次发送到URL。这最终会使聊天无法使用,从而导致聊天中出现重复的消息。· 使用将被发送回Slack的令牌对响应进行身份验证,以确保来自Slack的响应来自经过身份验证的源。代码如下:import falconimport jsonimport requestsimport base64from splunkquery import runfrom splunk_alexa import alexafrom channel import channel_connect,set_dataclass Bot_BECJ82A3V(): def on_get(self,req,resp): # Handles GET request resp.status=falcon.HTTP_200 # Default status resp.body=json.dumps({“Server is Up!”}) def on_post(self,req,resp): # Handles POST Request print(“In post”) data=req.bounded_stream.read() try: bot_id=json.loads(data)[“event”][“bot_id”] if bot_id==“BECJ82A3V”: print(“Ignore message from same bot”) resp.status=falcon.HTTP_200 resp.body=”” return except: print(“Life goes on. . .”) try: # Authenticating end point to Slack data=json.loads(data)[“challenge”] # Default status resp.status=falcon.HTTP_200 # Send challenge string back as response resp.body=data except: # URL already verified resp.status=falcon.HTTP_200 resp.body="" print(data) data=json.loads(data) #Get the channel and data information channel=data[“event”][“channel”] text=data[“event”][“text”] # Authenticate Agent to access Slack endpoint token=“xoxp-xxxxxx” # Set parameters print(type(data)) print(text) set_data(channel,token,resp) # Process request and connect to slack channel channel_connect(text) return# falcon.API instance , callable from gunicornapp= falcon.API()# instantiate helloWorld classBot3V=Bot_BECJ82A3V()# map URL to helloWorld classapp.add_route("/slack",Bot3V)执行频道交互响应:此代码负责在聊天频道中解释使用chat-bot执行的特定聊天。此外,这将通过回复,特定用户或通道ID以及对Slack API的身份验证令牌进行响应,这确保了消息或回复Slack聊天的消息显示在特定频道上,从它发起的位置。作为示例,我们将使用聊天来加密或解密特定值。例如,如果我们写encrypt username[:]password,它将返回带有base64值的加密字符串。类似地,如果我们写,聊天机器人将在解密编码的字符串后返回。decrypt代码如下:import jsonimport requestsimport base64from splunk_alexa import alexachannl=““token=““resp=““def set_data(Channel,Token,Response): global channl,token,resp channl=Channel token=Token resp=Responsedef send_data(text):global channl,token,resprint(channl)resp = requests.post(“https://slack.com/api/chat.postMessage",data='{"channel":"'+channl+'","text":"'+text+'"}',headers={"Content-type": “application/json”,“Authorization”: “Bearer “+token},verify=False)def channel_connect(text):global channl,token,resptry: print(text)arg=text.split(’ ‘)print(str(arg))path=arg[0].lower()print(path in [“decode”,“encode”])if path in [“decode”,“encode”]:print(“deecode api”)else:result=alexa(arg,resp)text=““try:for i in result:print(i)print(str(i.values()))for j in i.values():print(j)text=text+’ ‘+j#print(j)if text==”” or text==None:text=“None"send_data(text)returnexcept:text=“None"send_data(text)returndecode=arg[1]except:print(“Please enter a string to decode”)text=” argument cannot be empty"send_data(text)returndeencode(arg,text)def deencode(arg,text):global channl,token,respdecode=arg[1]if arg[1]==’–help’:#print(“Sinput”)text=“encode/decode “send_data(text)returnif arg[0].lower()==“encode”:encoded=base64.b64encode(str.encode(decode))if ‘[:]’ in decode:text=“Encoded string: “+encoded.decode(‘utf-8’)send_data(text)returnelse:text=“sample string format username[:]password"send_data(text)returntry:creds=base64.b64decode(decode)creds=creds.decode(“utf-8”)except:print(“problem while decoding String”)text=“Error decoding the string. Check your encoded string.“send_data(text)returnif ‘[:]’ in str(creds):print(”[:] substring exists in the decoded base64 credentials”)# split based on the first match of “[:]“credentials = str(creds).split(’[:]’,1)username = str(credentials[0])password = str(credentials[1])status = ‘success’else:text=“encoded string is not in standard format, use username[:]password"send_data(text)print(“the encoded base64 is not in standard format username[:]password”)username = “Invalid"password = “Invalid"status = ‘failed’temp_dict = {}temp_dict[‘output’] = {‘username’:username,‘password’:password}temp_dict[‘status’] = statustemp_dict[‘identifier’] = ““temp_dict[’type’] = “"#result.append(temp_dict)print(temp_dict)text=” “+username+” “+passwordsend_data(text)print(resp.text)print(resp.status_code)return此代码查询Splunk实例以查找与聊天机器人的特定聊天。聊天会要求任何Loopback45当前关闭的管理界面()。另外,在聊天中,用户可以询问管理接口所在的所有路由器up。此英语响应将转换为Splunk查询,并根据Splunk的响应将状态返回到Slack聊天。让我们看看执行动作来响应结果的代码,对Slack聊天:from splunkquery import rundef alexa(data,resp): try: string=data.split(’ ‘) except: string=data search=’ ‘.join(string[0:-1]) param=string[-1] print(“param”+param) match_dict={0:“routers management interface”,1:“routers management loopback”} for no in range(2): print(match_dict[no].split(’ ‘)) print(search.split(’ ‘)) test=list(map(lambda x:x in search.split(’ ‘),match_dict[no].split(’ ‘))) print(test) print(no) if False in test: pass else: if no in [0,1]: if param.lower()==“up”: query=“search%20index%3D%22main%22%20earliest%3D0%20%7C%20dedup%20interface_name%2Crouter_name%20%7C%20where%20interface_name%3D%22Loopback45%22%20%20and%20interface_status%3D%22up%22%20%7C%20table%20router_name” elif param.lower()==“down”: query=“search%20index%3D%22main%22%20earliest%3D0%20%7C%20dedup%20interface_name%2Crouter_name%20%7C%20where%20interface_name%3D%22Loopback45%22%20%20and%20interface_status%21%3D%22up%22%20%7C%20table%20router_name” else: return “None” result=run(query,resp) return result以下Splunk查询获取状态:· 对于UP接口:查询如下:index=“main” earliest=0 | dedup interface_name,router_name | where interface_name=“Loopback45” and interface_status=“up” | table router_name· 对于DOWN接口(除了以外的任何状态):查询如下:index=“main” earliest=0 | dedup interface_name,router_name | where interface_name=“Loopback45” and interface_status!=“up” | table router_name让我们看看聊天机器人聊天的最终结果以及根据聊天记录发回的响应。编码/解码示例如下:正如我们在这里看到的,我们发送了一条encode abhishek[:]password123 消息聊天。此聊天作为POST请求发送到API,后者又将其加密到base64并使用添加的单词作为回复。在下一个聊天中,我们使用decode选项传递相同的字符串。这会通过解码来自API函数的信息进行响应,并使用用户名和密码回复Slack聊天。Encoded string: abhishekpassword123让我们看一下Splunk查询聊天的示例:在此查询中,我们已关闭 Loopback45 接口rtr1。在我们通过Python脚本计划发现这些接口的过程中 ,数据现在位于Splunk中。当查询哪个管理接口(Loopback45)关闭时,它将回复rtr1。松弛的聊天,On which routers the management interface is down会将此传递给API,在收到此有效负载后,它将运行Splunk查询以获取统计信息。返回值(在本例中为rtr1)将作为聊天中的响应返回。类似地,中,反向查询On which routers the management interface is up,将查询的Splunk和最终共享回响应rtr2,rtr3和rtr4(因为所有这些路由器接口是UP)。可以扩展此聊天用例,以确保使用简单聊天可以进行完整的端到端故障排除。可以使用各种后端功能构建大量案例,从问题的基本识别到复杂任务,例如基于已识别情况的补救。 ...

April 10, 2019 · 3 min · jiezi

阿里小二的日常工作要被TA们“接管”了!

昨天有人偷偷告诉我说阿里巴巴其实是一家科技公司!我想了整整一夜究竟是谁走漏了风声那么重点来了,阿里到底是如何在内部的办公、生活中,玩转“黑科技”的呢?AI取名:给你专属的“武侠”花名花名是阿里巴巴独特的文化,也是阿里员工独一无二的“身份”。在2018年云栖大会企业智能的展台上,每个参观者都拥有了一个自己的花名。特别的是,这个花名是AI机器人帮你取的。AI机器人会根据使用人的姓名、性别、偏好习惯,以及古诗词与武侠小说的典故等,生成一个花名。据说现在有超过一半的阿里新人在入职时就用的是AI推荐的花名。智慧法务:AI识别、审核法务文书阿里员工自研的文书智能审查系统,平均准确率达到94%以上。它不仅能自动提取合同、协议中的关键信息,还能在1秒内对上述文书内容、形式进行审查,发现问题并给出修改意见。在阿里,目前已经运用到法务同学的日常工作中。此外,法律文书AI 智能识别系统,还能在20秒内完成文书的识别和解析。目前80%非手写文书结构化识别率达到90%以上。机器人工厂:1分钟搭建机器人创建机器人听上去离普通人很遥远,但在阿里却是件很简单的事。在阿里自研的机器人配置平台“机器人工厂”中,不需要具备工程和算法知识,通过界面上简单的输入,即可配出自己的专属机器人。ALIBABANLP:语言分析了解一下机器是如何学习语言的?正在演示句法分析的ALIBABANLP,构建了阿里巴巴自然语言基础技术体系,提供包括分词、词性、实体、语言模型等多个算法模块。不同于以往语言技术服务一对一和完全定制化的低效开发方式,ALIBABANLP实现了业务、平台、算法三者的轻耦合及各自的专注发展。目前在搜索推荐、广告、金融、客服、娱乐、安全等国内及国际300多种业务场景广泛使用,每天9000+亿次API调用。MaxCompute:双11背后的数据核武器提供大数据计算服务的MaxCompute,支持着阿里集团几乎99%的数据存储以及95%的计算,是历年双11背后的核武器。2018年双11,MaxCompute单日处理超过600PB,平稳支撑电商混布单元在线流量洪峰12万笔/s交易,稳定承载45%导购流量,为双11交易峰值提供了有力保障和平滑支撑。为云上各行业客户提供快速、完全托管的,从GB到EB级的数据仓库解决方案,帮助企业快速、经济高效地分析处理海量数据。在阿里巴巴,所有的运营小二、数据科学家、数据工程师的工作都离不开它;Dataworks:所见即所得的数据开发Dataworks是“所见即所得”的一站式数据智能云研发平台,它以all in one box的方式,提供数据开发、算法开发、数据服务、数据治理、数据应用等全链路数据研发服务,支持千万级任务流批配合全局调度,核心通路自动识别监控,任意数据一键集成和全面系统的权限监控隔离。经过集团内9年发展,公共云5年锤炼,DataWorks目前已面向全球16个国家和地区提供服务。宜搭:轻松搭建应用不用写代码,低成本就可以“开发”一款应用?通过宜搭只需要通过简单的组件拖拽与配置,就能完成业务应用的搭建。同时,搭建的应用数据可以直接生成可供分析的数据集,方便团队或个人随时进行数据管理、分析及共享。Alibaba ICS Design:共同设计协作so easyAlibaba ICS Design 为心怀梦想的团队提供智能、创意、无缝衔接的设计协作平台。在这里,设计文件不仅能实时存储与共享,文件上还可以进行标注与投屏,方便不同分工的同学能快速协作。*看过了这么多高科技产品是不是对这家公司更感兴趣了呢?想要了解更多阿里办公黑科技记得关注我们“阿里企业智能”哦~本文作者:隐林阅读原文本文为云栖社区原创内容,未经允许不得转载。

April 1, 2019 · 1 min · jiezi

一文纵览自然语言生成的发展

摘要: 从马尔科夫链到Transformer,本文带您纵览自然语言生成的发展。人们对人工智能的兴趣随着科幻电影的诞生和发展变得愈发浓厚。每当我们听到“人工智能”这个词,便会联想到《终结者》、《黑客帝国》、《我,机器人》等电影。机器人具有独立思考的能力在目前看来还比较遥远,但机器学习和自然语言理解领域已经在过去几年取得了重大进展。个人助理(Siri/Alexa)、聊天机器人及问答机器人等应用程序正悄无声息地改变着人们的生活方式。人们需要理解大量有歧义且结构多变的语言并从中获取意义,这促使自然语言理解(Natural Language Understanding,NLU)和自然语言生成(Natural Language Generation, NLG)成为人工智能中发展最快的应用。Gartner预测,“到2019年,自然语言生成将是90%的现代BI和分析平台的标准特征”。本文将回顾NLG的历史,并展望其未来。什么是NLG?NLG通过预测句子中的下一个单词传达信息。使用语言模型能够预测下一个可能出现的单词,也就是找到单词在序列中的概率分布。举个例子,预测“I need to learn how to __”的下一个单词,语言模型会计算下一个单词,如“write”,“drive”可能出现的概率。RNNs及LSTMs等高级神经网络能够处理较长的句子,提高了语言模型预测的准确性。马尔可夫链(Markov Chains)马尔可夫链是最早用于语言生成的算法。它通过当前单词预测句子中的下一个单词。举个例子,模型通过下面两个句子进行训练,“I drink coffee in the morning”和“I eat sandwiches with tea”。“drink”后面出现“coffee”的概率是100%,“I”后面出现“eat”和“drink”的概率分别为50%。马尔可夫链在计算下一个单词出现概率的时候,会把每个单词之间的关系考虑进去。该模型最早用于为智能手机输入句子提供下一个单词生成建议。但由于仅注意当前单词,马尔可夫模型无法探测当前单词与句子中其它单词的关系以及句子的结构,使得预测结果不够准确,在许多应用场景中受限。循环神经网络(Recurrent Neural Network, RNN)神经网络启发于人类大脑的工作原理,通过对输入和输出数据之间的非线性关系进行建模,为计算提供了一种新的方法,用于语言建模即称为神经语言建模。RNN是神经网络的一种,它能够捕捉输入数据的序列特征。通过前馈网络处理序列中的每一个item,并将模型的输出作为序列的next item,此过程能够帮助存储前面每步的信息。这样的“记忆”使得RNN在语言生成中有着出色的表现,因为记住过去的信息能够帮助更好的预测未来。与马尔可夫链不同的是,在进行预测时,RNN不仅关注当前单词,还关注已经处理过的单词。利用RNN进行语言生成在RNN的每一次迭代中,模型都能在其“记忆”单元中存储出现过的单词,以及计算下一个单词出现的概率。举个例子,有“We need to rent a __”,此时要预测句子中的下一个单词。模型能够记住在词典中每个单词随前面单词出现的概率。在上述例子中,“house”或者“car”比“river”和“dinner”有着更高的出现概率。“记忆”单元选择概率更高的单词,并对其进行排序,然后进行下一次迭代。但RNN有一个很大的问题——梯度消失。随着序列长度的增加,RNNs不能存储那些很久前遇到的单词,便只能根据最近的单词进行预测。这使得RNNs无法应用于生成连贯的长句子。长短期记忆网络(Long Short-Term Memory, LSTM)长短期记忆网络是RNNs的变体,比vanilla RNNs更适合处理长序列。LSTM应用广泛,其与RNNs的结构类似。不同的是,RNNs只有一个简单的层结构,而LSTM内部有4个层结构。一个LSTM由4部分组成:cell,输入门,输出门以及遗忘门。利用LSTM进行语言生成示例,输入句子为“I am from Spain. I am fluent in ___”。为了正确预测出下一个单词“Spanish”,LSTM会更加关注上一句中的“Spain”并且利用cell对其进行记忆。在处理序列时cell会对获取的信息进行存储,这些信息会用于预测下一个单词。当遇到句号时,遗忘门会意识到句子中的上下文发生了改变,并忽略当前cell中存储的状态信息,换句话说,遗忘门的作用是让循环神经网络“忘记”之前没有用到的信息。LSTM及其变体能够解决梯度消失问题并生成连贯的句子。但是,LSTM也有其局限性:计算要求高,难以训练。TransformerTransformer在2017年,由Google团队在论文《Attention Is All You Need》中首次提出,并涉及到一种名为“self-attention mechanism”的新方法。Transformers目前广泛用于解决NLP问题,例如语言建模,机器翻译以及文本生成等。Transformer模型由一组编码器和一组解码器组成,前者负责处理任意长度的输入,后者负责输出生成的句子。在上述示例中,编码器处理输入句子,并为其生成表示。解码器利用表示生成用于输出的句子。每个单词最初的表示或嵌入由空心圆表示。接下来,Transformer模型利用self-attention机制获取所有其他单词之间的关系,生成每个单词的新表示,如图中的实心圆。对每个单词重复该步骤,连续生成新的表示,类似地,解码器从左往右依次生成单词。与LSTMs不同的是,Transformer需要的步骤少,应用self-attention机制能够在不考虑单词位置的情况下,直接捕捉句子中所有单词之间的关系。最近,许多研究学者对vanilla transformer模型进行了改进,提升了速度与精度。在2018年,谷歌提出BERT模型,此模型在各种NLP任务中均取得了最先进的结果。在2019年,OpenAI发布了一个基于transformer的语言模型,只需要输入几行文本就可以生成长篇文章。利用Transformers进行语言生成Transformer模型同样可以用于语言生成,最著名的要数OpenAI提出的GPT-2语言模型。该模型通过将注意力集中在与预测下一个单词相关的单词上,更好的学习并预测句子中的下一个单词。使用Transformer进行文本生成与机器翻译所遵循的结构类似。举个例子,“Her gown with the dots that are pink, white and ____”。通过利用self-attention机制对前面所出现的颜色(白色和粉色)进行分析,理解需要预测的单词也是一种颜色,此时模型的输出为“blue”。Self-attention能够帮助模型选择性地关注每一个单词在句子中担任的角色,而不仅仅是通过循坏记住些许特征。语言生成的未来本文带我们纵览了语言生成的发展,从利用马尔可夫链预测下一个单词,到使用self-attention生成连贯的文章。但是,我们仍处于生成语言建模的初期,今后还会往自主生成文本的方向迈进。生成模型也将用于图像、视频、音频等内容的开发。本文作者:【方向】阅读原文本文为云栖社区原创内容,未经允许不得转载。

