2023年将是激动人心的一年，工智能的胜利终于不再是科幻小说。借助显卡、云、简单语言等周边技术，AI（人工智能）和RPA（机器人过程自动化）在供应链领域的融合终于发生。此外，政府和组织也开始对其进行监管。
我们可能无法深入研究每一个问题的技术层面，然而，将解释这三者之间的关系，以及它们如何在当今世界分享可持续的相同影响。
让我们从每种技术的简要概述开始，深入研究它们在我们供应链领域中的协调努力和斗争。
人工智能史：
法国软件工程师和人工智能研究员Francois Collet在他关于深度学习的新书中说，人工智能并不是一个新的领域，尽管我们开始在我们今天的生活中看到它的应用，比如网络搜索引擎(Google)，它的应用算法被(YouTube，Amazon和Netflix)使用，或者直接与我们互动(Alexa和著名的Siri)，人工智能作为一门学科诞生于1956年，研究人员当时的目标是找到一个模拟人类大脑的模型，模拟我们解决问题的技巧、形式逻辑，并在日常生活中共同使用我们的知识。
由于许多原因，失望和资金的损失，所有这些试验在许多年前都没有成功。他们称之为AI冬天，所以自1956年以来，AI经历了许多冬天，影响了它的许多领域。
这样的人工智能冬天在今天的领域发生的可能性有多大，这是我们许多人可能会遇到的一个问题？现在的回答是否定的。
今天的人工智能之家将经受多波风暴的考验，因为它存在的主要支柱现在更加强大，首先是处理速度，如果我们简单地比较英特尔的两个微处理器，1971年诞生的英特尔4004和2021年诞生的苹果M1 Max。
由2250个晶体管组成，英特尔处理器最大时钟740khz，这是处理器可以产生脉冲的频率的简单说明，用于同步操作，今天苹果M1 max不是由2250个晶体管组成，而是570亿个晶体管!
它的时钟频率为3.2 Gega Hz，但不是千兆赫!
不仅是速度，上面的图表清楚地解释了这些巨大元素的大小是如何在这些年里演变的。
第二个支柱是今天的人工智能，可以从数字收集的大量数据中学习，并将每天继续学习，云存储基础设施的发展正在越来越多地帮助这一点。
现在，让我们试着审视一下我们的供应链世界，特别是在大流行的背景下。在过去，数学方法和供应链算法能够处理很大一部分问题，但现在，世界不同了，我们的客户的观点也不同了，如果它成为病毒式传播，少数人的小推特可能会将需求从产品a转移到产品Z。
该领域需要从全球传感器中不断学习，这只能通过技术来实现，在我们看来，深度学习是其中必不可少的组成部分。
深度学习
计算机模型学习直接从图像、文本或声音中执行分类任务。现代精度可以通过深度学习模型来实现，有时甚至超越人类的能力。大量的标记数据和多层神经网络架构被用于训练模型。
顺便说一下，前面的介绍是通过深度学习技术重新措辞的!
Francois Chollet在他的书《Python深度学习》中解释说，让PC工作的通常方法是让程序员写下规则——计算机程序——将输入数据转化为适当的结果，就像Lovelace女士写下分析引擎执行的一步一步的指令一样。机器学习则反过来：机器查看输入数据和相应的答案，并找出规则应该是什么(见图)。机器学习系统是经过训练的，而不是明确编程的。它提供了许多与任务相关的示例，并在这些示例中找到统计结构，最终允许系统提出自动化任务的规则。例如，如果你希望自动完成标记度假照片的任务，你可以向机器学习系统展示许多已经被人类标记过的图片示例，系统将学习统计学。
深度学习是人工智能的一部分，从图中我们可以看出：
人工智能、机器学习和深度学习
深度学习的工作原理：
深度学习是机器学习的一个特殊分支，它强调学习越来越有意义的表示的连续层，深度学习是一种从数据中学习表示的新方法。“深度学习”中的“深度”是指多层表示，而不是通过该方法可以获得的任何形式的更深入理解。模型的深度是指进入数据模型的层数，分层表示学习或分层表示学习可能是该学科更好的名称。今天的深度学习技术通常包含数十个甚至数百个表示层，这些层是通过接触训练数据自动学习的。
深度学习过程
人工智能及其对供应链领域的实际贡献：
作为一名供应链专业人士和研究员，作者个人在提升解决多维问题的方法时遇到了困难，例如，试图削减成本可能会影响可持续的责任，节省运输可能会影响服务水平。
今天，在人工智能和机器学习的帮助下，有一个很好的机会来促进多维决策方法，这些方法考虑到公司之外的账户影响，例如社会和治理 (ESG) 应用、环境变化、甚至可能推动需求的社交媒体趋势。
今天有了人工智能，一家公司可以建立一个有弹性的供应链，如果配备了一个基础软件，可以为团队提供全球天气状况、货币变化、社会发展的可见性，如果监控得当，供应链团队可以快速做出反应以反脆弱的方式战胜黑天鹅。
