FANUC America 和Plus One Robotics结合了他们的技术，以创建一种灵活的履行解决方案，以满足电子商务客户的需求。该解决方案结合了FANUC机器人和Plus One的AI驱动的PickOne感知系统，无需传统的视觉训练即可识别和分类可运输的物品。由AI驱动的系统可以适应产品材料，尺寸和形状以及混合，随机交付的变化。如果发生任何异常，Plus One的“ Yonder”人在回路功能会通知“乘员组长”，后者可以远程管理异常，从而最大程度地减少中断并提供无缝的持续自动操作。两家公司表示，结合高性能FANUC工业机器人，该系统的性能可超过同类手动操作。用户将受益于更短的拣货时间，更好的订单准确性，增强的库存安全性，更高的生产率，降低的运营支出以及更符合人体工程学的设计。        FANUC America总裁兼首席执行官Mike Cicco说：“我们最近将Plus One作为系统解决方案顾问加入了我们的授权系统集成商网络，其技术是对我们机器人技术实力的极大补充。” “我们已经在涉及仓库机器人的多个成功实施项目上进行了合作，我期待向电子商务，物流和仓库领域的其他公司展示我们的综合实力。”FANUC America将在其位于密歇根州罗切斯特希尔斯公司总部的客户体验中心（CEC）中采用这项新的机器人履行技术。Cicco补充说：“在我们的CEC中拥有FANUC / Plus One解决方案，将使我们展示出可靠的，基于AI的自动化的好处，以帮助公司提高效率并将人员从重复性工作中重新分配到更高级别的职责上，”       “对于想要改善供应链自动化的公司而言，FANUC机器人和Yonder的远程视觉功能可为员工管理提供更大的灵活性，并提高效率和产出，” Plus One Robotics创始人兼首席执行官Erik Nieves说。来源：贤集网

       设想这样一个场景：可以跨部门共享企业信息，并保证每个人都能及时访问信息。另外，考虑一个部门的特定情况会自动触发另一个部门的工作流的可能性。的确可以。通过流程自动化和数字化改造，这应该是可能的。      流程自动化是一个功能强大的框架，可以自动化组织的业务流程，从而提高整个公司的生产效率和沟通能力。这将带来难以置信的客户服务，并带来竞争优势，沿着这些路线，推动组织的数字化转型。这应该可以通过过程自动化实现。一个强大的自动化业务流程的框架可以提高整个公司的生产效率和沟通能力。这将带来难以置信的客户服务，并给您带来竞争优势，沿着这些路线，推动您的组织的数字化转型。       虽然“数字转换”和“自动化”这两个词可以互换使用，但它们具有完全不同的含义。自动化包括应用技术使流程自行运行，提高这些流程的生产效率和透明度。因此，自动化是达到目的的手段，而理想的目的是数字化改造。真正的数字化转型与利用所有可用的数字化工具（包括数据分析功能和自动化）紧密相连，以改变您的业务运作和决策方式。       那些经常被称为数字转型领导者的组织，是像Netflix和Uber这样的组织，它们利用创新和可获得的数据来重新考虑自己的产品和满足客户的需求，而这些需求是他们没有意识到的。在整个业务中实现和扩展自动化意味着整个团队通过最近有效的工作流程而不仅仅是IT来获利。自动化日常工作流程是卓有成效的数字化转型的核心。如果您的公司目前还没有一个基本的工作流自动化解决方案，那么此时开始研究一个是明智的。       利用这样一个平台，可以为客户和员工数字化结构，自动化您的正常流程并衡量其有效性。有了这些数据，您可以减少问题区域，以推动真正的变革，并以多种方式改进业务执行。根据Salesforce的数据，81%的IT公司将自动化更多的差事，以使员工在未来12-18个月专注于开发。麦肯锡注意到，57%的公司表示，他们至少在一个业务部门或职能部门指导流程自动化。       随着自动化需求的增长，IT团队认为很难满足项目需求，这进一步激怒了ZDNet所说的IT交付和业务需求之间的漏洞。