March 25, 2019 · 1 min · jiezi

阿里工程师养了只“二哈”,专治讨厌的骚扰电话

前几天的3.15晚会上曝光了利用智能机器人,一天打4万个骚扰电话,从而赚取利润的黑色产业链。阿里的工程师恼了,技术是用来让人们生活变美好的,不是被利用来走向阴暗的。机器人的问题交给机器人!工程师们用业余时间开发的AI机器人——“二哈”要登场了~视频感受一下咱们“二哈”,连女推销员都丝毫没有察觉。1、 别惹程序员,用机器人对付机器人研发“二哈”,其实就是阿里的技术人,对日益普遍的骚扰电话很头疼,而且更可气的是,大量骚扰电话是机器自动拨出的,成本越来越低。这些骚扰电话,甚至还影响到日常工作,会议开着开着,经常被各类电话打断导致会议终中断。于是阿里AI实验室的同学们开始思考着如何用技术的方式解决问题。阿里AI实验室天猫精灵算法团队,聚集着语音识别、NLP、知识图谱……全链条的技术人才,当技术人聚在一起,那就能搞事情了。于是他们先以“课余”项目开始,参与的同学都很开心。一方面是解气,另一方面更清楚背后带来的意义。没想到在今年3.15晚会上,机器人骚扰电话引起如此大关注。于是团队决定公开最新研发成果,“二哈”也正式从幕后走到台前,一炮而红。2、 我们要做到真假难辨“二哈”是这个智能防骚扰电话技术的项目代号。当用户在手机上开通了这项服务,在接到骚扰来电时,用户可以直接转接给机器人接听。我们都知道哈士奇之所以被喊作“二哈”,就是它欢乐多,工作起来又相当认真。阿里的程序员们,就是希望这个“课余”爱好的项目,给自己带来快乐,也能帮主人扫除骚扰电话的焦虑。而“二哈”背后,其实主要使用了智能聊天技术。所谓“智能聊天”,就是要理解用户请求,同时用强大的知识图谱制作聊天的知识点,通过跟用户对话,把知识图谱里的知识灌输给用户,同时也引导用户反馈。听起来,简单的一段话,要真正实现聊天聊得“真假难辨”却十分不容易。于是,我们特地请教了阿里达摩院AI实验室语音助手首席科学家聂再清。他告诉大家,要做到真假难辨,最核心的是以下3点:第一,接住用户的每一句话。因为用户的输入空间非常大,要理解和聪明的回复来电者的每一句话很有难度。对于一些不是“二哈”知识领域的问题,阿里AI目前采用了闲聊(ChitChat)的技术,从互联网上公开的人类对话库中来找到最适合回复。目标是让来电者看不出“二哈”可能的知识缺乏。第二,主动提出一个相关问题。这更多是一个对话策略学习的工作,需要让来电者知道“二哈”真能理解他们的话,并提出只有理解了对话上下文,才能提出的好问题。一味被动接话,很容易被识破。该项挑战非常大,核心就是一套聊天机器人对话策略学习框架,让“二哈”这样的聊天机器人在不同的场景下都可以持续学习。通过和人类不断对话,“二哈”AI会通过深度强化学习越来越好地知道如何提问才能更好地达成他的目标。最后,像真人一样的语音语调以及停顿。如果推销广告的骚扰电话,通过声音判断初接电话的是个机器人,他们就不会继续聊下去了。所以“二哈”在语音合成方面做了很多工作。阿里AI最新算法利用Tacotron加上基于神经网络的声码器算法,合成出极其逼真的人声,但还有很大比例情况不能通过图灵测试。于是“二哈”现在采取了过渡性方案,把非常高频的回复借用真人录播。感受一下“二哈”真声和“二哈”的互相调戏学习,竟然没有一点违和感呢。3、 不止用来对付骚扰电话“二哈”就只是帮对付骚扰电话而已嘛?当然不是咯。项目组的工程师说,“二哈”的进一步的目标是成为每个人的AI电话秘书,除了帮主人应付骚扰电话,还可以在主人繁忙的时候询问来电的主要意图,也能帮主人预约议程。在你不方便接电话时帮接听来电,并转换成文字向你“汇报”。“二哈”这样的AI电话秘书,可以利用个性化TTS,模仿出跟主人声音极尽逼真的声音。可以把它看作是你的‘声替’,也可以用任何喜欢的声音替你接打电话。阿里工程师还在畅想,是否有一天,它还还可以帮助聋哑人打电话?技术的进步可以延伸人的能力,也可以弥补人的缺陷。阿里人常说,所有的异想天开,终究化为寻常。希望这样的“寻常”能早点到来!讲真,这样的私人秘书,你期不期待?最后告诉你一个小技能:在支付宝搜索天猫精灵,或直接打开天猫精灵App,就可以调戏这只二哈!本文作者:代码橙阅读原文本文来自云栖社区合作伙伴“ 阿里味儿”,如需转载请联系原作者。

March 20, 2019 · 1 min · jiezi

阿里云RPA(机器人流程自动化)干货系列之三:阿里云RPA介绍

导读:本文是阿里云RPA(机器人流程自动化)干货系列之三,详细介绍了阿里云RPA的产生背景、技术特点、功能特性、非功能指标以及发展现状等。阿里云RPA(机器人流程自动化)干货系列之一:认识RPA(上)阿里云RPA(机器人流程自动化)干货系列之二:认识RPA(下)一、产生背景在2011年,随着阿里巴巴集团的各项业务突飞猛进,集团内的各个部门都遇到了越来越严峻的员工操作电脑时流程复杂、效率低下的问题,急需一种方法来提升员工的效率,好让他们去做更有价值的工作——于是,阿里云RPA(原码栈)就在这种背景下应运而生了。在当时的背景下,为何集团内部有这么多的人员信赖阿里云RPA产品呢,主要在于当时的码栈产品具有以下几个优势:1)得到验证:已在阿里巴巴集团内部的许多业务部门得到验证自从2011年应运而生以来,阿里云RPA已经在集团内部的诸如淘宝、天猫、蚂蚁金服、阿里云、飞猪、集团管理平台等等业务部门得到了广泛的应用。凭借强大的功能和稳定的表现,阿里云RPA的用户数量正在日渐增长。2)技术先进:功能全面,安全可靠阿里云RPA采用阿里云的核心技术,不论在系统的功能性、稳定性还是安全性上,都具有很强的优势。我们深知数据安全对企业用户的重要性,因此采用了银行级的加密技术,确保用户的数据安全可靠,不会丢失与泄露。3)专业服务:可以快速响应企业的业务需求依托于阿里云的技术平台,阿里云RPA拥有完善且强大的客户支持能力。不论您有什么需求,我们都能快速响应,并且在第一时间为您排忧解难。正因为有上述优势,阿里云RPA才能在集团各个业务部门和领域被采用,以便通过自动化的方式提升工作效率,节省了大量的人力成本。二、技术特点阿里云RPA™产品是一款新型工作流程自动化办公机器人软件,通过模拟人工操作进行自动流程执行处理。它可以将办公人员从每日的重复工作中解放出来,提高生产效率。具体而言,阿里云RPA是基于软件机器人和人工智能(AI,Artificial Intelligence)发展的新型办公业务流程自动化技术。举例而言,就像工业时代工厂的流水线机器替代工人劳动一样,阿里云RPA™可以代替办公人员操作电脑和软件,自动完成各类软件系统的工作和业务处理,准确高效地实现业务流程自动化。阿里云RPA的显著特点包含:1. 可以联动多个业务系统,自动执行完成工作采用RPA机器人流程自动化,通过事先编好的操作流程步骤,RPA就像一位机器人员工,能自动操作整个业务流程,不但速度快,而且几乎不出错、不知疲倦,人们只需要开启RPA即可。2. 可以自动化地串起一系列操作流程,让流程再造在自动化流程方面,RPA与通常的工业机器人十分相似。它们都能够在一连串的流程上起到替代人工,自动执行的作用,从而实现流程再造。3. 不会影响现有IT系统的功能与稳定性与传统的ERP、OA、CRM等IT系统不同,RPA其实运行在更高的软件层级。这就决定了它不会侵入影响已有的软件系统,从而在帮助企业提升效能的过程中,保持企业已有的IT系统功能平稳、运行可靠。4. 相较于传统的增效方式,RPA能最大程度地平衡效率与成本,且投资回报周期较短为了提升效率水平,企业通常会选择采取增加人工或采用传统的模式开发软件。现在,阿里云RPA™软件机器人为企业提供了第三种选择,并且优势明显:它既不像增加人工那样效率不高且易出错,也不像传统模式开发软件那样需要投入较大成本,它能够最大程度地平衡效率与成本。阿里云RPA产品和服务提供了丰富的基于流程的自动化技术和行业解决方案,为客户和合作伙伴的工作带来了工作效率质的提升,应用于包括银行、保险、新零售、财务、税务、法务等各行各业。三、功能特性1. 公共云和专有云两种服务模式公共云产品依托淘宝平台,提供基于电商的通用型解决方案和企业应用市场;专有云产品基于线下输出,采用为企业定制化业务流程开发模式。2. 提供可视化开发模式和编码开发模式可视化开发模式适用于一些简单的应用开发,通过拖拽控件和参数设置完成流程的开发编码开发模式采用python语言编码代码实现应用的开发。3. 提供有人值守机器人、无人值守机器人和服务型机器人有人值守机器人采用人工干预的方式,客户手动登录有人值守机器人执行开发好的应用;无人值守机器人采用无人干预的方式,通过设置定时任务自动执行所开发的应用;服务型机器人采用API接口的方式,通过API接口可以获取机器人执行的结果数据、中间状态等信息,同时也可以通过API接口远程调用机器人执行相应的程序。4. 跨系统协同连接复杂的多个业务系统,自动完成一个复杂的流程,如协同WPS、WMS、OMS、CRM,链接旺旺、邮件、微信、OA等。5. 定时、24小时待命工作提供有人值守机器人的手动触发执行应用模式和无人值守机器人定时执行应用进行流程自动化工作。6. 强大的计划任务功能通过控制台的计划任务功能,用户可以统一调度安装有“无人值守型机器人”客户端的计算机,定时执行相应的任务。7. 完善的资产管理功能为了避免账号密码等用户资产的泄露,管理员可以将重要的资产存储在控制台的云变量中,而不被应用的开发者获知。8. 采用python引擎,支持自定义SDK函数、支持导入第三方python库,提供了丰富的实现逻辑9. 提供企业应用市场功能,一个人开发的应用发布到企业应用市场之后,同在一个企业的其他人通过授权获取到这个应用就可以执行这个应用10. 图像识别OCR,文本分析,资产管理(存储、调用保密字符,如密码等)、数据分析处理等。四、非功能指标安全性:提供私有化部署及严格的账号授权机制,确保数据的安全性和合规性,通过阿里云RPA的授权机制来控制机器人调度者的权限问题。扩展性:可以任意安装在Windows 7、Windows 10、Windows server 2012及以上机器中,支持客户端和激活码的动态绑定和扩展。部署方便性:提供公共云部署和私有化部署。可用性:客户只需要在客户端中开发应用程序并调试,通过有人值守机器人、无人值守机器人或服务型机器人执行开发好的应用程序。自主知识产权:阿里云RPA产品由阿里云RPA团队一手打造和运营,所有内部技术架构及SDK模块均有阿里云内部知识产品保护和正版授权,拥有阿里云巴巴集团十多年的核心技术沉淀和积累。成本、周期性:采用阿里云RPA开发基于流程的应用,开发成本低,开发周期短,可以很快的交付使用。定制快速便捷:专有云版RPA支持应用定制化开发,我们有强大的原厂技术支持和合作伙伴开发能力,能快速、便捷的完成客户交与的定制化开发任务,提供一站式的咨询、开发、培训和交付流程。五、发展现状及未来2017年下半年,阿里云RPA(原码栈)开启了正式的商业化进程,在公有云方面发力淘宝和天猫等电商平台用户,通过开发通用场景下的电商解决方案和应用,累积注册用户数突破了30万+,平均活跃用户数突破了一万以上。2017年底阿里云RPA团队开始面向专有云用户市场输出,通过线下订阅的方式基于企业业务流程定制开发RPA机器人应用及解决方案,累积已服务于蚂蚁金服、菜鸟网络、安踏、渤海财险、京博石化、中国进出口银行、百草味等50多家客户。未来,阿里云RPA将深度与人工智能,机器学习,大数据,图像识别,智能语音,移动互联网和云平台等技术的结合,机器人技术可以取代更广泛的、现有的业务流程操作,成为数字化劳动力。本文作者:琰珉阅读原文本文为云栖社区原创内容,未经允许不得转载。

March 14, 2019 · 1 min · jiezi

阿里云RPA(机器人流程自动化)干货系列之二:认识RPA(下)

导读:本文是阿里云RPA(机器人流程自动化)干货系列之二,主要介绍了RPA的发展齐纳经和主要使用场景有哪些,目前国内外主流的RPA厂商以及RPA的未来在哪。一、RPA的发展前景根据Gartner的最新研究,2018年全球机器人流程自动化(RPA)软件的开支预计将达到6.8亿美元,同比增长57%,到2022年支出达到24亿美元。Gartner副总裁CathyTornbohm表示:“最终用户组织把RPA技术作为手动任务自动化的一种快速简便的方法。一些员工将继续执行那些要求他们手动剪切、粘贴和更改数据的日常任务。但是当RPA工具执行这些操作时,误差率会降低,数据质量会提高。”如今,RPA最主要的应用领域包括电商、财务/税务、银行、制造业、新零售、保险、物流、政府、公安等各行各业。Tornbohm表示:“通常,这些组织很难将财务和HR系统等不同元素结合在一起,他们正在转向采用RPA解决方案,实现现有的手动任务或流程的自动化,或者传统系统功能的自动化。”RPA工具结合使用多种用户界面交互描述技术,模仿人类工作者完成任务所去采取的“手动”路径。目前试产各种有广泛的解决方案,有很多工具可以在单个台式机或企业服务器上运行。Gartner估计,到2018年年底60%收入超过10亿美元的企业组织将部署RPA工具。到2022年底,85%的大型和超大型组织将部署某种形式的RPA。Tornbohm表示:“到2019年,随着采用率的提高,以及企业组织系统通过该技术实现更好的业务成果,例如降低成本、提高准确性、提高合规性,RPA的平均价格会下降10%至15%。”二、RPA的应用领域有哪些?目前的国内外RPA技术的应用已经日趋成熟,该技术的应用可让企业员工通过开发RPA机器人应用来捕获现有应用程序处理交易,操纵数据,与其他信息系统进行通信等,任何采用大规模人力执行的大量重复性工作,现在都可以由RPA机器人代劳,节省人力、金钱和时间。正如工业机器人是由创造更高的生产率和质量来提高和改造制造业,RPA机器人正在彻底改变我们对管理业务流程的认知,包括业务流程、工作流程、远程基础架构和后台的工作方式,显著改善工作的精确度和周期时间,并提高在企业事务处理上的生产效率。RPA的应用场景需要符合两大要点:大量重复(让RPA有必要)、规则明确(让RPA有可能)。在此基础上,RPA软件机器人可以应用于任何行业和业务场景,例如:应用于财务领域,RPA=财务机器人,用来实现财务处理自动化;应用于税务领域,RPA=税务机器人,用来实现税务处理自动化;应用于政府部门,RPA=政务机器人,用来实现政务处理自动化;应用于保险领域,RPA=保险机器人,用来实现保险业务自动化;应用于医疗领域,RPA=医疗机器人,用来实现医院业务自动化;应用于银行领域,RPA=银行机器人,用来实现银行业务自动化;应用于物流领域,RPA=物流机器人,用来实现物流业务自动化;应用于供应链,RPA=供应链机器人,用来实现供应链管理自动化;应用于销售链,RPA=销售链机器人,用来实现销售链管理自动化;应用于HR,RPA=HR机器人,用来实现企业人力资源管理自动化;应用于IT,RPA=IT机器人,用来实现企业IT工作自动化;等等三、国内外主流RPA厂商1)Blue prismBlue Prism(简称BP)是RPA领域的先行者,机器人流程自动化(RPA)这个术语就是由Blue Prism率先提出的。公司成立于2001年,是一家英国跨国软件公司,Blue Prism已经得到美国IT研究和咨询公司Gartner的认可,他们已经在全球拥有超过200个客户,并与NHS、埃森哲、Hexaware、Hewlett Packard Enterprise、Capgemini、IBM等大型巨头合作。目前Blue Prism产品已经更新到V6版本,正在和最新的人工智能产品进行不断整合和吸收。2)UipathUiPath是一家成立于2005年的全球软件公司,致力于开发机器人流程自动化(RPA)平台,是RPA领域的独角兽,他们与SAP、安永(EY)、J.P.Morgan、德勤(Deloitte)、埃森哲(Accenture)、凯捷(Capgemini)、BBC等公司已有合作关系。以下是UiPath提供的3个机器人过程自动化产品:UiPath StudioUiPath RobotsUiPath Orchestrator3)Automation AnywhereAutomation Anywhere(简称AA)是目前很强大、用户范围最大的RPA供应商,提供强大的、用户友好的RPA工具去处理复杂的任务。他们与EMC2、毕马威(KPMG),德勤(Deloitte)、埃森哲(Accenture)、 简柏特(Genpact)、印孚瑟斯(Infosys) 等公司合作。2017年7月IBM和Automation Anywhere宣布合作,助力企业简化运营,将交付IBM RPA和BPM。4)NICENICE是RPA业内领先的解决方案提供商,也有一些成功的案例。在NICE的官网上,有很多的白皮书及高质量的与RPA相关的博客,可以通过这些电子资料,了解更多干预机器人流程自动化相关的业务和案例。5)WorkFusionWorkFusion是一家致力于开发人工智能软件产品来改造工作的软件公司。公司总部位于纽约华尔街,在印度、美国和欧洲设有分支机构。主要的业务就是机器人流程自动化、人工智能和认知自动化。6)艺赛旗成立于2011年,总部位于上海,是一家做机器人流程自动化iS-RPA( i-Search Robotic Process Automation)产品、UEBA(User and Entity Behavior Analytics)和双录系统解决方案(CSM:Counter Service Monitor)的软件厂商,为客户提供企业内部数据跨平台整合、云安全管理、大数据安全分析、用户行为收集分析、应用操作录屏审计、客服行为可视化质检、银行柜面交易监控及分析。7)阿里云RPA2011年诞生于阿里巴巴集团淘宝平台,普遍赋能集团内部,如天猫、淘宝、飞猪、集团财务、菜鸟、蚂蚁金服等,曾经获得淘宝年度创新奖和集团特殊贡献奖。2016年正式上线后,已为电商、金融、制造、政务等多个领域输出行业解决方案,平均提高效能500%。目前阿里云RPA发布了3.0版本,采用python开发引擎,拥有强大的控件录制功能、丰富的SDK能力以及更私密的数据安全措施,并且在与Office相关的控件上有自己独特的优势。四、RPA的未来都说“未来已来”,RPA作为一种软件机器人,既然是“人”,那么就应该有眼睛、耳朵、嘴巴、有手,有脑袋,利用人工智能领域目前相对成熟的技术,RPA机器人就具有了类似于人的这些功能:眼睛,利用OCR、图像识别、语义识别等技术,RPA机器人可以“阅读”打印和手写的文字,实现例如发票识别,身份证识别,银行卡识别等功能,在过去两年我的团队已经开发了利用Google OCR和微软认知服务实现图像识别和文字识别功能。耳朵,利用语音识别技术,RPA机器人可以“听懂”人类对话,结合语义识别技术就可以实现例如会议记录(文字),实时翻译等功能,目前我的团队已经开发了利用微软认知服务实现语音识别和实时翻译的功能。嘴巴,利用语音合成技术,RPA机器人可以“说话”,结合语音识别和语义识别技术就可以实现例如职能导游,智能导购,智能Help Desk服务等功能;在2017年我的团队开发了一款Office机器人,具有声音提醒功能;手脚,利用机器手臂、自动驾驶等技术,RPA机器人可以“行动”,结合机器学习等技术就可以实现例如无人驾驶,无人物流,无人工厂等;同上,在2017年我的团队开发了一款Office机器人,具有在桌面上移动、转动头部和手臂的功能;脑袋,利用统计分析、机器学习等人工智能技术,RPA机器人就真正具有了智能可以像人一样“思考、学习和决策”。目前这些单项的技术已经相对成熟了,RPA可以将这些散落的珍珠串成美丽的项链,以客户可以承受的价格戴在企业的脖子上,使其以更加优雅的姿态参与到日益严酷的市场竞争中去,占据先机,成就未来。在Gartner公布的2018年人工智能技术成熟度曲线中,RPA工具目前位于膨胀期望的峰值,企业组织寻求利用RPA削减成本、连接传统应用、以及实现高投资回报率。但是,实现强大投资回报率的潜力完全取决于RPA是否符合个别组织的需求。“在短期内,我们预计会有越来越多的RPA厂商以及软件厂商越来越感兴趣,其中包括希望从这些功能中获得收益的软件测试厂商和业务流程管理厂商。”此外,另一个市场趋势正在出现:将人工智能功能集成到产品套件中,这是因为RPA提供商添加或集成了机器学习和AI技术,以提供更多类型的自动化。本文作者:琰珉阅读原文本文为云栖社区原创内容,未经允许不得转载。

