RPA与人工智能技术的结合
当人们从果树上摘水果时，他们总是会发现一些水果处于较低的位置，触手可及。这在经济学上被称为“耷拉的果实”，也泛指那些不费吹灰之力就能搞定的事情。如果说RPA是人工智能领域的一颗耷拉的果实，那么在人工智能领域，还有哪些更复杂、更难的技术可以帮助RPA做到呢？这就是所谓“智能自动化阶段”要考虑的问题。
IPA需要解决的问题仍然是上面提到的数据获取和决策问题。因为OCR只能解决图像中字符的识别，而如果需要识别照片或图像，就需要使用计算机视觉技术。自然语言处理只能处理静态扫描的零件，如果涉及到机器人与人的交流过程，也需要对话机器人。对于自动化过程中较为困难的决策，需要采用专家系统。
1.计算机视觉
计算机视觉是一门研究机器“外观”的科学。是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量，再用计算机对图像进行进一步处理，最后将目标处理成更适合人眼观察或符合仪器检测的图像。
计算机视觉由硬件、软件等要素组成，如图像采集设备、镜头控制以及相应的算法(基本算法是深度学习)。过程自动化领域通常补充计算机视觉中的图像分类和图像检测与识别技术。
图像分类
图像分类通常与光学字符识别技术相结合。因为图像的类别在OCR识别之前必须要明确，比如需要在一堆发票中区分增值税发票和出租车票，然后利用OCR技术识别票面中的元素。计算机在实现分类时，不能像人眼那样直接对图像本身进行分类，因为算法只能对数据进行分类，所以需要将某一类图像的唯一属性作为图像特征，然后利用图像特征按照人工智能算法进行分类。目前流行的图像分类架构是卷积神经网络(CNN)，它将图像发送到CNN网络，然后由网络对图像数据进行分类，这样OCR就可以方便地对分类后的图像进行识别。
图像检测
图像检测是指识别图像中的物体，以不同的模式识别目标和物体。图像分类关注的是整幅图像，给出整幅图像的内容描述，而检测关注的是特定的目标对象，要求同时获取这个目标的类别信息和位置信息。图像检测是自动化领域RPA机器人自动操作行为的触发点。如果在视频或图像中检测到目标物体，就会触发机器人的自动处理。
目前，计算机视觉技术的主要应用领域是物理机器人行业，如机器人循线避障等。相信随着人工智能技术的进一步成熟，计算机视觉技术能够顺利融入更多的人工智能产品，与过程自动化领域的融合将更加紧密。因为计算机视觉技术是将物理世界转化为数字世界的重要组成部分，也是RPA从虚拟软件环境连接到真实环境的重要手段，比如路标、汽车牌照、商业招牌的识别，便于后续统计和分类的自动化。
2.对话机器人
Chatbot实际上是一种软件机器人，其核心技术是自动问答，即利用计算机自动回答用户提出的问题，以满足其知识需求。与现有的搜索引擎不同，它不再是按关键词匹配排序的文档列表，而是一个准确的自然语言答案。在自然语言处理研究领域，问答系统被认为是验证机器是否能理解自然语言的四大任务之一。另外三个任务是机器翻译、复述输入文本和自动生成文本摘要。
根据目标数据源的不同，自动化领域的机器人主要采用检索式问答和知识库式问答。
检索请求
检索问答是从一系列可能的答案中选出最相关的回答句。许多为儿童讲故事的随行机器人就属于这一类。
知识库问答
知识库问答采用知识图谱或知识库，对话机器人的任务是根据用户提问的语义，直接在知识库中找到并推理出匹配的答案。因此，如何将用户的自然语言问题转化为结构化的查询语句是知识库问答系统的核心，关键在于对自然语言问题的语义理解。
机器人对话中的技术之一是语音交互，在中英文交互中都非常成熟。语音交互主要包括语音识别器、语言生成器和语音合成器模块。语音识别是从语音输入到文字识别的转换，即将用户说出的语音转换成文字；语言生成是根据解析模块得到的内部表示，在对话管理机制的作用下生成自然语言，即把答案的机器语言转换成口语；语音合成就是把模块生成的句子转换成语音输出，也就是把口语再次转换成语音。最适合这种语音交互能力的载体是个人移动设备，而不是台式电脑，因为个人
移动设备距离人最近，也最容易产生交互。但是，RPA 机器人却可以在桌面电脑上为你服务。所以，比较好的结合方式就是，利用移动设备上的对话机器人与桌面电脑中 RPA 机器人进行交互。目前，我们并不相信所谓的通用对话机器人会出现，也就是那种可以与你随时对话、交流各种话题的全能对话机器人。但是，各种专业化领域的对话机器人却会逐渐出现，如负责售后、财务报销、采购答疑等机器人，它们谙熟于所擅长的领域，专心成长为某一领域的问答专家。这种专业型对话机器人也会与专业型 RPA 机器人相互配合工作。
本文部分内容参考gydlr 著 《RPA流程自动化引领数字劳动力革命》