大部分（59%）的IT领导者表示，他们无法完成一年前承诺的所有项目。随着新的创新投资的增加，IT提供自动化流程的重要性也随之增加。2020年最大的创新企业包括安全（53%）、大数据和分析（48%）、多云（41%）和人工智能/机器学习（41%）。随着公司利用数据使这些投资有效，这些进步都将带来新的对账需求。       自动化和加速数字转换的能力对发展和未来成就至关重要。如果公司不能整合数据，通过自动化流程创建智能工作流程，并进行数字化变革，收入、盈利能力和发展将持续下去。特别是，客户体验将持续下去，这是下一个正常市场竞争的主要成功因素。根据IDC的说法，自动化和自主化是一个由更加突出的速度、创新和敏捷性需求驱动的举措。来源：贤集网  

       机器人过程自动化有望简化一系列常规业务任务。以下是需要了解的关于这一转型技术的信息。机器人过程自动化（RPA）与物理机器人没有任何关系。另一方面，该技术与人工、基于规则和其他重复性业务活动的自动化完全相关。机器人过程自动化（RPA）的软件机器人从不睡觉，也不会犯错。对于广泛领域的企业，特别是金融服务和医疗保健，RPA已经成为一个极具吸引力、低成本的IT计划。       RPA软件自动执行常规、重复性和主要事务性任务。安永咨询公司的人工智能执行董事莫妮卡•威尔扎克解释说：“它将体力劳动转移到能够全天候无差错运行的机器中。”由于机器人过程自动化（RPA）是基于规则和确定性的，当分配给大量标准化成熟流程时，它往往最具影响力。”机器人过程自动化（RPA）的主要目标是简化和优化流程，以提高生产率、加快周期、降低成本、提高运营效率和提高质量。       机器人过程自动化（RPA）还允许采用者将从未设计为相互接口的各种业务系统互连。”这可以扩展到依赖纸张或语音的业务流程，”分析师辛迪加的独立分析师、Gartner前研究副总裁KenWeilerstein说。RPA还允许企业扩展和修改业务系统功能，而无需进行成本高昂且耗时的重新设计。”当公司需要快速扩大规模时，RPA可以更快地自动化人工工作流程，而且成本比雇佣和培训新员工或外包工作要低，”他解释说。       卡内基梅隆大学泰珀商学院运营管理教授Sridhar Tayur说：“在文档管理和处理方面，近30%的人力工作是重复的、乏味的，而且可以简化为易于遵循的、易于自动化的步骤。”机器人过程自动化（RPA）已经存在了足够长的时间，已经成熟到可以大规模采用。”市场       机器人过程自动化（RPA）应用程序跨越行业、世界区域以及公共和私营部门。典型的采用者包括财务、采购、销售、客户服务和人力资源部门。”对于拥有复杂流程或众多业务系统的（部门）来说，收益最大。考虑到机器人过程自动化（RPA）在提高生产率和降低成本方面的潜力，RPA软件的销售火爆也就不足为奇了。”技术研究公司Forrester的副总裁兼首席分析师克雷格•勒克莱尔表示：RPA市场目前由200多家公司组成。领先的科技公司，比如微软、SAP，最近IBM也加入进来了。       大型软件公司可能会继续收购RPA提供商。客户需要RPA，这是企业资源规划（ERP）和客户关系管理（CRM）等业务系统提供商保留客户钱包份额的一种方式它还可以保护他们在客户接受机器人过程自动化（RPA）项目时不被排挤。吸引人的特质      像机器人过程自动化（RPA）这样的自动化工具在危机时期尤其有价值，比如当前发生的疫情。技术咨询机构埃森哲的集团首席执行官曼尼什•夏尔马表示：“许多公司都加快了自动化投资，以提高系统的弹性，消除应用程序和基础设施瓶颈，并释放人力资源，将重点放在更高优先级的问题上。”Tayur补充道：“如果员工不打算在一个共享的办公室（或）回到一个实体办公室，而是在家工作，那么更好的做法是制定出端到端流程，并使其简化和自动化。机器人过程自动化（RPA）最适合自动化可测量、可重复、可预测和事务性的工作，当自动化使人类能够提供最高级别的战略价值时，这就是工作的未来。”       Wilczak说，“机器人过程自动化（RPA）还可以通过其他新兴技术进行增强，例如认知自动化，它为机器人过程增加了智能，使重复性活动达到更高的性能和精度水平。智能自动化应用是变革性的，使用更全面的方法专注于业务绩效，”非理性热情？       尽管RPA是一种有效的技术这一点毋庸置疑，但人们也越来越担心市场可能过热。”一些领导人怀疑，业务收益被高估，支持成本被低估。他解释说，“有25%的企业质疑其初始投资的投资回报率。一般来说，企业低估了支持机器人过程自动化（RPA）所需的员工数量。”来源：贤集网