March 13, 2019 · 1 min · jiezi

阿里云RPA(机器人流程自动化)干货系列之一:认识RPA(上)

导读:本文是阿里云RPA(机器人流程自动化)干货系列的开山之作,全面、详细的剖析了RPA的概念以及RPA行业的最新发展动态。一、什么是RPA?人类社会进入21世纪的第一个十年之后,全球企业大都面临着两个严峻的挑战:一是人力成本的不断飙升带来了企业经营成本的不断增加;二是业务的快速发展导致企业内部流程纷繁复杂,工作效率的提升跟不上业务的发展速度。因此,随着信息技术的日新月异,如何通过有效的技术手段降低企业的人力成本,以及不断提升业务流程的自动化程度和员工的工作效率,已然成为全球企业家们迫切需要思考并尽快解决的重大课题。在这一大环境和大背景下,机器人流程自动化便应运而生。机器人流程自动化(Robotic Process Automation,RPA)是一种新型的技术理念,它允许通过软件机器人基于一定规则的交互动作来模拟和执行既定的业务流程。RPA机器人如同人类一样能够操作各种IT应用程序,如浏览器、Office软件、Java/.net等语言编写的程序、ERP软件(SAP/Oracle)等等。它基于设定的规则与其他各类系统进行交互,非常擅长执行那些枯燥的、繁琐的重复性任务。它比人类做的更好,一个RPA软件机器人不需要睡觉(7*24小时执行),不会犯错误(宕机、断电等另当别论),不拿工资(成本比普通员工少很多),这样的模范型”员工“一经出现便成为全球各大企业争抢的对象。二、RPA的价值一种新技术和新概念的出现如果不能为企业带来实实在在的价值,不能转化为切实可行的生产力,那这种技术和概念必将走不长远。而RPA的出现不仅解决了上文所述的降低企业的人力成本问题,而且通过自动化的技术手段不断提升业务流程的执行效率和员工的工作效能,已经成为国内外企业服务领域技术革新的重要一环。那么,RPA具体能做些什么呢?企业为什么又需要RPA呢?1)将信息孤岛变成信息通衢随着企业经营业务的多元化和复杂化,业务流程变得越来越复杂,在企业内部信息孤岛随处可见,RPA的出现可以整合各个相关业务流,通过自动化的手段将业务流程的上下游串接起来,形成小规模的业务闭环。同时,通过机器人将不同信息孤岛里的数据来回传输,建立一整套基于数据流转的信息通衢,可以大大提升各业务线的执行效能。2)大大节省企业人力成本据《中国企业社保白皮书2018》显示,有53%的受访企业人力成本占总成本比重超过30%,有16.27%的受访企业人力成本占总成本比重高达50%以上。在连续几年的调查中,白皮书发现,“成本过高”长期稳距企业经营难题之首。而RPA的引入,可以大大降低企业在人力上的投入。据我们多年的从业经验来看,一个RPA机器人平均每年的投入大概在5万RMB左右,而一位普通的业务人员工资及各项社保支出企业至少得有10万元以上的投入(一二线城市远不止),因此机器人比人工便宜至少有50%左右,这大幅降低了企业人力成本,如果企业采用的RPA机器人数量多的话,边际成本会更少。3)提升业务流程的执行效率根据我们观察,很多企业已经尝试使用业务流程管理工具(BPM)和流程再造、优化来提升业务流程执行的效率问题。但这些解决方案在实际操作中由于业务的复杂性和跨多个部门等种种原因遇到阻力,导致其不能在整个企业范围内得到应用。例如,虽然BPM一定程度上可以简化流程,并消除流程步骤之间的等待和停机时间,但流程的实际执行大部分可能仍需手动。对于流程再造和优化,由于可能需要大幅改动现有业务流程并付出较高的成本,企业往往避免重新设计流程或彻底抛弃现有工作方法。相比之下,RPA允许公司内部的单独业务部门定制解决方案,以快速构建数字化流程,在短时间内提供显著和可持续的价值,同时较大程度上降低总体风险。通过在部门层面构建和部署,管理人员可以快速处理重复性高且繁琐的业务流程,从而实现效率和成本的节约,同时尽量保持灵活性。同时,企业员工由于自身的特点,诸如疲倦、外界干扰、心情等的影响,有时人工操作效率比较低下,而采用RPA机器人执行既定的流程,机器人的操作速度可以达到人工处理的N倍(一般是2-3倍),并可实现24x7的全天候工作,不会犯错。RPA机器人能够模仿大多数人类用户的行为, 比如可以登录应用程序,移动文件和文件夹,复制和粘贴数据,填写表单,从文档中提取结构化和半结构化数据,抓取并执行浏览器控件等等。4)不会影响企业现有IT系统的功能与稳定性(非侵入式)与传统的ERP、OA、CRM等IT系统不同,RPA其实运行在更高的软件层级。这就决定了它不会侵入影响已有的软件系统,而是在表现层对系统进行操作,从而在帮助企业提升效能的过程中,保持企业已有的IT系统功能平稳、运行可靠。5)能最大程度的平衡开发周期和成本,且投资回报周期较短为了提升效率水平,企业通常会选择采取增加人工或采用传统的模式开发软件。现在,RPA机器人为企业提供了第三种选择,并且优势明显:它既不像增加人工那样效率不高且易出错,也不像传统模式开发软件那样需要投入较大成本及较长的开发周期。同时,易于部署的特性以及为企业带来的开发效率上的提升可以大大节省成本支出,缩短投资回收期。到目前为止,大多数成本优化和效率改进都是通过集中化和流程标准化来实现的,而RPA机器人对标准化流程的执行方面有天然的优势。综上所述,RPA在企业数字化转型和提升业务效能方面发挥着重要的作用,通过RPA项目的快速实施和交付上线,能够迅速推动企业业务流程的自动化进程,为企业持续创造价值,使企业员工能够从大量重复、繁琐的工作中得以解放出来,更专注于具有更高附加值的数据分析、决策和创新工作,提高企业在市场上的竞争力,实现共赢。三、RPA优劣分析优势:非侵入性RPA机器人采用在系统表现层操作的方式,不会对企业现有的系统造成任何威胁,也不会影响现有系统的稳定性。RPA机器人通过遵循现有系统的安全性和数据完整性要求,以模拟人的操作行为去访问当前系统,这样可以最大程度地与现有系统共存,彼此不会造成干扰。较少编程在RPA实施交付过程中,基本上很少需要编写代码。RPA的设计初衷是为企业内部业务人员提供流程上的自动化,对于那些熟练掌握业务流程但很少有编程经验的业务人员,都是可以在短时间内学会使用RPA软件,通过控件拖拽的方式(RPA软件已经实现了封装)实现业务流程的自动化编排。很多国内外的RPA软件都提供了类似于流程图设计器的图形界面方式,只需要使用代表流程中步骤的图标来创建业务流程定义。快速开发和高效运维正常情况下,除去前期的服务器部署、环境安装等工作(大约需要半天时间),一个熟悉业务流程的人员开发一个中等难度的RPA应用只需要2-3天时间,然后就可以上线运行,不仅大大提升了流程的处理效率,解决了业务上的痛点,而且后续应用的修改和运维工作也相当便捷。同样的业务如果换成传统的开发模式进行(比如Java,C#等),开发周期会成倍数的增加。RPA的优势很多,此文无法一一穷举,在实际的RPA案例中可以体会到RPA给企业和员工的日常工作带来的好处。劣势:需要基于明确的业务流程规则RPA非常快速且高效,但是这种高效是建立在规则明确、流程确定的基础之上的,如果存在错误的规则,或是规则一直处于不断变化之中,那么采用RPA机器人可能会发生错误。如果一个业务流程需要复杂且模糊的判断逻辑,机器人是无法100%取代人工去作出判断的,这种情况下就需要人工去干预,这种场合下是不适合用RPA技术的。异常处理机制的不健全目前国内外RPA厂商提供的软件在应用执行过程中的异常处理机制都不太健全,宕机、流程回滚、中断后的流程接续等问题目前没有一个较好的处理办法,在某些有特殊要求的流程中异常处理机制的不健全有可能会给企业带来不好的体验,更有甚者会造成不必要的资损。但无论如何,RPA不仅仅是一项技术,它是数字化转型中不可或缺的一部分。结合人工智能和大数据技术,RPA创造了新的智能劳动力,工作的未来就在这里。未完,待续。。。本文作者:琰珉 阅读原文本文为云栖社区原创内容,未经允许不得转载。

March 12, 2019 · 1 min · jiezi

降低成本,提高生产力—8句话讲清RPA的部署

如何提高生产力同时降低成本,是企业在深入发展中所面临的挑战。RPA(机器人流程自动化)的出现,可以帮助企业提高业务流程效率,实现创新发展。RPA机器人模拟人类的操作方式,通过用户界面与应用程序交互,遵循简单的规则做出决策并执行常规业务流程,企业也无需为此改变原有IT架构或重新设计基本流程。但RPA的部署与实施绝非一蹴而就。如果在没弄清各方问题而仓促实施的话,可能会给企业带来更多的问题,甚至部署失败。为了高效、成功的部署RPA,同时最大限度的发挥其功效,企业在规划RPA部署时,应该着重考虑以下8条建议或忠告。1、充分调查RPA是一个相对较新的技术和市场,企业在进行部署之前,必须先做好功课,对候选产品要做到足够详细的了解。综合考量RPA厂商、供应商所提供的技术解决方案,为RPA创建坚实的业务案例,包括制定投资回报(ROI)指标等。2、明确急需部署的流程在部署RPA工具前,首先要评估现有流程的整体状况,找出最适合实施自动化的流程,确定最有可能看到积极业务影响的流程,以增加成功部署RPA的可能性。3、确定自动化的操作模式企业应该决定好,是要建立一整套的流程自动化机制,还是只是单纯地想在工作中使用自动化,而不想花费太多资源建立一整套体系。不同的决定会影响自动化操作的模式以及采购方案。4、员工动员作为一项颠覆性的技术,RPA的实施与应用可能会引起部分员工的焦虑与疑问(比如“为什么RPA要部署在我们的公司或特定的流程?”、“它会影响我的工作吗”等),因此,弄清这项技术对员工工作角色的影响非常重要。在开始自动化转型之前,企业必须确保相关部门及员工清晰了解RPA的本质、原因和方式。5、建立RPA卓越中心在RPA部署的早期阶段,构建一个跨职能的RPA卓越中心(COE)对于支持RPA的实现和企业正在进行的部署极为重要。COE的成员应该由企业中的多个部门成员组成,使用RPA工具和技术经验来识别和管理正在进行的RPA实施。6、不要忽视数据安全企业可能会因为匆忙地为实现流程自动化而投入精力,以至于对信息安全缺乏重视。RPA的实施与运转通常会对企业内部各种信息进行访问,这不可避免的会涉及到组织机构内部众多的商业数据与机密信息。7、定期测试不是说成功部署RPA系统后,一切就高枕无忧了。为使RPA机器人更好地运行,企业需要定期测试、检查这些自动化工具,以及时发现并解决潜在的任何缺陷。8、为未来的进步和挑战做好准备RPA正在继续发展,跟上变化非常重要。随着RPA应用的增加以及更多人力被数字化为组织资本,未来,RPA技术将提供更高级的认知能力并与人工智能进一步整合。RPA不应被认为是一种独立的技术,它只是企业数字化转型路线图中的第一步。它的成功部署与实施将有助于企业在近期或长期内从事更强大的技术更新。

February 28, 2019 · 1 min · jiezi

如何抓住下一波零售风口?看RPA玩转零售自动化

零售行业对机器人的应用应该不会感到陌生。许多工厂或零售商仓库都在应用各种智能物资装卸搬运机器人,以此来实现作业流程的自动化,提高企业效率。实际上,零售行业“内部”的众多流程也亟待优化并提升效率,这里也需要大量的机器人上岗。不过相比于“外部”那些物理机器人,这里要求的机器人并非具备实体,而是软件机器人,比如RPA(机器人流程自动化)。零售业正在呼唤RPA目前,零售行业中的RPA应用增长较为迅速。越来越多的企业正寻求RPA来简化供应方的货物流动,并在需求方获得与客户的竞争优势。据麦肯锡咨询公司(Mckinsey and Company)的数据显示,零售或快速消费品(CPG)行业中超过一半以上(54%)的工作有可能实现自动化。而零售自动化市场预计将从2017年的87.9亿美元,增长到2022的年140.3亿美元。早在去年,高德纳咨询公司(Gartner)发布的《2018 不可忽视的八大供应链技术报告》中,就已认为人工智能、机器人流程自动化(RPA)、物联网和区块链等新兴技术是未来推动供应链竞争优势的关键。其中,RPA的应用可以使供应链领导者削减成本,消除键控错误(Keying Errors),加快流程并链接应用程序。而RPA的部署简单、投入较少、回报率较高等优势,也是众多零售商选择其的关键。例如,RPA可以在不影响零售商原有IT系统的情况下完成部署,并使用结构化数据来自动执行现有的手动任务或流程。RPA会是零售和消费品行业的未来吗?当前,我国的零售和快消行业正在迎来前所未有的快速发展,特别在近几年网购、社交、人口结构以及颠覆性竞争等因素的迅猛冲击下,大部分传统零售企业普遍遭遇了比较大的发展和竞争压力。不管零售商喜欢与否,自动化正在改变零售业的游戏规则。亚马逊、阿里巴巴等行业巨头早已采用自动化价格和促销工具来提升效率,为自己赢得了巨大的竞争优势。其他的零售商也许不像这些巨头一样具有科学和技术方面的优势,但随着RPA技术的落地,所有零售商都将有机会在价格与促销等流程中实现自动化飞跃。零售或快消等行业本身的诸多流程(CRM及销售与分销、物料和库存、采购、质量、订单以及财务和成本控制等相关管理工作)都具备优化的空间。RPA机器人的出现,可以有效地维护零售和消费品行业供应链,控制并改善商业流程;并为零售商节约成本,优化服务质量。RPA在零售业相关流程中的应用RPA应用于物料和库存管理上,可以优化卖场的存货管理,提升供应链库存水平的透明度,特别是存放在经销商的社会库存量、防窜货管理。应用于质量管理流程上,可以实现质量追溯、检验数据的共享。应用于客户支持管理上,能更快地解决客户的查询……●贸易促销作为零售行业第二大支出项,该流程往往是是手动操作,同时基于电子表格,并且需要持续的数据收集和分析。RPA可以提高快速准确跟踪和分析促销活动的能力,同时消除人为错误并提高效率。●销售分析由于需要每天分析和处理大量销售数据,因此这些流程需要员工尽快进行大量工作。RPA可为此提供全面的审计和实时洞察,帮助零售商和供应商进行更有效的分析,以最大限度地提高销售机会。●物流与供应链管理以往供应链成本计算,需要员工手动计算不同地区或国家的众多账户的供应链成本。需要处理的数据批量大,且重复,容易出现输入错误。现在,RPA机器人可以在Excel中处理与供应链相关的事务,并将处理后的数据直接传输到SAP中。其还允许员工直接使用已处理的数据开始计算成本。使整个流程减少了手动工作和不准确性。●账目管理税务发票处理,应付/应收账款,账户对帐流程例如,为获得处理税务发票所需的所有数据,零售商通常会使用员工手动执行相关步骤。员工需要访问供应商网站并使用搜索过滤器来查找发票,然后对此进行分析、报告。这是件枯燥、乏味并且容易出错的工作,几乎耗费掉了所有人的耐心。RPA可以简化该工作流程。RPA机器人通过浏览供应商的网站,搜索、检索、排序和归档必要的数据,进行发票自动登记,有效缩短流程处理时间,并实现100%准确,避免人为错误。为应对总分类帐项目,员工往往需要在两个甚至两个以上的软件系统(如数据处理软件SAP和Trintech Systems等)中来回奔波,以协调每月大量的未清项目。RPA机器人可以“外挂”的形式,直接连接在两个系统中代替员工手动操作,从而节省大量时间。今后,随着RPA平台的不断落地,将会有更多的零售商加入进这项变革之中。数字化浪潮的兴起,必将给拥抱其的零售企业带来新一轮重夺主动权的发展机遇。应用RPA自动化技术或将成为新一代零售业的标杆。

