智能化活動 RPA+AI將會是下一個人臉識別級的應用,如何為智慧城市構建決策支持所需要的知識圖譜和知識庫?

知識圖譜(Knowledge Graph)又稱科學知識圖譜,是圖書情報學領域的概念,用于繪制、分析和顯示學科或學術研究主體之間的相互聯系,是揭示顯示科學知識發展進程與結構關系的可視化工具。

在多數情況下,知識圖譜采用圖結構進行可視化表示,使用結點代表作者、學術機構、科學文獻或關鍵詞,使用連線代表結點間關系。

繪制知識圖譜的常用工具包括CiteSpace、Ucinet、Gephi、Bibexcel等。

0f56b8c9b07cb24b9be43206b9155fd8_副本.jpg

知識圖譜與智慧城市建設是什么關系?

在八部委《關于促進智慧城市健康發展的指導意見》當中明確提出:智慧城市是運用物聯網、云計算、大數據、空間地理信息集成等新一代信息技術,促進城市規劃、建設、管理和服務智慧化的新理念和新模式。

建設智慧城市,對加快工業化、信息化、城鎮化、農業現代化融合,提升城市可持續發展能力具有重要意義。

以數據應用為核心,例如,北京市僅各委辦局的數據總量就達到了1600PB。

因此,要利用人工對海量的數據進行治理、利用和共享幾乎是不可能完成的事。

隨著海量異構數據的大量生成,例如視頻數據、圖像數據、音頻數據,企業致力于開拓更多的數據應用和更多場景的落地。

這將促進對數據治理、數據集市和數據即服務的發展,數據管理和集成平臺的市場規模也將進一步擴大。同時,分析算法與業務應用的融合。

384a615e32ae89ff138f37fdd84ca8da_副本.jpg

終端用戶將不再滿足簡單的業務分析、統計,技術供應商需考慮如何將分析能力與業務系統融合,幫助用戶在獲得預測結果的同時,可以直接為用戶提供業務洞察服務。因此,構建不同行業的城市大腦是必由之路。

RPA+AI就是推導知識圖譜,實現實時業務洞察服務的關鍵技術。那么,它是如何提取知識圖譜的呢?

首先,要整明白:AI是大腦,RPA是神經末梢。

人工智能,就好比人類的大腦,主要負責發出命令,通常具備“思考”與“學習”的能力。

一方面,AI結合機器學習、深度學習,擁有了自主學習能力;

另一方面,其通過計算機視覺、語音識別、自然語言處理等技術具備了認知能力;

另外,AI還可以通過大數據不斷矯正自己的行為,從而有預測、規劃、調度以及流程場景重塑的能力。

RPA,則更像是人類的雙手,傾向于重復地接收并執行命令,通常具有“動手”的能力。

RPA作為一種軟件機器人,需要依靠固定的腳本來執行命令,擅長執行基于明確規則,大量重復且機械性的工作。

不過,傳統的RPA無法獨立思考,只能死板地按照人給它預設好的程序工作。

2016-09-2219_副本.jpg

其次,要整明白:RPA+AI的目標是構建知識庫。

第一步,運用 AI 的能力,尤其是自然語言處理和知識圖譜技術,可以構建底層知識庫,處理非結構化數據;

第二步,結合業務場景,將業務規則沉淀下來,構建模型;

第三步,將數據和模型結合,運用到具體場景中,完成流程自動化。

這里面有個數據完全結構化的問題。

其次,要整明白:當下所處的階段。

RPA只能做一些基于規則的簡單的數據搬運、填充工作,NLP和OCR等AI技術拓展了RPA自動化的邊界,使其能夠處理非結構化數據和打通線上線下交互,這些都標志著數字化員工的發展已經走過早期階段,企業日常辦公的智能化正在進入RPA+AI的深水區。

僅僅在銀行里可能就有上千個場景和流程有待挖掘,對應到市場規模上十年之內至少是5000億級。

目前,國內只有15家RPA廠商。

最后,要整明白:整個技術體系。

RPA+AI包括三個層次的技術支撐。

核心技術包括知識圖譜引擎、智能搜索引擎、非結構化數據機器學習平臺。

jrzp-hcmurvf7474590_副本.jpg

知識圖譜引擎:支持尋找數據關系(將分散數據建立關聯)、動態更新(持續接入數據字段的最新信息)、探索數據(用最簡單的方式搜索數據)。

智能搜索引擎:支持深度搜索(基于機器視覺、自然語言處理技術,搜索圖表、表格中數據)、數據接入(支持非公開與公開數據接入與整合)、數據創造(通過合并已有數據,創造新數據)。

非結構化數據機器學習平臺:支持全流程數據處理(數據輸入、標記、訓練、校驗全流程處理)、多類型文件支持(支持各類非結構化數據處理,如PDF、圖片等)、AI算法引擎優化學習(海量語料不斷優化解析結果)。

RPA機器人收費模式,即1個機器人就是1個業務流程,客戶按每年使用機器人數量收費。

由此可見,智慧城市中國首席咨詢專家周智勇分析認為,RPA+AI生成知識圖譜和知識庫的過程是:首先對海量(流式或非流式)非結構化數據進行由機器學習平臺主導的治理;

其次,利用RPA進行知識點的智能搜索以生成知識圖譜,最終,利用知識圖譜引擎生產知識庫,從而為智慧決策提供支持。

QQ截圖20191129153032_副本.jpg

結束語

當前,物互聯所產生的數據爆發式增長,不僅為分析關系提供了有效原料,更為人工智能、數據智能的飛速發展帶來了前所未有的數據紅利,知識圖譜應運而生,成為下一代智能搜索的核心關鍵技術。

知識圖譜不僅是一個全局知識庫,更是支撐智能搜索和深度問答等智能應用的基礎,能夠為許多相關學科領域開啟新的發展機會。

從這個意義上來看,知識圖譜不僅是一項技術,更是一項戰略資產,公共安全、電商、金融、媒體出版等行業均對知識圖譜有海量的需求。

因此,場景化的行業+RPA+AI將是不同的智慧城市行業的競爭焦點,知識生產自動化的時代已經悄然來臨!

梦幻西游工具箱 二码两肖2码期期准中特免费2码 天津麻将手机app玩哪个 王中王一肖一马期期中 广西快乐双彩开奖号码 两肖两码料 腾讯欢乐麻将官方下载 管家婆四肖三期必中特 广东好彩1开奖今天 生肖卡2018图片 安徽麻将下载