       普林斯顿工具公司及其最近收购的公司Paragon Precision专门从事涡轮机零件（例如叶轮）的精密加工。机械商之间的并购（M＆A）在某种意义上与往常一样，就像其他任何行业一样，机械制造商之间的并购案例通常是由经济状况所驱动的，例如低利率和“廉价”货币的供应；经济低迷后经济复苏的存在；有利的股票市场条件为并购活动提供资金。制造业会被人工智能影响什么？       机械车间之间的整合和合并似乎正在增加，以至于重塑了加工领域。随着婴儿潮一代的临近或进入退休年龄，许多商店的老板都没有自然的继任者。随着机械加工从以地区为中心的企业向商店的过渡越来越多地服务于全国性的客户群，中小型商店通常对与能够更好地管理诸如会计或营销等昂贵业务运营的另一家公司进行合并感兴趣。 ，或能够扩展合并后公司的客户群，产能和产品线。但是，无论陈述的理由是如何在机加工车间之间进行合并，目标通常都是相同的：成为一家规模更大的机械制造公司。当普林斯顿工具公司的新领导层于1997年在俄亥俄州克利夫兰附近成立时，他想扩大业务范围时，自然增长未能足够快地实现这一目标。随着公司寻求扩张，赞成收购另一家商店的争论开始增长。       Ken Bevington III和他的公司Princeton Tool的确是这个目标。他的父亲于1997年在俄亥俄州的克利夫兰创立了这家公司。该公司始于家庭住宅的地下室，专门从事二次加工的工具和模具店小型模具的生产不断扩大，以至于如今它已使用160多个EDM机床和CNC加工中心来制造用于航空航天和工业燃气轮机行业的复杂涡轮机械零件。去年，在他宣布普林斯顿工具公司收购了位于加利福尼亚州巴伦西亚的一家涡轮机械制造商之后，我们与贝文顿进行了交谈：Paragon Precision。尽管收购Paragon Precision的决定与有利的经济条件（包括一直保持稳定的低利率）相吻合，但收购背后的战略原因值得我们理解。与贝文顿交谈后，我们发现他赞成进行收购的论点分为三大类：       凭借其总部位于俄亥俄州Mentor的总部和在佛罗里达州坦帕市的第二家工厂，在加利福尼亚州增加了第三条运营业务具有诸多好处。       首先，加工大型铸件的业务必然涉及搬运重货运。肯塔基州普林斯顿工具公司的总裁兼所有者肯·贝文顿三世（Ken Bevington III）最近在加利福尼亚收购了Paragon Precision。随着生产大型铸件的美国公司数量的持续减少，机加工车间越来越依赖于进口产品，这些产品需要从沿海港口运输到全国一半的地方。对于一家位于内陆数百英里的公司而言，这种运输的计划，物流和成本是巨大的，这一事实削弱了普林斯顿工具公司向客户提供较低固定成本的铸造业务的能力。       这些后勤方面的挑战阻碍了普林斯顿工具（Princeton Tool）在西海岸获得客户立足的能力-对于一家数百英里以外的潜在客户而言，这家公司并不陌生，这已经很难做到。但是现在，普林斯顿工具公司已经收购了提供五轴CNC加工并在生产涡轮机械零件方面拥有丰富经验的Paragon Precision公司，这家扩展后的公司有潜力增加其市场份额并为人口稠密或接近人口稠密的客户降低成本国家。协同作用       Paragon Precision于1946年开始从事Paragon Tool，Die和Engineering的业务，到1950年代初已发展成为用于航空航天工业的旋转部件的生产商，包括1953年为Titan Rocket推进系统的旋转组件的生产。