February 27, 2019 · 1 min · jiezi

从手忙脚乱到袖手旁观:RPA对财务流程的颠覆

每到月末、年关,财务人员总要经手大量的发票。调查显示,我国每年会开具2000亿张纸币发票,约合纸张12万吨,相当于86万棵成年树木。上千亿张发票承载着海量的信息,而发票的内容,对于企业来讲则是非常重要的数据,在税务认证、供应商管理、合同管理、报销管理、客户管理等业务方面都会用到。一项「反人类」的工作随着无纸化办公时代的到来,电子发票开始进入大众的视野并广泛投入使用,一定程度上弥补了纸质发票所带来的种种不便。但事实上,目前,纸质发票仍然有着很高的应用场景,发票信息的人工录入依然占据了大多数财务管理人员的大部分精力。对于专业的财务公司来说,更为如此,繁重的票据录入和管理工作,耗费了大量人力与时间。而那些专注于流程数字化的企业,虽然早已摆脱纸质发票的困扰,但在数字发票流程的具体操作中却仍然依赖于大量的手工劳作。因为企业专注的是数字化流程,而并非是自动化流程,所以就会出现数字流程中的人工劳动问题。问题的关键还在于,涉及到重要数据内容的发票,往往需要大量人工来处理。而人工的劣势是什么?速度,精度,效度以及成本。人的手速有限,大量重复单一的数据录入工作往往又会在效率和准确性上划问号,人工的成本又较为昂贵。另外,这项工作的本身也较为「反人类」,这似乎更像是机器人应该去做的事情。因为该工作的所有要求只有机器人最适合。财务流程再掀革命:发票自动化伴随互联网技术深入发展,人工智能领域不断突破,财务领域必将再次迎来新的革命。从纸质到数字,从数字化到自动化,发票流程的自动化处理正向我们大步走来。「发票自动化」(Invoice Automation)不是什么新名词,它其实是RPA(机器人流程自动化)最常见的领域。它所涉及到包括OCR(光学字符识别)在内的核心技术,通常也是专业RPA平台所拥有的。随着RPA的普及与应用,「数字流程中的手工劳动问题」正在得到解决。而从发票中自动提取数据,也成为很多公司应用RPA实现后台流程自动化的首选方向。OCR(Optical Character Recognition)光学字符识别:是一种能够将PDF文件、图像和纸质文档中的文字自动识别并录入到计算机中的软件技术,属非键盘输入范畴。OCR针对印刷体字符,采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件,并通过识别软件将图像中的文字转换成文本格式,供文字处理软件进一步编辑加工的技术。相比一般的纸质文档,发票识别的难度更大。发票上的数据信息多以表格和汉字数字形式出现,票据纸张大小不一,格式各异,表格线分布不均匀等因素造成识别难度的增加。OCR技术可以识别纸质发票中的字符并将其转换为数字格式,最终加载到数字化数据库。作为RPA的一种功能或具体应用,「发票自动化」可以帮助企业实现发票的批量采集、数据录入等工作的自动化,提高数据采集与管理的效率,降低企业人力物力开销,确保零失误。自动化流程可以在任何时间对发票问题直接处理,并实现以下操作:●RPA机器人监控发票的电子邮件地址。当发票到达时,它会将其转发到发票数据提取工具。●从发票中提取必要的数据。如果数据存在重大不确定性,机器人会通知工作人员查看发票。如果数据提取被认为是成功的,则将数据输送到记录保存和支付系统中。「发票自动化」的应用是对传统财务工作、票务流程的颠覆,它充分发挥了机器人的优势,将后台财务、采购团队等人工劳动力从大量重复单一的工作流程中解放出来,使员工可以专注于更高附加值的任务上,工作也将变得更加人性化。

February 22, 2019 · 1 min · jiezi

RPA能否成为下阶段物联网的得力助手?

作为互联网的一个重要延伸,物联网(Internet of Things,IoT)在当前科技发展潮流中已成为新一代产业发展方向,更是被许多垂直领域的众多行业所采用,如工业监控、城市管理、公共安全、智能交通、智能家居、智能企业等。物联网的概念及其促进数据和信息共享的应用,简化了业务处理的同时优化了效率,为这些行业带来了颠覆式的改变。物联网将要面对的问题随着物联网连接设备数量的不断增长、机器到机器(Machine to Machine)的通信量大量增加,如何高效处理其背后所产生的大量数据,将是企业今后发展必须要面对的问题。此外,伴随“物联网即服务”商业模式的持续成长,如何方便使用者快速导入、并降低导入成本也将是企业必须思考的问题。例如,某“智能企业”需要管理由传感器触发的通知(无论是标记事件还是问题警报),但这些活动往往具有重复性,且高度依赖于在后台工作的员工来操作。作为自动化平台,RPA(机器人流程自动化)有能力帮助企业管理物联网后台遇到的问题。企业可以使用RPA软件机器人轻松管理和处理包括问题警报在内的“信息通知”,甚至还可用于触发其他事件,如向客户发送确认电子邮件等。RPA将会成为物联网的得力助手。RPA通过自动化的方式解决大量重复性任务,将相关主数据等同步至数据共享平台,处理信息追溯,优化后台流程。促进RPA和物联网的高效协作,改善业务流程,是应用物联网技术的企业提升竞争力的捷径所在。RPA和物联网的联手无论在供应链还是零售空间中使用,RPA与物联网之间的协作可为众多企业的发展带来变革性的好处,尤其是在数据管理、运营优化和软件机器人自治等领域。物联网和RPA可以共同推动:●数据管理的改进:在日益数字化和互联化的今天,我们需要捕获的数据量正呈指数级增长。面对大量繁杂的数据,RPA可以将企业大量非结构化数据转换为有意义的分析。其还可以有效管理,企业后台和前台已完成的交易数量、产生例外的交易数量以及完成某些业务活动所需的时间等内部业务动态信息。●运营优化:RPA和物联网可以优化流程和资源。通过提供获取新商业智能的方法和管理它的能力,这些技术可以使公司大幅提高其产出质量,无论是需要提供更快速的客户服务还是更好地管理产品在供应链中的运输方式。●对事件的自主反应:尽管目前RPA无法和复杂的人类决策相提并论,但其早已实现在无需人为干预的条件下执行日常任务(例如无人值守型RPA)。通过使用此类RPA,物联网可以快速有效地响应不可预见的情况,例如在供应链中遇到的阻碍。这两种技术的结合可以增强企业应对意外业务事件时的能力。以上问题的解决,可以为企业节省出大量时间,以专注于自身的发展和成长,并与客户建立更为持久的关系。企业也可根据自身需求,开发出更加简便的业务实践,从而全面提高效率。RPA和物联网的结合,必将对现有行业产生巨大影响。随着这两种技术的不断深入发展与普及,与RPA和物联网相关的技术挑战也将大大减少,采用者为此所需投入的成本也将逐渐减少。如何充分利用物联网和RPA技术优势,引领潮流、争当先驱,将是企业今后必做的一门功课。

February 21, 2019 · 1 min · jiezi

记住这35个英文单词,你就可以在RPA界混了!

无论是想玩转RPA(机器人流程自动化),还是有意了解、进入这项行业,只有先了解该领域的专有名词(行业术语),才能为之后的活动提供更多的可能。UiBot现为您编译整理了这份机器人流程自动化术语表,以供学习、参考。AI(Artificial Intelligence)人工智能:1956年于Dartmouth学会上提出,一种旨在以类似人类反应的方式对刺激做出反应并从中学习的技术,其理解和判断水平通常只能在人类的专业技能中找到。人工智能是对人的意识、思维的信息过程的模拟。Attended RPA有人值守RPA:需要用户的命令或输入,才能执行任务的软件机器人,例如桌面自动化。这些软件机器人在员工的工作站工作,访问权限通常仅限于特定部门或工作站中的员工。Automation design自动化设计:组织中如何实施RPA的计划。作为计划的一部分,公司确定了自动化的最佳候选流程列表,设计可以是短期,也可是长期。Automation-first era自动化优先时代:一个技术时代。在这个时代,人们认为应该将RPA应用到尽可能多的流程中,以提高生产率,并实现为每个员工配备一个机器人的愿景。Business intelligence商业智能:一种技术、实践和应用程序系统,帮助公司收集、分析和展示与业务操作相关信息。BPM(Business Process Management)业务流程管理:使用建模、自动化、数据洞察来优化业务活动、企业目标和员工操作的实践,是一套达成企业各种业务环节整合的全面管理模式。BPM涵盖了人员、设备、桌面应用系统、企业级 后台管理系统(Back office)应用等内容的优化组合,从而实现跨应用、跨部门、跨合作伙伴与客户的企业运作。CoE(RPA Center of Excellence)RPA卓越中心:公司早期在RPA推出时创建的部门,用于支持RPA的实现和正在进行的部署。这个团队使用RPA工具和技术经验来识别和管理正在进行的RPA实施。团队应该包括来自组织中多个部门的成员。Cognitive automation认知自动化:自动化是常规RPA的基础,它可以处理半结构化和结构化数据。CLI(Command-line interface)命令行界面:通过使用文本行(命令行)直接触发到程序的操作来与计算机程序交互的方式。Computer vision计算机视觉:一种允许自动化软件识别并与来自图像或多维源的信息交互的技术,这些信息可用于人工智能、机器学习和模式识别。Deep learning深度学习:一种基于模式的处理方法,是机器学习的一种。深度学习允许自动化机器人模仿人工任务,如识别屏幕上的图像、识别语言或预测结果。ERP (Enterprise Resource Planning)企业资源计划:由美国 Gartner Group 公司于1990年提出的一种供应链的管理思想。指建立在信息技术基础上,以系统化的管理思想,为企业决策层及员工提供决策运行手段的管理平台,允许企业通过软件包管理会计、项目管理和采购等操作的系统,使企业能够通过共享信息的单个数据库获得洞察力。ERP系统支持离散型、流程型等混合制造环境,应用范围从制造业扩展到了零售业、服务业、银行业、电信业、政府机关和学校等事业部门,通过融合数据库技术、图形用户界面、第四代查询语言、客户服务器结构、计算机辅助开发工具、可移植的开放系统等对企业资源进行了有效的集成。Enterprise RPA企业级RPA:RPA一种场景。公司的目标是自动化和优化RPA机器人的执行和推出,而不仅仅是创建它们。这包括一种策略,通过灵活的流程流支持机器人如何与整个组织中的人工团队进行部署。FTE(Full-time equivalent) 全职等效员工:一名全职员工在一个部门或某个项目上所做的工作量。Graphical user interface图形用户界面:一种计算机交互方法,允许用户通过窗口、图标和菜单触发程序操作。Hot-seating scenario热席场景:员工没有固定机器,可以自由使用工作空间内任何机器的工作场所。这种情况适用于呼叫中心或其他轮班工作的办公室。Industry-specific processes特定行业流程:特定行业独有的流程,如银行中的欺诈索赔发现,保险中的索赔处理和制造中的物料清单生成。Machine learning机器学习:专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。允许软件机器人和人工智能通过模式识别学习新过程的过程,而不需要针对每个新情况分别精确编程。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。NLP(Natural Language Processing)自然语言处理:是计算机科学领域与人工智能领域中的一个重要方向,研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。NLP旨在让计算机理解、解释和模仿人类语言。Non-persistent VDI非持久性VDI:一种通用的虚拟桌面基础结构,它不保存用户创建的快捷方式或文件设置,而是在用户每次注销时返回到统一的桌面。OCR(Optical Character Recognition)光学字符识别:是一种能够将PDF文件、图像和纸质文档中的文字自动识别并录入到计算机中的软件技术,属于非键盘输入范畴。OCR针对印刷体字符,采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件,并通过识别软件将图像中的文字转换成文本格式,供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信息提高识别正确率,是OCR最重要的课题,ICR(Intelligent Character Recognition,即“智能字符识别”)这一术语也因此而产生。Pilot program试点计划:在最初的概念验证阶段之后进行的自动化测试,以查看机器人是否能在更高级、更复杂的条件下按预期执行。POC(Proof of concept)概念验证:对自动化进行测试,以发现其局限性,并帮助确保机器人按预期工作。RPA(Robotic Process Automation)机器人流程自动化:在数字系统中模拟和集成人类行为以优化业务流程的软件机器人。RPA自动化捕获数据、运行应用程序、触发响应并与其他系统交互以执行各种任务。RPA roadmap RPA路线图:自动化设计阶段之后的计划,为公司提供满足RPA目标的指导方针。这包括为自动化选择的过程的成本效益分析。RBAC(Role-based access control)基于角色的访问控制:安全参数限制员工只能访问完成其独特工作所需的信息,防止他们阅读与日常工作无关的文档或敏感材料。RPA environment RPA环境:在一个公司中,通常在一个单独的部门中,自动化的组合过程。RPA operating model RPA操作模型:关于如何设计和推出RPA的计划。这个模型通常包括过程架构师、技术专家/顾问以及持续的维护和支持人员。模型会根据公司和行业的不同而略有变化,以最适合他们的自动化目标。Screen scraping屏幕抓取:使用计算机程序将数据从一个应用程序复制到另一个应用程序之中。Software robots软件机器人:软件机器人(区别于工厂中的物理机器人)可以使人类员工从重复的、手工的工作和数据输入中解放出来。这些机器人通过图形用户界面或命令行界面与应用程序和系统交互,以执行常规任务。RPA Multi-tenancy RPA多租户:一种体系结构,其中软件应用程序的单个实例可以被多个团队/部门使用。多租户在维护隐私的同时方便了扩展和协作。Unattended RPA无人值守RPA:需要很少或无人为干预的软件机器人,在触发时可进行24/7/365的操作。这些机器人以批处理模式连续完成工作,可实现全天候自动化。其可以通过不同的接口和平台远程访问,管理员可以从集中式中心实时查看,分析和部署调度,报告,审计,监视和修改功能。Unstructured data非结构化数据:在非结构化系统中,没有以定义的方式组织的信息,通常由文本、日期和数字填充。Workflow automation工作流程自动化:使用RPA技术自动化手工或常规业务任务中的步骤,以改进日常实践,提高员工效率,并允许人们关注附加值更高的工作。Virtual environment虚拟环境:由自动化软件和程序创建的系统,这些软件和程序从公司现有的IT设置中管理组织的流程。该环境由公司控制,并为管理员和用户创建一个中央软件集线器。

February 20, 2019 · 1 min · jiezi

【RPA新手教学】UiBot—巧用变量使数据搬运功能更简单更稳定

数据搬运是 RPA 实施中经常能遇见的经典场景,将 【系统A】 的数据进行逻辑验证,然后搬运到 【系统B】RPA 实施新手在开发过程中,常常会选择复刻自己对目标软件的操作,来实现具体的功能在进行数据搬运时,就会按照平时对鼠标和键盘的操作完整录入到 UiBot 中也包括:【选择输入框中的文字 - 鼠标右键 - 点击复制菜单】,然后在【系统B】中重复右键粘贴的操作。在我们平时操作各种软件的时候,右键菜单是个很常用的功能,但是右键菜单有个很大的缺点,就是容易受到干扰,比如不小心点了一下键盘或者鼠标,右键菜单就可能会消失。如果在RPA实施过程中也还原这个操作,对应RPA机器人来说是会是稳定性崩坏的祸首,因此除非情况特殊否则不建议使用这种方法。其实使用 UiBot 提供的【变量】可以很容易实现这类数据搬运的操作变量可以理解为【包含数据的容器】,网页或程序中的表单,是用来填写或展示数据的,这些数据就是我们平时工作中要管理的内容了。变量可以包含数据,因此我们也可以理解【没有展示在系统表单上,但是我们可以使用或修改的数据】。每个变量都有一个名字,我们通过这个名字就可以对变量进行操作了,上图中【变量名】一栏,既是我们创建的变量名字,【值】一栏则是变量名默认包含的数据内容,变量这个名字代表的就是【可变的量】,或者理解为可变的数据。变量是RPA开发中经常用到的东西,对于初学者来讲,这个功能使用起来非常简单,下面就以数据搬运为场景,给大家讲解一下变量的使用方法:在 全部命令 - 界面元素 分类下,有一条【获取元素文本】命令(在内侧版本中叫做 获取输入框文本)。使用这条命令即可获取界面元素上显示的数据,并存放到一个变量里,将命令拖放到工作流:命令被添加到工作流列表后,点击查找目标,定位要获取数据的元素,这条命令就可以使用啦,例如我要获取计算器运算后的结果:通过工作流条目的文字提示,我们可以得知 元素的文本内容,被放入到一个叫做 sRet 的变量里去了,选择这个工作流条目,右边栏面板切换到属性页面,我们可以看到与这条工作有关的属性设置,其中【输出到】属性,就是我们要将获取的内容传递给哪一个变量了。我们也可以修改输出到属性到我们自己定义的变量里,在变量页面添加一个名叫【结果】的变量,然后将变量名写到这条工作的属性中,即可:现在运行 UiBot 脚本,计算器的运算结果就被存储到【结果】变量中了,数据我们已经拿到了,那么我们要怎样才能使用它呢?许多命令带有【输出到】、【返回值】一类的参数,这种参数的功能是将数据传递到变量,而除此之外的参数,我们除了可以直接填写数据以外,也可以填写变量,例如调试分类下的【输出调试信息】命令,就可以将数据输出到UiBot下方的【输出】窗口中,来试一下吧:现在运行脚本试一下吧,正确的结果会将计算器运算后的结果输出,例如:现在我们确定已经拿到了需要了数据,接下来就是将数据填入【系统B】了,假设我们要把数据写到记事本里面:运行记事本添加 填写元素文本 命令(内侧版本中叫 填写输入框文本)选中记事本的输入框如下图:将 【填写元素命令】 的 【写入文本】属性 改为【结果】(也就是存储数据的变量名字),如下图:现在运行脚本,会发现计算器的运行结果 1792 已经被填写到输入框中了,如图:是不是很简单呢?尝试对自己使用的软件进行同样的操作,只需要三条命令即可实现。

February 1, 2019 · 1 min · jiezi

UiBot Creator v1.2火热体验中……

UiBot Creator v1.2 正式上线啦~~~立即下载更新说明:1.加快软件启动速度,视图打开速度2.选择器加入 java 程序支持(暂不支持 java applet )3.选择器增加缩放支持( win 程序、ie 支持较好,仍不建议开启 windows 缩放)4.浏览器命令修正说明,关闭浏览器等命令改为关闭标签,新增切换标签命令5.加入 F12 停止运行快捷键,6.修复安装包弹出浏览器的问题7.修复 word、excel 命令 WPS 兼容问题与进程残留问题8 .修复其他 bug感谢您对 UiBot 的支持,若您有任何使用上的问题,请在社区发帖说明。 也可加入 UiBot 交流群获取支持。UiBot 交流群 ①:920716686

January 31, 2019 · 1 min · jiezi

资本寒冬考验下,是否该颠覆现有办公模式?

