«Фракталы и сбор данных — секретное оружие AntWorks в масштабировании RPA», — говорит Ашиш Мехра.

Муравьи сотрудничают, подчиняясь простым правилам, боты RPA тоже сотрудничают, но система контроля более продуманная

Муравьи не являются разумными существами, они подчиняются очень простому набору правил, однако муравьиное гнездо с его замысловатыми туннелями и пищевыми отрядами чрезвычайно сложно; как будто королева муравьев сидит в командном центре и отдает приказы. Она, конечно, нет, вместо этого мы знаем, что муравьиное гнездо является примером эмерджентной системы — сложной системы, построенной из простых взаимодействий. В программных роботах, образующих RPA, нет ничего простого. Но система AntWorks RPA, известная как ANTstein, пытается создать порядок из беспорядка, применяя фракталы и RPA, используя алгоритмы на основе фракталов, применяя прием данных и даже имеет что-то вроде муравьиной матки. Он утверждает, что решает проблему, преследующую RPA-бизнес, а именно проблему масштабирования RPA.

Фракталы и RPA

Польский математик Бениот Мандельброт, человек, который говорил, что интересуется искусством шероховатости, и называл себя фракталистом, придумал слово «фрактал». Посмотрите на береговую линию издалека, она обычно имеет изрезанный вид, бухты и бухты, возможно, пляжи. Затем увеличьте масштаб, посмотрите на часть того берега, там такая же изрезанность, а появляются другие, пропорционально меньшие бухточки и бухты. Затем снова увеличьте масштаб, и снова береговая линия может выглядеть не идентично, но она будет похожа на исходную береговую линию. В основе фракталов лежит самоподобие. Мандельброт изучал, как можно «измерить шероховатость».

Данные тоже могут быть довольно грубыми, особенно когда они неструктурированы. В этом суть системы AntWorks, использующей фракталы для создания чистых данных. Все сводится к разнице между фрактальным и нейронным движком.

Ашиш Мехра, соучредитель и генеральный директор AntWorks, объясняет это метафорой, касающейся яблока. Он сказал:«Если мне нужно научить нейронный двигатель распознавать яблоко, его нужно будет обучить очень маленькому яблоку, маленькому яблоку, среднему яблоку, большому яблоку, очень большому яблоку любой формы. цвет и форму, чтобы нейронный движок мог распознать любое встречающееся яблоко. Поскольку фракталы в основном связаны с распознаванием образов, вам нужно обучить фрактальный движок только на одном яблоке, независимо от его размера. Это потому, что узор очень маленького яблока или узор очень большого яблока останется прежним».

Как фракталы поддерживают RPA?

«Фрактальная наука», по словам Мехры, основана на предпосылке самоподобия и того, что сети нейронов передают похожие, но не идентичные сигналы о закономерностях. Фрактальная наука — более детерминированная наука, тогда как нейронная — более вероятностная. Поскольку фрактал — более детерминированная наука, для обучения ему требуется меньший репрезентативный набор данных. Поскольку для обучения вам нужен меньший репрезентативный набор данных, последующие преимущества накапливаются автоматически. Вам нужна более тонкая инфраструктура, меньшая вычислительная мощность, и ее внедрение становится намного проще и быстрее». Он предполагает, что это контрастирует с «нейронными системами, где вам нужны большие наборы данных, а это означает, что вам нужна более крупная инфраструктура, большая вычислительная мощность, что приводит к увеличению затрат и увеличению времени для развертывания решения.

«Я бы сказал, что нейронные сети также очень зависят от людей, когда вам нужны большие пулы ресурсов, чтобы иметь возможность обучать движок», тогда как для фракталов требуется меньше людей.

Следовательно, согласно аргументу, RPA на основе фракталов легче масштабировать — по крайней мере, в этом суть того, что говорит Мехра.

Такова идея фракталов и RPA.

Прием данных

Мехра предполагает, что существует четыре типа данных:«структурированные, неструктурированные, изображения и предполагаемые данные». Он говорит, что цель AntWorks заключалась в создании механизма приема данных, который мог бы считывать все четыре типа данных.

Но разве другие RPA-компании тоже не занимаются сбором данных?

Мехра признает, что да, но это недавняя разработка — например, Decipher от Blue Prism, анонсированный ранее в этом году.

Мехра утверждает, что, хотя AntWorks опоздала на вечеринку RPA, она не была отягощена наследием, и что ее инструменты для сбора данных, следовательно, лидируют. На самом деле AntWorks позиционирует себя даже не как RPA-компанию, а как компанию, занимающуюся интеллектуальной автоматизацией.

Означает ли это, что AntWorks сделает с существующими RPA-компаниями то же, что Netflix сделал с Blockbusters? Это маловероятно, но, возможно, ее внимание к фракталам и сбору данных дает ей достаточную нишу, чтобы отвоевать себе часть рынка, на котором доминирует небольшое количество компаний, которые вместе привлекли более миллиарда долларов.

Является ли RPA пластырем?

Критики утверждают, что RPA — это краткосрочное решение проблемы, которая в конечном итоге будет преодолена с помощью более интегрированного программного обеспечения.

Неудивительно, что с этим обвинением не согласны RPA-компании. Их защита заключается в том, что RPA развивается, фактически многие перестали использовать аббревиатуру RPA и вместо этого говорят об интеллектуальной автоматизации. Например, недавно Джейсон Кингдон, председатель Blue Prism, сказал Information Age, что:«Критики говорят, что RPA — это краткий момент между настоящим моментом и тем, когда мы получим — какое-то отличное решение для всех песен, но это полная ерунда… инструмент RPA, который может сделать работа от 9 до 50 человек».

Мехра предполагает, что RPA может превратиться из липкого пластыря в интеллектуальную автоматизацию. «RPA — это клейкая лента, — говорит он, — интеллектуальная автоматизация использует гвоздь. Если вы повесите картину с помощью Blu Tack или клейкой ленты, она будет стоять некоторое время, но в какой-то момент она упадет. Если использовать гвозди, картина будет стоять вечно, пока не случится землетрясение или что-то в этом роде».

Какое это имеет отношение к муравьям?

Наконец, это приводит нас к муравьям и, в частности, к королеве муравьев, или к тому, что AntWorks называет королевой-ботом.

Мехра объясняет:«Бот-королева постоянно следит за роботами-муравьями. Если бот-королева видит, что один конкретный бот вышел из строя, он переносит задачу этого бота на другой рабочий стол».

Подход королевы ботов также делает возможным то, что называется интеллектуальным управлением рабочей силой. Например, в случае со страховой компанией может быть три бота:один занимается претензиями, один занимается расчетом заработной платы, а третий занимается расчетами с кредиторами. Если бот, работающий с претензиями, испытывает трудности с нагрузкой, а два других закончили работу в течение дня, бот-королева может выделить двух незанятых ботов для помощи первому боту.

Это совсем не похоже на муравейник. Муравьиная матка не отдает приказов, генерального плана нет, порядок создается каждым муравьем, следуя простым правилам, зашитым в него, например, следовать за другими муравьями. Но если вы видите муравьиное гнездо в качестве метафоры с королевой муравьев под контролем и рабочими, выполняющими ее приказы, то это кажется приближенным к тому, о чем должны быть AntWorks и его продукт ANTstein.