如今，该公司专门从事机加工用于航空，国防和商业市场的与涡轮机械相关的叶片，叶盘，叶片，转子，喷嘴，叶轮和其他零件的制造。换句话说，如果该公司在该地区广为人知，则该公司将被视为普林斯顿工具的竞争对手。产品线的这种交叉意味着两家公司不仅可以共享技术能力，而且可以共享有关加工过程，物流和业务运营的运营知识。两家公司的文化之间也存在协同作用。减轻风险       Bevington说，Paragon Precision带到工作台上的增强的加工能力不仅仅可以增加Princeton Tool的产量。他还说，它还提供了技术冗余功能，可以使客户放心。每家公司都拥有数十个EDM和CNC加工中心，如果将来出现与当前大流行病类似的中断，设备的复制就可以转移生产。“上帝禁止我们未来发生自然灾害，但是凭借我们在每个地点的流程和能力，我们可以转移工作并继续满足客户的需求，而不会暂停他们的计划。”在正常情况下，最近缺乏对Paragon的资本投资可能被认为是该公司的缺点，但对于Bevington而言，这却提供了战略机遇。贝文顿说：“从历史上来看，百利宫已经做了大量的原型设计工作。” “该公司以生产高质量产品而闻名，但我们希望达到批量生产。我们希望能够发展这项业务并吸引更多的客户并从事生产工作。”       近期重点关注的两个领域是工作地点和检查。对设备的新投资将使现有员工的工作更加轻松，并有助于提高产品质量。随着新设备的上线，这些过渡会自然发生，开始这一过程，只能通过系统的计划进行。来源：贤集网 

       冠状病毒疫情改变了人们日常生活的很多方面。在许多变化中，医疗保健部门反映出明显的变化。这个每天都面临挑战的行业，不得不采取一个漫长的飞跃来适应疫情的影响。在全球范围内，出现了两种东西——远程医疗和聊天机器人。虽然通过电话咨询医生在一定程度上存在于发生疫情之前，但包含人工智能的远程医疗现在已经成为初级保健。人工智能聊天机器人如何改变医疗保健       支持人工智能的聊天机器人为患者在正确的时间获得正确的医疗保健提供了一种新方法。到目前为止，一定已经看到聊天机器人弹出时，一个网站打开。这些机器人会问一些基本的问题，比如“我能帮你什么”或者“你在找什么”。但在医疗领域，情况并非如此。聊天机器人有多种形式。他们执行各种任务，如安排预约、计费、患者参与。人工智能聊天机器人通过文本聊天和语音命令模拟人类的对话。但与人类不同的是，它们可以在任何地理位置全天候使用。大多数情况下，聊天机器人都带有预先加载的常见问题和答案，这些问题和答案经过编程以适应人类的反应。通过这种循环对话，医疗保健提供者正在接收大量的患者数据，这些数据创造了新的机会。远程医疗平台Heal公司的首席执行官NickDesai称之为数字初级保健。他说：“人类医患互动仍有不可替代的价值。我们要做的是为医生提供数据驱动的决策支持。”数据驱动支持如何帮助患者和医院？       对于慢性病患者而言，医疗服务提供者的短时间响应至关重要。在这里，聊天机器人可以帮助医生远离疲劳。医疗保健提供者可以与他们的人工智能设备通话，记录笔记、安排预约、从药店订购药品，并生成报告。其中一个平台是SafedrugBot，它通过Telegram应用程序在哺乳期患者和医生之间传递信息。这个应用程序可以帮助医疗保健提供者获得有关患者的最新信息，并为他们开妊娠安全药物。这个应用程序还通过给病人指定一个开药的医生的名字来帮助他们。       当人们在WebMD等网站上看到感冒症状时会发生什么？答案可能比需要的更可怕。这可能就是为什么医生阻止人们在网上搜索他们的症状。但如今，由于医疗信息数据库和类似的患者体验，一些聊天机器人会给出非常准确的答案。其中一个应用程序是Ada。Ada是一个个人健康伙伴，它使用人工智能来确定患者的症状，通过问一些问题，比如“哪里疼？”？它根据几GB的医学数据做出诊断。使用这样一个平台的好处是，借助人工智能，它可以在每次互动中更多地了解患者。关于诊断，Ada可以为患者生成一份报告看。       