随着新技术的迭代,我们在告别传统办公的同时,正拥抱着信息化、无纸化的办公模式。功能各异的办公软件系统,极大地拉近了我们与高效工作的距离。然而,事实并没有我们想象的那样简单与一劳永逸。伴随经济大势的整体下行,一批批企业业绩持续惨淡,裁员潮风波不断,如何在现有的条件下,实现办公效率的转变将成为企业所不得不面对的问题。在资本寒冬的考验下,我们是否要颠覆现有的办公模式?越来越多的工具长期以来,如何有效提高办公室的工作效率,一直是企业主、管理人员以及各大软件供应商所思考的问题。为此,我们有了丰富的应用程序和系统,用以帮助我们更好的进行生产、成本、项目、财务、供应链、人力资源、客户关系等一系列管理工作。通过OA(协同管理软件)、ERP(企业资源计划系统)、PDM(生产数据管理系统)、CRM(客户管理系统)和其他应用程序集成,维持企业的日常运行。企业也热衷于在相关系统的投入与上新,似乎有了良好的系统平台,就会获得制胜的奥秘。与过去相比,今天的办公室员工则不得不使用更多不同的工具。但现实的问题,依旧令人困惑。为什么我们应用了如此多的管理工具(软件),而办公室的效率依旧没有显著提升,或是没能达到我们的预期状态?问题的关键出在业务流程的运行上。业务流程的运行情况,对企业的效率提升意义重大。企业选择应用这些系统,目的也是为了优化相关流程。业务流程的良好运行,需要这些功能各异的系统或工具的来回切换与相互配合。但这一过程无法自动实现,它需要员工对此进行操作,以完成流程的运转。办公自动化的异化每天上班,员工们则不得不在这些工具间来回奔波。重复地做着诸如程序登录、信息搜索、报表统计、账单管理,或从一堆文档中提取数据、向表单中输入数据、把数据从A系统搬运到B系统等等单调、机械化的操作。如此的操作也构成了银行、税务、财会、证券、保险、零售等行业或领域的日常。系统和平台仍旧不断推陈出新,但公司计算机上原有的旧系统却无法实现与新系统的集成。虽然每个主要工具都有API(应用程序接口),但软件供应商可能无法提供对API的开放访问。如果没有API访问权限,用户将被迫在各大程序之间频繁、大量地转移表格数据,或者使用其他复杂、繁琐的方式进行数据搬运工作。似乎企业信息化建设的越多,人就越加辛苦。发明工具的初衷是为了优化工作流程,提升工作效率,但现实则是我们一直在被这些带给我们方便的工具牵着走。在这件事上,所有的人和物都没有错。大家的初衷都是一样的。问题在于我们能否找到一个新的工具,去帮我们把流程真正实现优化。是时候该迎来真正的办公效率革命了随着更多工具的出现,我们需要一个软件或平台来帮我们操作这些繁琐的流程,包括申请处理、报价到现金(Q2C)、采购到付款、数据迁移和输入、定期报告的编制和分发等,以期实现流程的自动化。最关键的是,这个工具最好能在不侵入企业原有IT系统的情况下,像人工一样去调动这些现有程序,同时还要在具体操作的过程中保证效率与准确性。RPA(机器人流程自动化)的出现,为上述问题提供了最佳的解决方案。RPA机器人可以像人类用户一样使用操作系统。它有能力启动和使用各种应用程序,包括打开电子邮件和附件、登录应用程序、移动文件和文件夹,甚至从网络(包括社交媒体)上“刮取”数据……它可以实现所有的数据处理,包括数据的复制和粘贴、合并来自多个来源的数据、从文档中提取数据、向表单输入数据、运算、将数据提取并重新格式化为报告或仪表板……实现与企业原有工具的集成,读写数据库、连接到系统API……正逐步弥补系统之间的差距。RPA的出现,一定程度上解放了被困在各个系统孤岛上的人类。当然,RPA 绝对不是跨越众多系统实现流程自动化的唯一方法。在前RPA时代,公司可以依赖IT转型(IT Transformation)、业务流程管理软件(BPMS)以及外包(Outsourcing)等3种方法来实现流程自动化。但上述方法,没有一种可以提供RPA的速度、灵活和成本优势,并真正做到流程优化。这也说明了,为什么RPA是实现现代办公任务自动化的最具成本效益和最有效的方式。随着公司寻求新的业务效率,在今后,RPA市场预计将增长超过60%。对于越来越多的组织而言,RPA正在成为其自动化战略的根本部分。在资本寒冬,没有任何企业会拒绝提高效率和降低成本。

January 31, 2019 · 1 min · jiezi

我需要 UiBot 吗(RPA解析)

RPA(Robotic Process Automation)中文翻译为 机器人流程自动化,理论上在电脑前进行的各类操作,都可以使用 RPA 技术方案取代,RPA 尤其擅长处理周期短、高度重复的工作任务,但难以胜任创意类的工作任务,下面将为大家解析您的工作或公司是否适用 UiBot。RPA 诞生是历史进程推动下的必然趋势,主要依附于以下几个历史背景:人口红利逐渐消失,中国正加速步入老龄化社会,招募熟练的员工将越来越难。城市生活成本飙升导致人力成本水涨船高,为企业带来了巨大的财务负担。互联网技术变革激烈,许多企业存在新旧多套子系统并行运作的情况,子系统间无法兼容。同上一条,互联网技术变革导致旧系统无法满足需求,急需扩展业务能力。人工智能技术逐步从实验室走向应用,伴随 RPA 落地为未来带来巨大潜能。RPA 能够被广泛接受,依靠的不只是上述五点,但以上内容确确实实是许多企业,乃至于被重复性劳动“迫害”的个人用户深切体会的痛点,UiBot 诞生的目的,也是基于对企业和个人用户痛点的理解,提供更完善的解决方案。如果您的公司(或您的工作)存在大量重复性操作,那么 UiBot 适合你如果您的公司财务部门存在大量报表工作,那么 UiBot 适合你如果您的公司打算扩展业务系统,但担心扩展工作对线上业务产生影响,那么 UiBot 适合你如果您的公司大量员工从事低级工作,急需优化人力模型,那么 UiBot 适合你如果您的公司需要对接多个子系统(子系统间数据交换),那么 UiBot 适合你如果您的公司有大量数据需要归档整理,那么 UiBot 适合你如果您的公司业务涉及 销售、金融、政务、制造、运营、财务…… 那么 UiBot 一定适合你如果您的公司员工人数大于 20 人,那么深入了解 UiBot 一定不会让你失望如果不是因为篇幅受限,这个如果还能列出很多……UiBot 可以实现:针对各类客户端软件界面元素进行各种操作(直接作用于元素,不依赖图像、文字识别,不依赖绝对坐标)针对网页浏览器的界面元素进行各种操作和傻瓜式数据采集(支持IE、Chrome浏览器)针对各种办公软件(Excel、Word)的文档进行操作基于 图像、文本、OCR 等识别方式对界面元素进行各种操作对应用广泛的已有系统(如SAP)进行操作基于句柄对窗口、进程进行操作规模庞大的基础功能(文件、剪贴板、数据处理[时间、文字、数学、数组、字典、集合、数据表])多种能力扩展方案(可使用 .NET、C++、Python、Lua 等编程语言扩展 UiBot 的能力)

January 30, 2019 · 1 min · jiezi

财会小白的办公室自救指南

人们常说,会计是个高危职业。伴随2017年新会计法的出台,会计证取消了,税务实名制、继续教育、会计黑名单之类的各种对会计的严控措施也随之而来,一时间会计行业危机四起,很多会计突然失去了安全感。之后,RPA技术在财会领域刮起一阵旋风,特别是随着四大会计师事务所在RPA领域的跟进,财务机器人概念已经赚足了人们的眼球,并深入人心。“财务机器人来了,会计会失业吗?”这样的疑问也接踵而来。作为一名财会小白,如何才能紧跟住瞬息万变的行业趋势?你具备财务工作的核心竞争力吗?什么是财务工作的核心竞争力?超长的工龄?大量的证书?超强的手速?超长的工龄?很多年纪轻轻的同事,就干到了CFO的位置。大量的证书?证书在在具体财务工作中更多的则是充当敲门砖作用。进入一家企业,不是有了一堆证书,就一定会比别人干的好,就一定会加薪升职。超强的手速?你不能幻想自己是机器人。作为初级财务人员,核心竞争力就是数据处理的能力。财务最重要的工作无外乎就是要将企业的活动金额化、数据化。在这个过程中,谁能更准确、更细致、更快地完成工作,谁的竞争力就越强。初级财务人员的工作,就是命令的执行。需要做的就是大量重复的、程式化的、规则统一的工作。提升数据处理能力,就是在提升自己的核心竞争力。最后知道RPA的人,一定最先被淘汰提升数据处理能力,实际上就是要提高效率和准确性。为了实现这个目标,我们必须需要一套工具,来帮助我们。这个工具就是RPA。RPA工具虽然不是专门为财务工作而开发出来的,但其在财务工作中的应用场景却异常丰富。账单管理、报表管理、预算管理、信用管理、税务管理、流程控制……目前,RPA技术基本覆盖了财务管理的方方面面。较之于其他财务软件,RPA机器人的灵活性也是我们需要它的理由。一是应用灵活,根据不同的工作内容,编写不同的脚本,产生满足要求的各种类型的机器人。二是部署灵活,机器人的使用规模可以按实际需求予以调整。RPA就是你在电脑上操作软件的双眼和双手,替代你在财务流程中的手工操作(录入信息、合并数据、汇总统计等等),并且能够全时无休地提供服务,从而减少差错率,提高效率。RPA在整个自动化财务流程中的所有执行动作,在后台均有日志记录,一旦出现任何异常,可以对机器人的所有工作流程步骤进行追踪,满足监管和审计的需求,使得流程优化成为可能。更为重要的是,RPA软件可以进行多任务跨平台的操作(包括访问多个系统进行数据收集,将数据在系统之间进行转移,在不同系统中更新同一信息等),不会干扰或影响计算机上现有软件系统。也许你的老板、上司早已知道RPA。最后知道RPA的人,一定最先被淘汰。我们需要一款简单好用的RPA软件如此强大的软件,操作起来应该很难吧?这应该是绝大多数财务人员所关心的问题。事实确实如此。比如说——有些是外文软件,语言上就是一道坎(外语)。有些需要编程基础,语言上又是一道坎(计算机编程语言)。有些需要钱,钱包上是一道坎。有些需要……这么多的坎阻碍着你想要学习、想要上进的心。就没有全中文界面、不需要编程基础、简单易用又免费的RPA软件吗?当然有。UiBot,就是你要找的RPA软件。那些阻碍你学习和上进的一道道坎,都已被UiBot打通。而你,需要做的,就是去下载并体验。早日感受RPA带给你的改变。

January 30, 2019 · 1 min · jiezi

机器人流程自动化(RPA)术语表

随着自动化和认知技术从制造业领域扩展到知识型劳动者的办公空间,企业领导者必须知道的术语也在增多。尽管RPA行业使用了许多传统物理机器人领域所用到的术语,但当这些术语转移到办公语境下,它们的意思往往不一样。本文提供了全面的RPA术语指南,旨在帮助您了解RPA的各项术语,畅通您的RPA成功之路。人工智能(AI):一种旨在以类似于人类反应的方式对刺激做出反应并从中学习的技术,其理解和判断水平通常只能在人类的专业技能中找到。有人值守RPA(Attended RPA):有人值守RPA包括需要决策和/或用户输入的场景,例如桌面自动化。这些软件机器人在员工的工作站工作,由两种情况触发:用户的命令和实例是机器人需要用户输入才能继续执行任务。访问权限通常仅限于特定部门或工作站中的员工。自动化设计(Automation design):组织中如何实施RPA的计划。作为计划的一部分,公司确定了自动化的最佳候选流程列表,设计可以是短期,也可以是长期。自动化优先时代(Automation-first era):一个技术时代,在这个时代,人们认为应该将RPA应用到尽可能多的流程中,以提高生产率,并实现为每个员工配备一个机器人的愿景。商业智能(Business intelligence):一种技术、实践和应用程序系统,帮助公司收集、分析和展示与业务操作相关信息。。业务流程管理(BPM):使用建模、自动化、数据洞察力来优化业务活动、企业目标和员工操作的实践。RPA卓越中心(CoE):公司早期在RPA推出时创建的部门,用于支持RPA的实现和正在进行的部署。这个团队使用RPA工具和技术经验来识别和管理正在进行的RPA实施。这个团队应该包括来自组织中多个部门的成员。认知自动化(Cognitive automation):自动化是常规RPA的基础,它可以处理半结构化和结构化数据。命令行界面(CLI):通过使用文本行(命令行)直接触发到程序的操作来与计算机程序交互的方式。计算机视觉(Computer vision):一种允许自动化软件识别并与来自图像或多维源的信息交互的技术,这些信息可用于人工智能、机器学习和模式识别。深度学习(Deep learning):一种基于模式的处理方法,是机器学习的一种。深度学习允许自动化机器人模仿人工任务,如识别屏幕上的图像、识别语言或预测结果。企业资源规划(ERP):允许企业通过软件包管理会计、项目管理和采购等操作的系统,使企业能够通过共享信息的单个数据库获得洞察力。企业级RPA(Enterprise RPA):RPA场景,公司的目标是自动化和优化RPA机器人的执行和推出,而不仅仅是创建它们。这包括一种策略,通过灵活的流程流支持机器人如何与整个组织中的人工团队进行部署。全职等效员工(FTE):一名全职员工在一个部门或某个项目上所做的工作量。图形用户界面(Graphical user interface):图形用户界面:一种计算机交互方法,允许用户通过窗口、图标和菜单触发程序操作。热席场景(Hot-seating scenario):员工没有固定机器,可以自由使用工作空间内任何机器的工作场所。这种情况适用于呼叫中心或其他轮班工作的办公室。特定行业流程(Industry-specific processes):特定行业特有的流程,如银行中的欺诈索赔发现、保险中的索赔处理和制造中的物料清单生成。机器学习(Machine learning):允许软件机器人和人工智能通过模式识别学习新过程的过程,而不需要针对每个新情况分别精确编程。自然语言处理(NLP):作为人工智能的一部分,NLP允许计算机理解、解释和模仿人类语言。非持久性VDI(Non-persistent VDI):一种通用的虚拟桌面基础结构,它不保存用户创建的快捷方式或文件设置,而是在用户每次注销时返回到统一的桌面。光学字符识别(OCR):在PDF文件、图像和纸质文档中挑选出字母和符号的软件,使用户能够以数字方式编辑文档的内容。试点计划(Pilot program):在最初的概念验证阶段之后进行的自动化测试,以查看机器人是否能在更高级、更复杂的条件下按预期执行。概念验证(POC):对自动化进行测试,以发现其局限性,并帮助确保机器人按预期工作。机器人流程自动化(RPA):在数字系统中模拟和集成人类行为以优化业务流程的软件机器人。RPA自动化捕获数据、运行应用程序、触发响应并与其他系统通信以执行各种任务。RPA路线图(RPA roadmap):自动化设计阶段之后的计划,为公司提供满足RPA目标的指导方针。这包括为自动化选择的过程的成本效益分析。基于角色的访问控制(RBAC):安全参数限制员工只能访问完成其独特工作所需的信息,防止他们阅读与日常工作无关的文档或敏感材料。RPA环境(RPA environment):在一个公司中,通常在一个单独的部门中,自动化的组合过程。RPA操作模型(RPA operating model):关于如何设计和推出RPA的计划。这个模型通常包括过程架构师、技术专家/顾问以及持续的维护和支持人员。模型会根据公司和行业的不同而略有变化,以最适合他们的自动化目标。屏幕抓取(Screen scraping):使用计算机程序将数据从一个应用程序复制到另一个应用程序。软件机器人(Software robots):软件机器人(不是工厂当中的物理机器人)可以使人类员工从重复的、手工的工作和数据输入中解放出来。这些机器人通过图形用户界面或命令行界面与应用程序和系统交互,以执行常规任务。RPA多租户(RPA Multi-tenancy):一种体系结构,其中软件应用程序的单个实例可以被多个团队/部门使用。多租户在维护隐私的同时方便了扩展和协作。无人值守RPA(Unattended RPA):需要很少或无人为干预的软件机器人,在触发时可进行24/7/365的操作。这些机器人以批处理模式连续完成工作,可实现全天候自动化。这些机器人可以通过不同的接口和平台远程访问,管理员可以从集中式中心实时查看,分析和部署调度,报告,审计,监视和修改功能。非结构化数据(Unstructured data):在非结构化系统中,没有以定义的方式组织的信息,通常由文本、日期和数字填充。工作流程自动化(Workflow automation):使用RPA技术自动化手工或常规业务任务中的步骤,以改进日常实践,提高员工效率,并允许人们关注附加值更高的工作。虚拟环境(Virtual environment):由自动化软件和程序创建的系统,这些软件和程序从公司现有的IT设置中管理组织的流程。该环境由公司控制,并为管理员和用户创建一个中央软件集线器。

