RPA技术和AI技术在过去一直被视作相互独立的两个领域，看似不相关的两种技术，实际上二者高度互补，并不矛盾。AI技术是RPA技术快速发展的基石，RPA技术在AI技术的不断加持下，能够实现深度的业务场景覆盖，完成复杂的系统操作和数据获取，达到接近人或超过人的准确率，打破传统RPA只能按照特定规则处理业务的局限。
10.1.1 AI技术发展趋势预测AI技术是RPA技术的发展驱动力。业内普遍认为，AI技术的主要发展趋势是运算智能、感知智能和认知智能的发展，三者含义如下（如图10-2所示）。
图10-2 AI技术的未来发展趋势
（1）运算智能是指计算机快速计算和存储的能力。
（2）感知智能是指通过各种传感器获取信息的能力，包括视觉、听觉、触觉等感知能力。人和动物都具备，能够通过各种智能感知能力与自然界进行交互。如语言识别、计算机视觉、人机交互等。
（3）认知智能即能理解、会思考，指机器具有主动思考、理解、推理的能力。不用人类事先编程就可以实现自我学习，有目的的推理并与人类自然交互，如机器智能决策等。
在不久的将来，RPA技术在计算机算力和存储能力不断提升的基础上，与感知智能（如语音识别、手写识别、图像识别等）、认知智能（如人际交互、智能阅卷等）相结合，打造出能够模拟人类进行业务决策和业务处理的智能RPA机器人。智能RPA机器人可以学习人的业务处理经验，协助人类在业务场景下做出判断和决策并完成复杂的系统操作。
业内普遍认为，感知智能的目标是实现高可用的感知智能，让机器有更多感知能力，其任务主要包括语音识别、手写识别、图像识别等。通过语音识别，一方面可以增加RPA机器人操作的信息输入，另一方面可以让人与智能RPA机器人通过语音进行操作交互，随时改变操作流程，灵活调整RPA软件机器人的工作方式。通过感知智能赋能手写识别，可以提高OCR对静态手写单据的识别准确率，从而提高RPA机器人操作的准确率。智能RPA机器人与图像识别和计算机视觉技术的融合极大地扩展了RPA的能力边界。
认知智能的目标是，实现认知智能的突破，部分取代人类的脑力劳动。2020年1月，在阿里巴巴达摩院发布的2020十大科技趋势预测中，“人工智能从感知智能向认知智能演进”这一趋势位列榜首。人工智能已经在“听、说、看”等感知智能领域达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。而认知智能，则是未来人工智能热潮能否进一步打开天花板，形成更大产业规模的关键因素。达摩院认为，认知智能将结合自然语言处理、跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，进而实现感知智能到认知智能的关键突破。
10.1.2 RPA与AI技术加速融合从感知智能向认知智能演进已然是AI发展的必然趋势，当感知智能出现乏力时，认知智能的出现可以将产业升级拉到快车道。换言之，RPA与AI技术相融合是RPA与认知智能的加速匹配，认知智能的发展决定了RPA技术未来的发展和应用趋势。
自然语言处理技术和知识图谱是认知智能技术发展的基石，自然语言处理技术的作用是将自然语言转化成机器可以理解的符号，知识图谱的作用是通过语义把各种实体关联起来。知识图谱中数据的主要来源有各种形式的结构化数据、半结构化数据和非结构化文本数据。日常工作中大多数的信息都是以非结构化文本的形式存在的，而非结构化文本的信息抽取能够为知识图谱提供大量较高质量的三元组事实（实体–属性–实体），是构建知识图谱的核心技术。基于知识图谱内部存储的大量实体以及实体间的关系，RPA在进行业务操作时，一方面可以根据业务场景准确地操作并返回答案，另一方面可以对相关体系和发展脉络进行跟踪，提供基于语义的文本内容关联分析，协助业务人员进行符合实际场景特征模型的业务预测。
举一个我们实施的RPA+AI在科技政策类场景中的例子，能够更好地体现智能RPA机器人如何与AI进行相融合，并在实际场景中成功落地。RPA通过人工智能语义分析，判断政府政策要求与互联网企业的条件是否匹配，实现政策与企业双向智能匹配，加快推进“互联网+政务服务”的建设落地。
该项目基于科技政策知识图谱来完成RPA机器人的操作。在构建和应用科技政策知识图谱的过程中有几个重要环节，主要包括知识体系构建知识获取、知识融合、知识存储、知识推理和知识应用等。具体描述如下。
·知识获取是对海量的科技政策文本数据进行信息抽取，其方法根据所处理数据源的不同而不同。
·知识融合是对不同来源、不同语言或不同结构的科技政策知识进行融合，从而对已有知识图谱进行补充、更新和去重。
·知识存储是研究采用何种方式对已有知识图谱进行存储，目前大多采用基于图的数据结构对知识图谱进行存储。
·知识推理是通过知识建模、知识获取和知识融合构建一个可用的知识图谱。但是，由于处理数据的不完备性，所构建的知识图谱肯定存在知识缺失现象（包括实体缺失、关系缺失）。由于数据的稀疏性，我们也很难利用抽取或者融合的方法对缺失的知识进行补齐。因此，需要采用推理的手段发现已有知识中隐含的知识。目前知识推理的研究主要集中在对知识图谱中缺失关系的补足，即挖掘两个实体之间隐含的语义关系。
基于时间维度，对政策文献进行自动标识，利用相应的NLP组件抽取出政策名称、政策发布时间、政策来源、政策主题、政策关键字等要素，用它们作为实体、属性、关系的三元组，并与政策知识图谱做映射匹配。在基于知识图谱的智能问答应用中，可以按照时间的由远及近，让政策的权重递增，通过图谱上下级关系的连线的数量进行评估，连线越多，重要程度越低。
基于政策知识图谱的构建，RPA机器人可以实现如下效果。
·智能RPA机器人可以打造数据万花筒，轻松应对复杂业务场景的系统操作，解决增强关联数据的可解释性。
·智能RPA机器人可以多维度评估企业的发展指数，对企业目前的规定与政府政策之间的差异进行量化评估，并综合专业政策解读经验提供行动建议，为企业实现降本增效的目的。
·智能RPA机器人实现政策文本的精准定位，面向用户提供基于政策文献的细颗粒度内容的查询，打破传统RPA通过既定规则实现检索或查询的机制。
·智能RPA机器人可以提供国内外科技政策研究趋势比对、区域科技政策热点指数、科技政策研究热点分析与趋势研判等高端服务，辅助政策研究人员起草政策、提供办事依据、提升业务人员的对外服务质量。
展望未来，智能RPA机器人将会汇集更多的先进技术，使RPA机器人更智能化，使企业实现从传统技术平台到自动化业务平台的转变，使员工能够从烦琐、重复的工作中解放出来，专注于具有战略意义和人性化的业务，从而加速RPA机器人在企业中的应用，使企业员工向数字化员工转型。