人工智能和机器学习也可用于上游（采购、供应商资格）和下游（采购订单管理、库存管理和物流）。
Scale AI 是一个共同投资和创新中心，政府资金与加拿大遗嘱认证部门的捐款相匹配，到 2022 年政府将提供超过 2.8 亿美元的资金，任何在该领域有好主意的小团队都可以开始添加领域的努力。
从港口物流优化工具到智能预测有前途的项目。
机器人流程自动化
机器人流程自动化 (RPA) 是一种生产力工具，允许用户配置一个或多个脚本（一些供应商称为“机器人”）以自动方式激活特定的击键。结果是机器人可用于模仿或模拟整个业务或 IT 流程中的选定任务（交易步骤），这些可能包括操纵数据、将数据传入和传出不同的应用程序、触发响应或执行事务。RPA 结合了用户界面交互和描述符技术，这些脚本可以覆盖一个或多个软件应用程序。（Gartner 词汇表）
所以在这里我们谈论的是使用一个机器人或一个可以在我们的计算机中进行几次击键的人造人，虽然它可能看起来像一个简单的工作，在大多数情况下都是如此，但它的强大工具可以减少大量的工作时间。
RPA和SAP，伟大的合作：
在讨论RPA在SAP世界中的重大参与之前，最好强调一下供应链领域的最新权重，在每个大型或中型组织中，我们注意到美妙的蓝屏，这对一些人来说可能有用，但对另一些人来说是痛苦的，特别是如果需要分析该领域中存在的复杂问题。
我个人遇到了很多瓶颈，试图估计和评估一个最大的航空航天工厂的理论库存，我们通过使用RPA方法克服了这一点。
如今，RPA已经成为SAP过程自动化中的一个标准功能，自动化重复的手动任务，在用户界面级别集成应用程序，并按需扩展。
现在SAP承认并认可了两种机器人的存在：
- 参与机器人
自动化由用户主动发起的手工任务，例如具有自动数据收集的多步骤流程。
- 无人看管机器人
在不需要人工干预的情况下自动化任务，例如大量生成业务文档。
SAP今天提供了一些工具来促进许多类型的机器人的工作，这加强了两个行业，帮助解决当今的许多供应链问题。
这些RPA的美妙之处在于它们易于开发，并且可以在一夜之间生成复杂而庞大的报告。
机器人流程自动化或人工智能：
在理解了每项技术的概念之后，重要的是要知道使用什么以及在哪里，甚至有时，传统上不需要大量投资这种技术的问题可以用一个简单的公式来解决。
我们不会建议任何方法，两者的混合解决方案也可以提供很多好处，但它需要供应链专家在采用适当的方法之前更好地了解他的问题、环境和公司业务的性质。
人工智能增长推动监管：
随着任何技术的发展，政府都在同时对其进行监管，重要的是更好地划定界限，看看我们如何保护各方免受此类技术的滥用。
例如，欧盟正在推进其 AI 法案草案，两年计划旨在规范高风险 AI 的使用，例如教育、边境控制、执法和金融部门的 AI 将被处以高达 3000 万欧元的罚款不合规。
除此之外，他们还规范和保护与不同制造商合作的员工、业务合作伙伴和供应商或客户的个人信息。
谁在保护我们的数据?
如果你生活在欧洲，GDPR是欧盟隐私法和人权法的重要组成部分，尤其是《欧盟基本权利宪章》第8条。
《通用数据保护条例》是欧盟法律中关于欧盟和欧洲经济区数据保护和隐私的规定，最初于2016年发布，
如今，世界上最严格的隐私和安全法律是通用数据保护条例(GDPR)。虽然它是由欧盟创建和批准的，但它对任何针对或收集居住在欧盟的个人信息的组织都提出了要求。该规定将于2018年5月25日生效。GDPR将对违反隐私和安全标准的人处以高达数千万欧元的高额罚款。
如今，越来越多的人将个人数据委托给云服务，每天都有数据泄露事件发生，欧洲正通过GDPR表明其在数据隐私和安全方面的强硬立场。这项规定本身是实质性的、全面的、相对较轻的。
加拿大有《个人信息保护和电子文件法》(PIPEDA)。
被遗忘的权利：
被遗忘权出现在序言65和66以及GDPR第17条中。它规定，“数据主体有权从控制者那里获得有关他或她的个人数据的删除，而控制者有义务在不应有迟延的情况下删除个人数据”，如果条件之一适用。“不适当的延误”被认为是大约一个月。您还必须采取合理的步骤来验证请求删除的人实际上是数据主体。
例如，在加拿大，PIPEDA整合了加拿大标准协会1995年制定的《个人信息保护示范守则》，并将其作为强制性条款。然而，守则亦有若干例外情况，即资料可在未经个人同意的情况下收集、使用及披露。例如国家安全、国际事务和紧急情况。
结论
最后，在这些技术和保护个人隐私之间找到正确的平衡是非常重要的，尽管这可能看起来有点复杂，但我们不应该犹豫或放慢我们在供应链领域的人工智能和RPA的发展，如果我在管理一家公司的供应链转型团队，我们会尝试用3只眼睛来看待这些领域，并保持适当的发展，以提高公司绩效。
一项技术的存在是为了让我们可以使用它，一项规则是为了保护我们的社会。