January 25, 2019 · 1 min · jiezi

报告!这群阿里工程师在偷偷养猪

今天下午,期盼已久的阿里巴巴技术脱贫大会就要开始了。很多人都知道,我们在1年前就投入100亿元人民币成立阿里巴巴脱贫基金。从教育到健康,再到女性、生态和电商扶贫,这五个方向分别由五位阿里合伙人直接牵头。很多人不知道的是,过去一年,数百位阿里工程师和产品经理在乡村呆的时间比在杭州的时间还要多,他们的办公地点分别在四川宜宾的猪场、陕西阎良的瓜田、四川平武的蜂场、云南的梯田……他们的足迹,遍布中国上百个贫困县。有人还因此获得了公司“空中飞人”奖。很多人也许看到了阿里脱贫基金的百亿投入,但这背后,还有看不到的工程师“脱贫代码”。今天,阿里妹就和你分享4个小故事。我们不是什么超级英雄,我们只知道,既然来了就必须做出点东西雷宗雄 阿里云技术小二我在北邮读的计算机专业,很早接触互联网技术和AI算法,当时的梦想是像马斯克一样能干点“牛到天上”的事儿。2014年毕业进入阿里,参与机器学习算法平台PAI的研发,在亲戚朋友眼里也算是“高大上”。但谁也想不到后面我会和猪发生联系,而且一干就是一年。去年年初,阿里云同四川特驱集团、德康集团合作,准备将ET农业大脑跨界推广到养猪场,选了20名工程师,我是其中之一。第一次出发去猪场前,总架构师慷慨激昂的说:同学们,中国的养猪产业将因为我们而改变。但到了猪场,发现根本不是那么回事。要个WIFI,没有;要环控设备接口,没有;要安装个智能传感设备,拉电线、组网络、调试系统都得从零开始。站在猪舍,有一种很绝望的感觉,只听见猪撞栏的声音、风机转动的声音、打料的声音……我和总架构师在宿舍大吵了一架:“你的规划就是扯淡,不可能实现的,完蛋了!”吵完呢,又继续干活。大家都很清楚,既然来了,就必须做出点东西。猪场的厂长挺积极,非常支持我们。因为现在95后已经很少有人愿意来猪场工作了,进了猪场就得被关一个月,地方又偏远。他就盼着机器人来帮他。在猪场,我们想了很多方案。比如行走机器人,让机器人在过道里不断走动,完成巡检、清扫卫生、加料等工作,彻底取代人。很性感对吧?但实验了几个方案之后发现,行走机器人根本迈不过横亘在它面前的猪粪。机器人倒在猪粪面前之后,我们决定用无人机。无人机定时在猪场内起飞、巡逻,完成对每个猪只情况的盘点、记录。但伸手就能摸到的房顶和凌乱的水线,又把无人机拦了下来。最后受盒马外卖传输索道的启发,我们在猪场顶部搭建了一个跑在滑轨上的自动巡查系统,完全DIY自己爬猪栏装上去的。在这里,猪脸识别等这些时髦技术完全没用,都是吹牛,能落地才是好技术。我们这套系统能够实现对每个猪只信息的几乎100%的准确判断,记录它一天的饮食、运动、饮水、精神状态、体型、产仔、断奶等数据,也成为后续各类算法的基础。从天马行空到有脚踏实地计划,我在猪圈待了整整三个月。现在,我们已经做了7套算法,另外几个课题还在研究。在技术落地方面,除了大型猪场,我们的技术也通过钉钉开放给了合作的家庭农场,这其中不少是贫困家庭。对于普通农户,以前由于技术和资金问题,养猪顶多养个十头。现在他们跟猪场合作,每家农户一年可以养500-1000头,在没有疫情损失下可以拿到9-18w不等收入,农户前期投入一般地在3年内能收回成本。有一次走访,一个养户因为一头猪死了,郁闷自责得快要掉眼泪了。我看了猪的死亡报告,完全就是因为着凉了没有及时诊断,最后不断的恶化,恶化到最后绝食厌食免疫力下降,一下子就摔倒了,摔死了。这些其实是有可能通过我们的技术提前发现的。我觉得,如果要想真正帮助传统行业、帮助农户,必须弯下腰跳进猪圈、走进牛棚、去到田间才行。我经常跟同事开玩笑,我现在养猪的技术差不多相当于本科毕业在猪场工作两年的水平。我们不是什么超级英雄,只是一群用代码改变传统养猪方式的“猪猪侠”。一年里频繁下瓜田,我得了个“空中飞人奖”熊琴 阿里云产品小二我妈以前总说我,嘴这么会吃咋不会做呢?别说做了,我连什么菜什么瓜都分不清。没想到组建农业智能团队,给了我和瓜果蔬菜亲密接触的机会。2018年初我们开启“西安模式”,希望同西安六个县合作摸索出农业数字化转型方案,从此各种基地大棚,成了我和小伙伴的办公地点。西安阎良县是我们的第一站。当地标志作物是甜瓜,无论在口感上还是耐运输上,都具备了走出去的实力。但在让瓜走出去之前,如何走进农户们还真的考验我们实力。大棚里基本都是四十度,湿度大,日照强烈,每次下地都像在公费蒸桑拿。更要命的是,虽然是政府牵线的合作,但让种了一辈子的瓜农,相信我们几个没下过地的年轻人能改变种瓜模式,太难了!你能想到的解数,我们差不多都用上了。比如穷追不舍,跟着瓜农社长去勘测大棚,量间隔数、瓜架行数,细到每一株瓜苗上的花朵数。让社长看到我们是带着互联网数据思维和技术,决心要帮他解决管理痛点的。我们还找来农户们写的农事记录本,花了一个多月人肉整理。天书一样的笔记,信息化后大家都能看得懂了。还有算法博士认亲归宗的、拜把子认了俩兄弟的,追着别人认瓜苗,学习甜瓜的不同生长阶段、种植过程。等和农户熟了我们就开始跟他们“抬杠”,凭什么你说自己的瓜就最好,你的瓜到底有多甜,你知道买瓜的人怎么评价吗,证明给我们看看。最终,瓜农社长从“烦我们耽误工作”,到“我都听你们的”。他种了三十多年甜瓜,他太清楚农户们有多固执,也太希望有人来帮助他带领大家把瓜种好脱贫。像社长三十多年来的种瓜经验,我们也做成智能种植生产手册,大家通过手机就能查看。而每天包括天气、虫害等预警提醒,统一的种植任务,也能像发短信一样发给农户,按指示操作,种瓜可以变得傻瓜化。其实当初说要把数据智能技术应用到农业上,我们也不确定,因为传统农业太缺乏数据了。但现在随手一拍,农户就能参与到数据采集中来。而这些信息也是他们的资产,可以成为日后在蚂蚁金融产品贷款的信用信息。为了让甜瓜更能被消费者接受,我们为瓜设计了能溯源生产信息的身份证,还开发了扫描识别甜度的功能。从三月开始到秋季第一批甜瓜上线天猫,我因为频繁飞西安,飞回了一个“空中飞人”奖,从啥都分不清变成了蔬果带货达人,朋友总让我推荐什么好吃什么该买。希望我们的技术方案能把行业上好的经验、知识传播下去,让种植更科学高效,有钱可赚,年轻人愿意加入和留下来。而我更怕农户们急于短期收入靠打药增收,不仅种出的作物不安全对土地的破坏更是他们承受不起的。而信息化、数据化能帮助提高农业生产效率,市场的高标准能倒逼他们种出健康的产品,可持续发展才是我们用数据智能来做农业的根本。是好东西,我们就要让它好有所值姚义海 村淘运营小二我是村淘的小二,我最擅长的是农产品种养殖。2015年底加入村淘后,不同品类都做过,到2017年,我开始做肉蛋禽相关的工作。不管是植物还是动物,发展农业,促进农品价值都是我最感兴趣的。来阿里之前,我自己做了几年农业创业,我爸就是老一辈搞种子研发的,我从小就对农业深有感情。所以我特别理解干农业的人怎么想?他们担心收成不好,害怕白辛苦换不来钱。2018年初,我们一大队人去到平武大山里,蚂蚁森林的同学在认真思考如何保护自然区,我们团队就在想,一定要挖掘出既不破坏环境、又能保证当地人收入稳定的产业模式。不然,保护环境容易但以山为家的当地人生活却困难了,保护也无法持久。当地有着百年历史的高山蜂蜜其实就很生态友好。但一大圈了解下来,我不得不说“祖辈传承”和“老手艺”这即是原生态,也是太原始。不过落后就意味着留给我们可做的事很多,让好蜜电商化走出深山这只是第一步,如何用技术优化整个高山蜂蜜产业让我更加兴奋。要知道养蜂这件事,对人要求并不太高,毕竟奔忙的是人家小蜜蜂。但平武人养蜂非常辛苦,难点在于这山太高了。平武山地海拔高,雨水多,山里容易滑坡泥石流。而很多公路只修到了山半高的地方,剩下一千多米的海拔只能人自己爬上去。我们有一次上山就遇到山石塌方,车动不了,路上全是山泥,每个人都是吊着一颗心摸爬上去。但蜂农几十箱蜂在高山上,心惦记啊,想一次就要爬一次,心累人也累。到了冬天,怕蜜蜂冻死,还必须把几十甚至上百个蜂箱背下山来,又危险又辛苦。怎么能让蜂农不那么费劲呢?我们自己也弄了一箱蜜蜂回来养,了解整个采蜜流程。我呢找业务相关从业者、内部算法的技术同学各种讨论,前后大概十来天,方案就出来了。大家直觉高山蜂蜜就该这么做。蜂农最关心的是蜂群的健康情况,于是我们在蜂箱口安上红外线探测,给蜜蜂计数。蜂农可以直接在手机上就看到自家的蜜蜂的活跃状况,发现异常再针对性上山查看。这样蜂农的精力就能大大节省。而采购端关心蜂蜜质量是否成熟,这也直接影响蜂农们的辛苦能不能换来回报。我们就继续在蜂箱上做手脚,安装GPS和重量监测,前者定位蜜源是不是高海拔山区,后者根据蜂箱质量变化和时间推算蜂蜜是否成熟。由于气候影响花期和蜜蜂的状态,我们的探测仪能记录天气、降水变化,未来还将通过大数据算法预测花期。蜂农根据手机提示就能科学管理蜂场,提前预测,让产量也能趋于稳定。我们把设备带回平武试点,当地蜂农说可算有人懂他们了,不用动不动往山上跑,蜜好能卖出去,这蜂没白养。以前当地人对养蜂很有感情,可往往无法靠这个生活。通过信息化新技术,现在他们有更多的精力养更多的蜂,而养多少都有渠道以比较好的价格卖出去,这下心态稳了。老蜂农感到轻松,年轻蜂农也没那么纠结,不再怀疑自己留在家乡养蜂能不能行。对我来说,蜂农们轻松了的感觉不仅重要而且意义深远。轻松了,就能真心真意做这一行,不再只是爱好而是职业。心里有底,对投入产出有明确预期,生活可期,年轻人也愿意留下加入高山养蜂,这才能让整个行业更好传承和发展。保护原生态很重要,但也要紧跟时代,我们正好去做这个桥梁。我觉得,用信息化技术解决他们的生产难处,靠电商帮助他们把蜜卖上好价格,其实是对当地人的尊重和肯定——既然是好东西,那我们就让它好有所值。世界很大,不要着急,值得妳们看看王菁 蚂蚁金服产品小二朋友,“好保险”了解一下?别误会,我不是卖保险的。我是蚂蚁金服保险事业部的一名产品经理,“好保险”是我们针对贫困县女性开发的脱贫公益险。这个有点土的名字,却是我们好几个女同志想了好几天定下来的。它能让小姑娘上得起学,妈妈们生育能有保障,女子平安就是“好”呗。作为一个女宝妈,我看着贫困县里很多一脸稚嫩却背着娃娃的姑娘,明明是该上学的年级却在卤菜摊打工的小妹,非常心疼。所以,我们要做一个产品让女孩们面临选择时多一种可能。这个可能也许能改变她们的一生,晚了就真来不及了。因为我们都着急,不想等,所以使用我们的产品只要你准备好相关材料,最多72小时,理赔金就能打到你的卡里。有钱能继续上学,生病能去医治,就是改变贫困现状的转机,尤其对于在农村习惯自我牺牲的女性,能在需要帮助时获得支持,生活就能大不一样。在云南,我们遇到那个准备弃学打工的女孩蒲双双。其实她上职高是不需要学费的,但一学年一千块的学杂费家里也出不起。直到她弟弟都初中开学了,她才在老师劝说下拿回录取通知书,这时离高中开学已没两天了。我们教她用好保险,申请教育金,9月7日她已经重新回到学校了。做脱贫保险这两年,我真心体会到帮助得及时才能真的帮到他们。扶贫项目很多人做,但从募钱到用钱,没人说得清中间要多少时间、多少流程。很多时候是困难户真要帮助来申请了,一开始回复人家说有有有,结果拖很久最后却没有钱,大家心里落差很大。但现在,县里的扶贫干部跟我们说,村民们提交申请两天后钱就到账了,简直不可思议。为了他们这个“不可思议”,我们搭建了一个庞大而缜密的体系:支付宝提供前端平台、用户入口,蚂蚁提供区块链和AI技术支持,基金提供运营管理,保险公司提供推广网络,各级扶贫办牵线搭桥。对于当地人来说,只要全村有一个人的手机能安装支付宝,保险理赔就能顺利搞定。而对于捐助者,也能通过支付宝查看自己的钱去了哪里,帮助了谁。到目前,“好保险”已经试点了3个县覆盖16万用户,很多贫困家庭的女儿能因此继续念书。其实啊,我上大学的时候就很想做公益。但我心里也清楚公益不好做。现在,我的工作就是把公益技术化,用好产品把公益落地。这不仅实现了我大学的梦想,还多了一大帮有同样梦想的靠谱伙伴。我看着我们所做的事情,真的影响了很多人,尤其是那些山里的姑娘。我们用项目鼓励她们去读书我们就支持她们读书,希望她们不要急着打工别急着嫁人,这个世界很大,还有很多她们能去做的事情。女子就是“好”,我想我会把这些女孩的变化慢慢告诉我的女儿。本文作者:公益橙阅读原文本文来自云栖社区合作伙伴“阿里技术”,如需转载请联系原作者。

January 10, 2019 · 1 min · jiezi

到底什么成就了今天的人工智能?(下)

摘要: 人工智能发展迅速,可是到底什么成就了今天的人工智能呢?跟随我们一起来探索吧。人工智能大多数个人电脑、智能手机和其他设备的硬件性能非常相似,由操作系统定义,通过下载其他软件“学习”。早期计算机的学习完全依赖于与人类的交互,而现在则通过互联网接收更新。随着越来越多的数据存储到云端,服务器代理的作用不断增强。这些代理负责计算密集型任务,类似于中枢神经系统。相反,面向消费者的电子产品正在改善它们的输入/输出能力,变得有点像外围神经。由此也衍生出了物联网。在物联网中,拥有数十台高度专业化的微型设备,每台只执行一项或几项功能。基于云计算的中央“大脑”负责协调所有设备来控制房屋、工厂甚至整个区域。相比之下,机器人技术专注于更加自主的主体。机器人必须实时处理复杂的现实情况。自动驾驶汽车就是典例:图中简化了结构,真实的系统有超过100个传感器,具有恒定的输入流。自动驾驶汽车的设计是当今人工智能研究中最困难的领域之一。面向消费者的机器人只是人工智能研究中的微小分支,是一个相对较新的趋势,而大多数机器人是为工业和军事需求设计的。与武装无人机或核电站控制员的失误相比,自动驾驶出租车的不当行为更像一场小型事故。此类系统的策略编程不依赖于黑盒算法,但其工作的每个方面均需要严格的数学规范。量子世界(Quantum world)量子力学是人工智能和生物智能的共同基础。量子力学的出现,为以半导体为核心的计算机技术奠定了基础。300多年前发展起来的计算行星运动的数学方法作为了反向传播和梯度下降的基础。概率论、统计力学和矩阵力学成为了量子力学的基础,是现代人工智能的近亲。目前,深度学习就像炼金术,物理学则可以帮助我们更好地理解它。虽然量子计算机还处于起步阶段,但目前的实验表明它能有效地加速处理某些优化问题。例如,玻尔兹曼机器是一种人工神经网络,但难以在大多实际场景中进行应用,所以研究学者提出了一种受限的变体,成为最早的深度神经网络之一。量子计算机则有可能结合玻尔兹曼机器和其它概率模型的全部计算能力。理解量子力学非常难,概率振幅只是冰山一角。尽管许多人批评人工神经网络的解释性很差,但他们也无法直观地描述量子力学。生物智能(Biological Agents)生物智能存在了约30亿年。地球上数百万种生物都有一个共同点:DNA。DNA是细胞的“中枢神经系统”。人们认为,在基于DNA的生命出现之前就有基于RNA的生物体,它们在功能和结构上非常相似。生物学家们在很长一段时间里都认为,约98%不编码蛋白质的DNA是无用的。但后来的研究发现,它们在控制编码DNA以适应动态环境中起着关键作用。DNA自身的某些部分可能会被甲基化失活,但这是可逆的,且在整个生命周期中发生多次。现代科技已能合成和编辑我们想要的DNA,人工和生物智能已无太大区别。细胞(Cells)具有基本功能的细胞称为原细胞:它们代表了最初生命有机体的样子。大约30亿年前的地球环境模型表明,在足够多的核苷酸中能够捕获脂类气泡,从而产生第一个基因组,而基因组又能通过从周围环境中捕获营养物质实现复制。在积累了足够数量的基因和其他化学物质后,这些气泡在内部压力的作用下分裂。另一个简单的例子是病毒。两者的主要区别在于病毒不维持内部代谢,需要利用其他生物体进行自我复制。病毒的基因组通常很短,只编码1到2个蛋白质。然而,病毒可以通过DNA交换与宿主进行“交流”,这一过程称为水平基因转移。许多单细胞生物都有这种能力,它在整个进化过程中扮演着重要的角色。相比之下,细菌可以对不同的化学物质,光,压力,温度等进行感应。许多细菌在分子水平上具有类似于普通内燃机的运动机制。此外,它们有相当强的沟通能力,可以成群结队地聚集在一起,能借助自身基因组和周围的蛋白质消化大量的营养物质,并执行相当复杂的行为。它们的结构与原细胞和古细菌非常相似。真核细胞与此相反,它们有许多细胞器。其中,像线粒体和叶绿体都有自己的DNA片段,在过去可能是独立的生物体。此外,线粒体在克雷布斯循环中发挥着至关重要的作用,能够促进新陈代谢。真核细胞内部结构虽然复杂,但缺乏自行移动的能力。动物细胞也缺乏叶绿体和细胞壁,使其失去自主性。生物细胞虽然逐渐失去了独立生存的能力,但却获得了更为复杂的“社会”能力。细胞通过动作电位对环境变化做出快速反应。当传感器检测到化学物质、压力或其他刺激时,细胞膜电势迅速变化。但动作电位信号仅限于源细胞和与其有直接膜-膜连接的细胞。它可以通过信号分子传递给其他细胞,但过程耗时长。大多数动物进化出了专门的细胞——神经元克服该问题。神经元形状各异,可以长出新的突触或移除旧的突触。外围神经元通常只有几百个连接,而中间神经元的连接可能超过10000个。这些机制使它们能够快速移动信号,并通过调整突触强度进行转换。此外,脊椎动物的许多轴突都有髓鞘,可以使电位移动得更快,同时激活更少的膜通道,节省能量。下面介绍到目前为止研究得最好的神经系统之一,线虫:研究人员对其进行了长达50年的剖析,了解其全部302个神经元的详细结构,其中包含5000多个突触:即使只有302个神经元,研究人员也很难判断它们在做什么。它们持续地“学习”,且功能可能会实时变化,而人类大脑拥有数十亿个细胞。考虑到复杂性,神经科学的大多数研究都集中在特定的区域、通路或细胞类型上。大多数进化的旧结构负责呼吸、心跳、睡眠/苏醒周期、饥饿和其他重要功能。大脑皮层是最受研究人员关注的。大脑皮层是一层折叠的层状薄片,厚度约为2-3毫米,大脑的其他部分被一块类似于餐巾纸的结构所覆盖。大脑皮层涉及一些高级认知功能,如语言、意识、计划等。新皮层约占大脑皮层的90%。另一研究充分的区域是海马体:所有的脊椎动物都有一个类似的结构叫做苍白球,但哺乳动物有一个更进化的版本,海马体。它在空间记忆和情景记忆中起着至关重要的作用,其功能类似一个时空地图。有了这张地图,大脑就可以把复杂的记忆储存在专门用于视觉、听觉和其他表现形式的区域。最初对大脑的研究集中在损伤外伤和内部损害上。在大脑皮层中,大脑区域缺失和认知功能缺失之间的相关性较弱。研究结果表明,记忆分布在整个大脑皮层,甚至在手术切除邻近神经元的某些部分后,还可以重新学习缺失的功能。研究人员提供了如下区域图:但上图在实际和理论两方面都缺乏精确性。在实验环境中,你可以刺激大脑的某一部分,观察其反应。但是,除了主要的感觉和运动区域外,得到的结果并不准确。另一方面,功能性磁共振成像可以跟踪受试者,判断在执行某些任务时大脑的活跃部分,但这些区域并非专门处理特定任务,结果也不准确。同时,功能性磁共振成像实际上是在测量氧气的供应水平,所以仅仅测量单个神经元的活动水平是不够的,就像这样:大脑活动的另一个有趣的特征是它以波的形式进行:以上研究能够帮助理解和治疗神经系统疾病,却并不能描述人类的行为。但是,这种自下而上的思维研究方法仍然取得了重大发现,比如基于神经活动来预测一个人的选择,以及大脑没有“中心”部分。从心理学角度分析,人类行为在很大程度上受到遗传、文化和环境因素的影响。智商及智商测试方法是其中最著名的研究成果。虽然有理论试图对智力做出解释,如多元智能理论,智力的三位一体理论等,但并未被广泛接受。这些理论的主要问题在于没有提供一种定量证明的方法。即使是像走路或说“嗨”这样简单的行为,涉及到的神经结构也极其复杂,再加上考虑到每个细胞内DNA和其他生物机制的复杂性,对神经科学研究的做出心理学解释往往比实验本身还要复杂。什么是智能?答案虽然多样,但到目前为止都没有一个被广泛接受的统一理论。也许AIXI和IIT的结合会推动其产生。要把两者结合起来,需要一个奖励的概念,这个概念可能来自医学和经济学,适用于每一种人工和生物智能。当前几乎所有的智能衡量都基于某些任务的性能,这在瞬息万变的现实环境中不够灵活。或许,将意识定义为“任何可能的经验”,以及与AIXI背后的智能框架相关联的IIT框架,可以提供一幅更广阔的认知图景。任何主体工作都可以被描述为量子系统的波函数,但这不仅难以计算,还对习得的中间表征以及生物智能和人工智能的解释提出了巨大的挑战。虽然人工智能的进步和对人类智能的深层次理解有着巨大的应用前景,但仍存在一些挑战: 隐私(Privacy)偏差(Bias) 一致性(Alignment):大多数人工智能训练都是基于效用最大化或误差最小化,而这些目标函数并不能代表所有的人类价值和道德。 替代(Displacement):科技取代人类完成特定任务已经有一段时间了,但人类的进化比人工智能要慢得多。 网络攻击(Cyberattacks)心理工程(Psycho-engineering):大量的心理实验和历史教训表明,即使没有任何暴力倾向的人,如果被适当地操纵,也会对别人造成伤害。本文作者:【方向】阅读原文本文为云栖社区原创内容,未经允许不得转载。

January 8, 2019 · 1 min · jiezi

2019年人工智能硬件与应用大趋势

摘要: 机器学习能真正发展为人工智能吗?硬件对人工智能到底有多重要?有哪些应用会在2019年成为现实?2019年即将到来,人工智能将往什么方向发展?机器学习将如何演变为人工智能?在神经网络领域具有20年的技术经验Eugenio Culerciello,在硬件和软件两方面都有经验积累。他预测,在硬件和应用两方面,2019年的人工智能都值得我们期待。目标一句话概括,人工智能领域的目标就是制造超越人类能力的机器:自动驾驶汽车、智能家居、人工助理和安防摄像头是首要的目标,接下来是智能厨房、清洁机器人以及安防无人机和机器人。其他应用包括永远在线的个人助理,和能够看见、听见用户生活经历的生活伴侣。人工智能的终极目标则是完全自动的人工个体,能在日常任务中达到、甚至超越人类的工作表现。软件通常,软件是指在最佳化算法训练之下,能够解决某一具体任务的神经网络架构。不过,这并不能等同于人工智能。人工智能必须能够在真实环境中进行无监督学习,从新的经验中学习,结合在各种环境中学到的知识、解决当下的问题。那么,目前的神经网络,如何能演变为人工智能呢?神经网络架构神经网络的优势在于从数据中自动学习,但我们忘记了一点:训练的基础是手动设计的神经网络架构,这无法从数据中习得。这是目前这个领域的重大限制因素。问题在于,从数据中学习神经网络架构目前必须从零训练多个架构,然后选择一个最佳架构,这需要太长时间。目前神经网络的限制无法预测、基于内容推理和暂时性不稳定都是目前的限制。我们需要一种新的神经网络。神经网络正在演变为编码器和解码器的结合。编码器将数据编码为一种代码表征,解码器则扩展表征,生成一系列更大的表征,例如图像生成、心理模拟、图像标亮等。无监督学习人类无法永远守在机器旁,一步步指导它们的“人生经历”。我们可忙得很!可是目前,对于监督学习我们还得给机器反馈,改正它们的错误。而人类只需要学习几个例子,就能自动改正,并持续学会更多、更复杂的数据。预测型神经网络目前神经网络的主要限制之一是,它们无法像人类大脑一样进行预测。预测听起来很玄乎,但其实我们每天都在预测。如果桌子上有一小团棉花,你自然会预测棉花团会很轻,不需要花很大力气就能拿动。通过预测,我们的大脑能理解我们的身体和环境,还能知道我们是否需要学习新信息。如果你拿起桌上的棉花团,发现由于里面藏着铅块其实很重,大脑的认知能力能让你学会判断,第二次拿起棉花团的时候就不会惊讶了。预测性神经网络是与复杂的外在世界互动的核心。持续性学习“终生学习”对于神经网络来说是一件大事。目前的神经网络要想学习新数据,必须每次都从头开始重新训练。它们必须能意识到自己的“无知”,并自动评估是否需要进行新的训练。同时,在真实世界中,我们希望机器可以学会新技能,同时不忘记原本的知识。持续性学习也与迁移学习有关,这需要用到所有上述提到的技能,对增强型学习也很重要。增强型学习增强型学习可谓是深度神经网络的领域的圣杯。这需要自动学习、持续学习、预测能力和很多我们还未知的能力。目前,解决增强型学习的问题,我们使用标准的神经网络,例如可以处理视频或音频等大容量数据输入的深度神经网络,并将其压缩为表征,或者RNN等序列学习神经网络。它们可以从零开始、甚至一夜之间学会下围棋,但是与人类在真实世界中的能力相比,还相差很远。循环神经网络(RNN)Out了RNN很难进行并行化训练,由于使用超高的容量带宽,即便在特殊的定制机器上也运行很慢。基于注意力机制的神经网络—尤其是卷积神经网络—训练和配置起来更快、更高效,并且更容易规模化。它们已经逐渐补充语音识别,并在增强学习架构和AI的广阔天地间寻找更多的应用。硬件由于硬件的支持,深度学习在2008至2012年间实现了突飞猛进式的进展:每一部手机上都配有便宜的图像传感器,能够收集大量的数据库,同时GPU加速了深度学习的训练。在最近两年,机器学习硬件飞速发展。许多公司都在这个领域:NVIDIA、Intel、Nervana、Movidius、Bitmain、Huawei、ARM、Wave等等,所有公司都在开发定制的高性能芯片,用来训练和运行深度神经网络。这场开发竞赛的关键是, 在处理最近的神经网络运作时,提供最低的能力和最高的可测量性能。不过,只有少数人知道硬件对机器学习、神经网络和人工智能的影响,或者微型芯片的重要性以及如何开发微型芯片。例如:架构:很多人觉得计算机架构不过是加法器和乘法器,但是有一些架构能够最小化记忆带宽,一直同时使用所有单元。编译器:很多人觉得硬件不重要,神经网络编译器才是关键。但是在自己设计架构的时候,编译器只不过是通过机器代码,解读神经网络的计算图像。开源编译器的作用有限,因为最难的一步得依靠未知的架构。开源编译器可以作为前端,在硬件架构和神经网络图像之间还有很多值得探讨的领域。微型芯片:对于重要的算法,优化性能的最佳办法就是定制微型芯片,或者ASIC或SoC。FPGA现在已经含有深度神经网络加速器,预计将在2019至2020年实现,但是微型芯片总是更好的。进步:即便微型芯片的规模化还未被使用,还有一些技术进步能让深度神经网络加速器轻松获得10至20倍的提升。值得关注的的进展包括系统级封装和升级记忆等。应用现在,我们来详细讨论在哪些应用领域,AI和神经网络将改变我们的生活:分类图像和视频:云服务已经包含了这项应用,接下来也会来到智能视频传送中。神经网络硬件不通过云端,在本地处理越来越多的数据,不仅保护了隐私,也节省了互联网带宽使用。语音助理:语音助理已经进入我们的生活,在智能家居中起到重要作用。不过,我们经常忽视聊天的难度,对人类来说是一项基本活动,而对机器来说则是一项伟大的革新。语音助理正在进步,但还是不能完全移动化。Alexa、Cortana和Siri会永远在线,手机将很快成为未来的智能家居。这是智能手机的又一次进步。除了手机,语音助理也需要进入汽车,随着用户移动。我们需要更多的本地语音处理、更强的隐私保护和更少的带宽要求。随着硬件的进步,1至2年之内这些都能实现。人工助理:语音挺好,但是未来我们真正想要的人工助理还能见我们所见,跟随着我们移动的脚步分析周围的环境。神经网络硬件会帮助我们实现这个美梦,但是分析视频传输要求很高的计算能力,已达到了目前硬件能力的理论边缘,比语音助理要困难得多。AiPoly等创业公司已经提出了解决方案,但是缺乏强大的硬件,使其能在手机上运行。另外值得关注的还有,如果把手机屏幕换成类似眼镜的可穿戴设备,我们的助理将成为我们的一部分。家务机器人:另一项重要应用是可以做饭和清洁的家务机器人。我们也许很快就能实现硬件,但是还缺乏软件。我们需要迁移学习、持续学习和增强型学习。每一个食谱都不一样,食谱里的每一种食材都不一样。我们无法把这部分写死,必须开发一个善于学习和总结的机器人。这还是一个遥远的理想。本文作者:【方向】阅读原文本文为云栖社区原创内容,未经允许不得转载。

December 28, 2018 · 1 min · jiezi

五分钟教你如何用函数计算部署钉钉群发机器人

如果你是钉钉多个群的管理员,想要在多个钉钉群群发消息的时候,是不是还在为要寻找所有的群,并不断的复制黏贴消息而烦恼?过去的你:(N 个群,N 次操作)现在的你:(N 个群,1 次操作)本篇文章适合对函数计算服务感兴趣或想要在钉钉解放双手、轻松的在多个群群发的用户。本文将通过阿里云函数计算服务,手把手教大家如何一键部署钉钉机器人群发私服,解放双手。本文分为以下几部分:主要特色使用流程部署指南小结主要特色利用函数计算,一键部署钉钉机器人群发私服,解放双手通过鉴权认证,避免私服泄漏使用流程部署指南开通 阿里云函数计算服务 并安装配置 函数计算工具 fcligit clone https://github.com/awesome-fc/dingtalk-broadcast.git在项目目录下的 urls.txt 文件中,输入要使用的群发机器人的 webhookwebhook地址:点击 钉钉桌面版 右上角的个人名片,选择 机器人管理在机器人管理页面中,可以选择新增自定义机器人,也可以在已添加的自定义机器人列表中,点击 … 按钮,获取 webhook 地址urls.txt 格式:# 可以在每一行通过 ‘#’ 号,添加注释# 群 1https://oapi.dingtalk.com/robot/send?access_token=123456# 群 2https://oapi.dingtalk.com/robot/send?access_token=456789执行项目目录下的 deploy.sh 文件,命令行将会输出 endpoint 与 token,同时会打开浏览器并跳转到 钉钉消息群发 ,endpoint 与 token 默认会填写,此时只需要填写要群发的 消息,点击发送即可可以选择自己要发送的格式,选择 @所有人 即可 @所有人此后要发送消息,只需要执行项目目录下的 start.sh 文件,或直接浏览 钉钉消息群发 并填写 endpoint 、 token 与要发送的消息即可如果要修改机器人信息,可以在 urls.txt 文件中修改机器人信息,并重新执行 deploy.sh小结利用函数计算服务部署钉钉群发机器人,一方面是将 N 个群 N 次 操作转变为 N 个群 1 次操作、解放用户双手,另一方面是通过函数计算服务,将群发功能部署在云端,避免了日后运维的操作,也方便广大用户的使用。本文作者:泽尘阅读原文本文为云栖社区原创内容,未经允许不得转载。

December 26, 2018 · 1 min · jiezi

阿里AI设计师一秒出图,小撒连连惊呼,真相是...

近期,央视《机智过人》的舞台上来了位“三超设计师”——设计能力超强;出图能力超快;抗压能力超强,成功迷惑嘉宾和现场观众,更让撒贝宁出错三连。节目一开场,这位“设计师”就为现场嘉宾:主持人撒贝宁、演员韩雪、神经科学家鲁白生成了三张独具特色的海报。几乎是说话的瞬间,海报立即生成,出图速度之快让撒贝宁惊呼“秒完”。这位设计师正是阿里巴巴研制的AI设计师——鹿班。鹿班是为解放人类平面设计师而生,它学习了五百万张人类设计作品,现在它每秒能做八千次设计。自从2016年上线至今,鹿班已经完成了十亿次海报制作,是全球首位大规模投入使用的人工智能平面设计师。节目中,鹿班将接受设计领域的两轮检验,如果鹿班的作品被现场观众成功找出,则认为鹿班通过检验。究竟AI能否在设计领域达到人类水平?接下来,我们一起走进检验场。第一轮挑战中,鹿班与一次成稿率在80%以上的设计师、从业十二年的资深设计师等三位同台竞技,各自设计一张以“汽车卓越加速性能”为主题的商业海报。下图即四位设计师的设计成图,大家不妨来猜一猜哪幅是鹿班的作品。根据现场观众投票,多数观众认为4号作品出自鹿班之手。让观众出乎意料的是2号才是鹿班的创作,这个结果让神经学家鲁白大呼“不服气”。不信?眼见为实!接下来,战况升级。中央美术学院院长范迪安教授带来画家与服装设计师来和鹿班同台创作,为《孙子兵法》这本书设计封面。面对设计难度升级,鹿班能否成功应对?我们马上揭晓鹿班和两位人类设计师为《孙子兵法》设计的封面的作品:以上图片中有三幅作品,其中哪一张是鹿班的设计?到底观众们有没有猜对?不急,我们先请阿里巴巴资深技术专家星瞳为我们揭秘鹿班背后的技术。使用场景视觉生成引擎的使用场景大致可抽象成下图。以显式输入而言,用户可以输入标签需要的风格、色彩、构图等,或者输入一个例子,或者进行一些交互的输入。除显式输入之外还可以有隐式输入,比如人群信息、场景信息、上下文信息等。总的来说,输入可以是千变万化的,但通过规范化之后就会减少变化,使得生成过程可控,输出质量可控。对视觉生成引擎来说,它要求输入是规范化的。但在输入前,可以加入各种交互方式,如自然语言处理,语音识别等,将其转化成规范化输入。最后输出结构化信息或可视成图。技术框架和生产流程其技术框架如下图左侧。首先对视觉内容进行结构化理解,如分类、量化、特征化。其次通过一系列学习、决策变成满足用户需求的结构化信息即数据,最后将数据转化成可视的图像或视频。这一框架依赖于大量的现有数据。其核心是一个设计内核。同时,引入效用循环,利用使用后的反馈来不断迭代和改进系统。其生产流程分成六个步骤,如下图右侧所示。首先用户提出需求,将需求特征化转变成系统可以理解的结构化信息。其次将信息进行规划得到草图。有了粗略的草图后再将其转变成相对更精确的图,然后调整细节,最后通过数据可视化形成最终的图。当然其中还有很多的trick,以及各部分的优化。关键算法下面介绍一些关键算法。我们希望基于下图最左的耐克鞋生成最右的图。先通过规划器得到草图,再通过强化学习获得相对细致的结果,再通过对抗学习及渲染算法得到图片,再通过评估器进行评估,最后形成业务闭环,其中还会有一些基础的能力,包含更强的联合特征(非普通 CNN特征)及多维度检索算法等。基本上,处理的第一步是将图片中的信息结构化,这也是与现有的识别理解技术结合最紧密的地方。其中的难点和重点包括,对图像中多目标的识别、遮挡和互包含情况如何得到分割的信息等,下图只是个简单的示例。有了结构化信息之后,需要对信息进行量化。可以量化成特征或量化图。量化过程中会包含很多信息,比如主题风格、布局配色、元素种类、量化空间等。有了这些信息后可以在主题、种类、风格、视觉特征大小位置上,量化成各种码,用相对有限的特征来表达无限的图。下一步是通过用户的输入,得到一个相对粗略的结果即草图。目前主要使用的是深度序列学习。从图像角度,首先选定一个点的像素颜色再选择位置,再迭代进行操作,最后形成一张图。规划器模拟的就是这个过程。本质上预测过程是一棵树,当然也可以拆成一条条路径。为了简化,可以分成几步进行,比如空间序列,视觉序列。最后形成量化特征模型,主要应用的是LSTM模型。它把设计的过程转化成基于递归、循环的过程。得到草图后,利用行动器将草图细化。如果将图中的每个元素看作一个Agent,那么它将有若干个可选的行动空间。假设一张图中有20个元素,每个元素在视觉上有多种可选的行动空间,由其组合成的可选行动空间非常庞大。我们有很多trick可以解决这一问题,比如在空间上,只允许在有限范围内进行变动,且行动方向有序,即状态有序,行动有限。下一步是如何衡量结果的好坏。图像的评估相对比较主观,主要可以从美学和效果两方面来评估。美学角度可以包括是否对齐、色系搭配是否合理、有无遮挡这些较低级别的判断标准,以及较高级的,比如风格是否一致,是否切合主题。从效果上,产品投放后是否会在点击率等方面实现提升。最后将多个指标形成对应权重并形成多个DeepLR联合模型。但在衡量结果之前,需要形成像素级别可见的图。这里有以下几种构造器分类,包括临摹、迁移、创造、搭配与生成。前面介绍了,如何通过用户的需求形成可见的图。后续还需要进行投放和反馈并进行优化,形成效用外循环。这样才能使得系统效用不断得到提升,形成一个在线闭环,这也是智能设计相对设计师的一大优势。从技术角度来说,鹿班可以满足海量无选择客户的需求。相信在未来,可以做到“所想,即所见”。节目的最后,撒贝宁、韩雪、鲁白纷纷为鹿班站台,鹿班也因此成功入选 “2018智能先锋”。本文作者:厉害了!阅读原文本文来自云栖社区合作伙伴“阿里技术”,如需转载请联系原作者。

November 26, 2018 · 1 min · jiezi

即时通讯App怎样才能火?背后的技术原理,可以从这5个角度切入

欢迎大家前往腾讯云+社区,获取更多腾讯海量技术实践干货哦~本文由腾讯云视频发表于云+社区专栏关注公众号“腾讯云视频”,一键获取 技术干货 | 优惠活动 | 视频方案社交场景iMessage隐藏的省话费小秘密融合通信原理通过短信和IM的结合,可以实现从APP内到APP外的沟通。若你的朋友没有安装应用,你也可以在应用内,导入通讯录好友,给其发消息,只是这个“消息”,会以短信的形式触达。企业办公沟通场景休假旅行,老板电话,这2个词总能凑一起融合通信原理通过IM与呼叫中心结合,企业可以在APP内发起互联网IP电话,经过“中转机”,转为传统电话。企业间沟通的场景甲方和乙方又有了个安全高效的沟通途径融合通信原理两家企业通过对接各自的IM系统,可实现企业通讯录互通,适合于合作伙伴企业间的沟通。警察应急指挥场景网络不佳的情况,采用对讲机,可以向总部大屏幕同步现场情况融合通信原理通过对讲机通信和IM的结合,可以满足一些极端恶劣环境下的消息同步,从对讲机到指挥中心、微信群、app内的消息同步。智能客服场景过(现)去(在),在大众点评上联系商家,只能拨打商家预留的电话,现(将)在(来),“联系商家”入口悄然变成了智能客服,你永远不知道对面是真实的人还是AI机器人融合通信原理通过IM、视频通话、呼叫中心和大数据系统的结合,从APP、小程序内唤起智能客服、视频通话,可以极大的提升用户体验。如何打通IM、传统外呼中心、视频通话答案尽在“融而开放、合以创新”T-HIM融合通信技术开发实战时间:2018.9.8 13:30 -19:30 周六地点:北京市海淀区中关村创业大街10号楼天使汇极客咖啡3楼问答请问小程序即时通讯如何接入发送消息?相关阅读IM即时通讯实现原理iOS 即时通讯 + 仿微信聊天框架 + 源码开发一款即时通讯App,从这几步开始 【每日课程推荐】机器学习实战!快速入门在线广告业务及CTR相应知识

October 26, 2018 · 1 min · jiezi

谭安林:大数据在智能外呼系统的应用

欢迎大家前往腾讯云+社区,获取更多腾讯海量技术实践干货哦~本文由云加社区技术沙龙发表于云+社区专栏谭安林,腾讯高级工程师,2015年加入腾讯,8年互联网从业经历,从事大数据平台与产品开发相关工作;先后参与广告、金融等领域产品项目,目前负责行为预测解决方案,帮助客户盘活现有客群、挖掘潜在高价值新客。目前我们的产品包括:智能客服、大数据套件、腾讯移动分析、腾讯移动推送等。商业是一个价值交换的事情,并不是一个等价交换的事情,我们因为信息不对称,很有可能导致一些效应:赢者通吃。大家买一个什么东西,可能比较关注的是市场知名度比较高的,这种会导致有一些同样的质量,甚至质量更高更便宜的产品,他们曝光度没有那么高,他们销售的时候并不占优势。我们作为一个数据团队,希望基于通信技术,大数据技术提供数字化智能化的服务,提升我们营销的价值点。大家目的都是赚钱。我们要去解决这种沟通的一致性,信息的不对称。我们去淘宝或者京东买一个东西,如果质量出现问题就会找他们人工客服,出现什么问题帮我们解决。还有一种大家在订机票订酒店的时候会用到线上的服务,就是人工呼叫,还有越来越多文本类或者语音类机器人持续提供这种福利。我们现在这种工具,并不能直接解决营销上的问题。比如教育行业,每一个学生成绩模型是不一样的,有些数学比较好,有些语文比较差,我们需要因材施教,为标准化产品对接,也就是说教育行业会有很多细分场景,我们要去做一个具体场景的推销,一个宣传,以及让我们用户可以从注册到转化。这一块流程非常长,假如我们打电话给一个客户,用户说我们有一个数据产品非常不错,你孩子听了之后可能从80分变成90后,刚开始听的时候会很感兴趣,过了一天或者晚上,他的邻居说有个张老师他的课程还不错,这时候就会导致你整个营销链路断了,在整个过程之中,我们希望能够解决一些数据能力,通信的能力,去持续的为我们客户解决服务,从售前到售中售后都可以贯穿。我们在做的一个事情,有相应的客户在用,我们从售前给我们客户寻找到一个高价值的人群,可以让他针对性的做一些营销,本来是有30万的营销经费,如果说直接找到一批可以转换的一批人,可以定点的做相应的短信投放,去做呼叫,提高我们的ROI,我们行业客户就会去买单。在这里我们可以看到售前主要是行为的预测,行为预测我们会支持两种模式,一种模式是对线索的评分,我们在做一些线下宣传,线下活动推广的时候,我们会收集到一些用户一些联系方式,通过这些联系方式电话号码给他做一个评分,根据大数据上面一些特征判断他是否可能被我们转化,是否会在我们产品上面进行付费。还有一块是大家也去投过广告,不管是2B还是2C,大家都会投一些广告,给到曝光人群,点击你目标网站的人群也是线索人群。另外一个就是大盘,我们会告诉你互联网上可能存在某些人群,哪些人是你的潜在人群。这里我们第一个阶段做的是售前行为预测,包括一些挖掘,评分了之后就会告诉客户,高价值的这些人可以拿去做直接的外呼,一对一的外呼,这个成功率非常高。我们其他的高价值转换只占10%,最多占20%。那么有人想问了,还有70%、80%的用户群体是直接放弃吗,当然不是,这些人群我们希望可以结合短信,还有外呼渠道做一个渐进式的立项评估,以及促进转化意愿的提升。如果说一个用户已经转化了,他掏钱了,买了十节课,在十节课过程中会去学,我们后面会给他提供售后客服服务,所以这不仅仅是一个被动服务。我们后面会讲到怎样反哺前面两个环节,融合数据的能力。刚才一直在提教育,今天也是会主要以教育这个行业讲这个事情。我们在教育行业做行为预测,预测一个用户发生注册,或者是购买某一类产品。我们会从两大维度,一个是付费的意愿,一个是付费能力来进行评估。大家可以看到,我们的期望留学型和素质教育型还有望子成龙型人群,他们付费意愿会非常高,实际上在我们一些案例里面表现出来付费转换率也是很好的,还有一个就是打拼江山型,这种付费意愿并不那么高,但是他有钱,只要成一单,客单价相对来说比较高。对我们客单价比较高的产品来说,打拼江山型的人群对他们来说非常有价值,我们也是对不同行业,不同具体客户进行这种不同的定制化的建模,进一步做支持。刚才说的线索评分部分,会结合线上线下两个环节,我们以前做的更多是线上,当前也在做线下这部分。另外一块是潜客挖掘。我们客户比如教育、金融的很多企业,他们有一批已经买过产品的用户种子,包括有电话号码,有身份证这样一些信息,他们希望根据这个包,能够找到更多的人,相似的人去做一些扩散,去分道他的用户盘,这里我们集成大数据的相关特征,去做一个人群扩散。这里做的方式可以简单分享一下,因为只有种子,正向的样本,没有副样本,就是从大盘里面随机抽一部分出来做,这种方式效果不太好,我们后面用标签抽取方式,抽取一些种子人群,比较负向标签关联的人群,这种方式做出来,评估上会非常好看,但是在具体落地的时候稳定性差。后面就是做了一个Pulearing,会先从种子用户,放进副样本里面去先做一个种子筛选模型,再真正抽取出来的正负样本去做预测建模,最后我们会达到一个比较好的效果。整个行为预测这块在售前这部分能力,在做机器学习的时候,会对自己数据进行处理,先有数据,进行数据的预处理,这部分耗时会非常久,同时我们要去把数据实验各种不同的算法,去调参,去做模型在线调试,去上线,我们不同的行业,不同的客户有不同的模型,需要去做针对性的上线服务,我们时间开销很大,而且要上线一个新的东西,本来需要改一些参数,甚至有一些模块需要重启。这里我们用了腾讯云上面一个TI One大数据平台,在上面是可以支持各类的机器学习的框架,我们在上面是用到了像CNN,GBDT这样一些算法。给大家介绍一个TI One好用的点,我写一些计算任务,可以串起来,做一个任务流,像我们要做一个模型的训练,训练好了之后可以再形成一个算法结果的评估节点。我们可以看到一个简单的评估,算法评测效果,在发布的时候不同的客户有模型迭代,这个迭代可能是一个小的迭代,可能是大的迭代,很多环节都需要做更新,甚至有些环节会强依赖;TI One实现了一定的解耦,让算法同学直接做,通过TI One开放出来,再在工程上面做集成。介绍一下我们行为预测的一些模型样板,当前我们是在四个行业,可以先分享一下这两个行业的案例,我们的匹配率在市场上还是很有优势的,假如用户提供100万的号码包,我们可以识别出来在我们体系内有画像有特征的可能就是在教育这里有93%,在房地产有87%,比其他友商高很多。在模型效果上面我们会做预测上面的意向分级,我们高意向的拿去做营销效果会更好,模型的排序能力也比较好。我们刚才提到售前,怎么去挖潜在的人群,潜在高价的人群,形成人工外呼流程的功能。但是对于我们对他的意向评估不是太完善,对这样一些人可以走短信营销,在这里我们还可以从短信营销链路里面把他意向拆分出来是强意向还是中意向,在对短信营销做二次过滤意向的人群做一个外呼,经过外呼,在座可能有很多做这方面的东西同学,我们外呼或者呼叫之间通讯的基础能力,或者在这个接入能力之上加上我们数据能力,我们可以希望做到一个点是我们一个电话在呼叫的时候可以辨别性别、学历、收入、兴趣。根据不同的类型选择不同的模板,走相应的剧本。同时我们也基于这样一些机制做了一些后面的营销。这是一个短信投放的案例,我们在短信投放整个过程里面,会用断链服务,到监测,监测整个转换链路上面数据变化,用户走到哪一步,在这里可以看一下下面这个案例,两个包,第一个包42万,高意向的,可以看到分成三个小包做投放,效果比较好,。在这个基础上可以提供不同营销方案,或者你发送的时间,周期的不同可以做一些营销方案的对比。这里面是我们当前外呼这一块的服务框架,我们能力是偏向于在后端链路逻辑处理,像FS软交换服务器,我们当前也是在建设中,更多会希望外部的合作伙伴建立一些合作的机制,我们更希望借助与智能设备做整体大数据方面的解决方案。这是当前的一个ASR识别和TS流程,我们引入话术,这样是有特征的逻辑在里面,进入之后我们会进行调用AI引擎。这是一个当前的产品页面,这个页面上可以支持相应话术,可以有多个话术入口,以及特别的特征组合,我们可以有不同的针对性入口,他进来的话可以去到他相应不同的节点,在这上面我们对每一个节点也可以有多个下游,比如肯定意向,否定意向,未知意向。这是我们的一个Demo,我们以后可以对望子成龙型的不同客户群体,根据他的特征做不同的话术营销,像期望留学型用户他们更偏重外教优势,会介绍有多种外教经验,如果是可能意向就会走到说给你提供相应体验课程,去体验体一下,下面会有转人进行跟进。像望子成龙型他们希望自己小学学习成绩好,可以在周围有一定地位,在这里会给他推出某个教育产品,如果方便的话,我们的师资配备或者我们历史经验会比较丰富。对于否定的意向,我们再进行一些挽留,并询问原因,希望在这一点让他们可以看到,可以把他们顾虑,他们关注的点抛给我们,我们可以做后续的分析。假如是费用顾虑,我们可能会自动做一些打折的模板去进行专门的呼叫进行服务。我们提供一个被动预语料库,我们很难预估到客户会说什么话,在这种情况下我们需要保证这样服务完整性,比较好的体验,我们增加被动语料库,这一部分是我们智能客服的能力。这里刚才提到了客服,我们是用客服来做沟通,做技术支持相关东西,我们其实希望客服可以承担更多的角色,比如承担一些营销的任务,可以在产品售后让营销的触达之后,可以做一个营销的二次触达,产品售后之后可以做回访跟进,刚才提到一个点,我们一个用户在买一个课程之后,这个课程可能是十个课时,他只上了两三个课时,后面没有上,这个时候客服可以做后面的跟进,这种方式可以把我们用户关系稳定维护起来,也可以提高我们用户满意度,从而可以提高我们复购率的指标。客户服务平台。当前其实我们很多客户端的渠道,像网页版或者APP,像H5,企业微信也打通了,还有微信公众号这块也比较成熟,我们是把多渠道可以提供客服售后给到最终C端用户,进行客服系统使用,这在一块汇集了这些数据,不仅仅是客服数据,还可以用来做后续其他的分析,整合出来之后可以做市场、销售、新的功能研发点一些启示,可以找到一些新的机会。这是我们一个机器人AI客服的案例,当前是像我们公安、政企一些企业,还有像运营商的一些公众号。我们把微信的公众号和人工客服服务台数据进行打通,客服可以看到这个用户近期和机器人交互的环节,可以做出更精准的一些问答。这是整个技术框架,在这里包括我们机器人客服和人工客服这两块,会有一些AI人工状态管理,多轮问答,上下文管理,在这里我们人工客服这块的数据扭转使用了。首先是说和微信H5或者网页端,这在块集成之后给用户侧数据会到服务器,到服务器和人工客服台是通过websocket做一个实时机制,外加异步消息处理提供高效能,更稳定性的保障。整个客服AI机器人的架构,我们会从接入层接入不同渠道,在问答层当前是支持四种类型机器人,有相应的单轮问答,多轮交互,任务和闲聊的机器人,我们也是提供相应的服务工具,像知识图谱,数据运营分析的工具。后面是常规的两个,一个是后台引擎,会做向所有系统,像分布式的缓存系统,后面是算法,算法引擎,还有深度学习等等。整个客服算法框架,是采取了检索平台方式。一开始我们会对每一个问题进行一个纠错,文本的纠错,一个用户在发一个问题的时候,可能会发送错别字,这时候先把错别字做识别,会根据我们分词做分析上成相应的top1,去索引系统查出来相关的问题,查出来之后要计算相似度,计算相部分我们原来是直接把一个文本分拆成相应特征变量,用这种方式做相似度的计算,后面我们采用深度学习CNN,效果也有一个提升。我们一开始给客服是提供一个7X24小时落地保障。但是别人在问我们问题的时候,我们自己员工不可能全天候服务,这时候我们就有一些常规问题希望可以给他们进行一些回答。在这里我们一开始做的满足基本需求,后面我们希望提升工作效率,节省技术支持的能力。创新这一点,就是当前做的事情,其实客服这一块的兴趣是可以反哺行为预测。一个用户他来投诉或者他来咨询更多东西的时候,他是表示有兴趣的,这些点会加入到营销体系里面去,他的转化率是有一些提升的。后面做文本分析,做数据分析,会发现很多客户行为里面沉淀下来数据,用户相关提问数据,跟客服的交互数据,可以做一些产品新的规划。我们以前一直是一个被动的客服服务,后来很多场景都是做主动服务,在营销上面看还是需要做更主动化部分营销的切入服务。这是教育这个行业在加入大数据的能力之后,我们可以做到更精准,更智能,还可以把售后和售前进行连通,提供全栈式的服务,这在教育行业,还有汽车、房地产、金融行业是类似的,我们都有相应行业不同解决方案。Q&AQ:我们做这个语音还有人工客服这块整个系统的风控是怎么处理的。A:我们会考虑避免电话骚扰,让用户觉得体验不好,简单来说去给他做一些限频,还有我们可以在呼叫时候做一些预判。有一些用户在广告上面他的行为可能就会不太去点击,不太关注这一点,这些在我们其他应用,我们还有其他渠道,也可以判断出来他们会对我们发出的东西比较抵触,我们把他们加到一些灰名单和黑名单;当然,其他更多的措施也在持续落实中。Q:您好我想问一下,我现在手机每天也在不断被各种短信和电话骚扰,当然咱们这个系统方面比如说可以把一些没有意向的加入黑名单。我想问一下,除了短信和电话这种方式,还有没有其他的方式维系客户,您刚才就是指了两种,这两种方式我们客群不是很接受的。A:我们还有其他方式,但是其他方式和这个场景不是太切合,比如说广告曝光方式,但这种方式会和我们当前这些营销链路不契合,因为我们做的这套营销链路是为了在有线索,或者有这样一些意向再去做事情;因为主要是一些有意向的用户群,骚扰的频次频率就会相对较低些。附件如下:9.15 谭安林 大数据在智能外呼系统的应用.pdf问答如何追赶如此之火的大数据AI热潮?相关阅读郭律: 论机器学习平台与人工智能的关系罗冬日:深度学习在语音识别上的应用7分钟读懂《科技驱动教育,AI连接未来》沙龙重点 【每日课程推荐】机器学习实战!快速入门在线广告业务及CTR相应知识

September 28, 2018 · 1 min · jiezi