对于每天处理数百万不同任务的患者，聊天机器人可以成为他们的私人护士。它可以帮助安排和提醒后续检查，发出服药提醒，并回答快速常见问题。LifeLink支持聊天机器人，为患者提供准确的等待时间，了解医疗程序，协助寻找医生和安排预约，向家属发送有关患者健康的实时更新，并告知患者有关检查的信息。这些应用程序增加了患者的参与度，减少了不确定性和挫折感。       对于医疗保健提供者和患者来说，这种人工智能驱动的聊天机器人技术是双赢的。这些聊天机器人拥有巨大的功能，可以使医疗保健成为人们生活中一个相当简单和不那么可怕的方面。它可以帮助患者找到医生，安排预约，获取有关检查和程序的详细信息，以及医疗账单。聊天机器人提高患者参与度和患者满意度，这是医疗保健的最终目标。来源：贤集网

        近日，世界卫生组织(世卫组织)在发现一种造成严重肺部问题的新流行病后，宣布全球进入紧急状态。这种疾病在国际上的蔓延引起了许多研究人员的注意，他们试图找到改善这一问题的解决方案。机器人技术的实施一直是提出的解决方案之一，因为自动仿人机器人可以在许多情况下使用，并限制人类对疾病的暴露。然而，他们中的大多数都有一些明显的缺点，如成本高和复杂性。研究人员的研究提出了一种新颖、安全、高效的可编程系统，使用仿人机器人，能够在紧急情况下自主移动和检测幸存者，并有可能与受害者进行语言交流。相关论文以题为“Secure Autonomous Cloud Brained Humanoid Robot Assisting Rescuers in Hazardous Environments”与2021年01月08日发表在《Electronics》上。       近年来，机器人技术的研究已经成为工业界和学术界最热门的领域之一，随着最近云计算的流行，人们越来越有兴趣将类似的概念应用于机器人和自主系统。云机器人使机器人可以利用通信带宽的快速增长来卸载任务，而没有严格的实时性要求。这对于移动机器人来说特别有意义，因为机载计算需要额外的功率需求，这可能会减少机器人的运行时间，并限制机器人的移动性。       事实证明，与传统的基于网络的机器人相比，基于云的机器人具有一些应用和优势。它们可以将计算密集型的新兴应用卸载到云端，如人工智能和机器学习。这些类型的机器人只需配备执行器、传感器和与云端通信并执行控制和导航任务所需的最低处理能力。因此，机器人的重量、成本和复杂性都降到最低，并且更容易获得和维护。机器人的机载软件变得更简单，需要更新的次数也更少。由于云上的服务器硬件可以独立于机器人进行升级，因此机器人的运行寿命得以延长，并通过新功能得到增强。       此外，云端使机器人能够访问海量数据：机器人可以通过云端的数据库获取信息和知识来执行任务。它们的操作只需更新中央服务器上的软件即可扩展，而无需进行单独的本地更新。机器人不必处理这些数据的创建和维护。云还可以使机器人获得共享的知识和新技能：它为机器人提供了一个媒介，使其能够共享信息并相互学习新的技能和知识。云可以承载一个数据库或技能或行为库，这些技能或行为映射到不同的任务要求和环境复杂性。系统架构       本研究项目提出的系统架构如图1所示。该系统由一个人形机器人组成，该机器人以加密的方式与云服务器和安全网站进行通信，以通知救援人员。研究人员提出的架构是一个系统，其中互联网连接是强制性的，以使研究人员的仿人机器人检测和通信与受害者。图1. 在提出的系统架构中，机器人将处理任务卸载到云服务器上。硬件、组件和集成       目前，仿人机器人的成本对于实验室或研究团队来说是一个抑制因素，他们无法制造可靠的腿部机器人。研究人员和工程师必须设计出功能性的机器人，而专业公司必须制造出这些机器人，以确保良好的工业集成。       研究人员实现的自主仿人机器人除了Nao机器人外，主要由两部分组成：Raspberry Pi 3B+和Slamtec RPLiDARA2模块。对于周围障碍物的检测，研究人员使用了LiDAR--一种光检测和测距模块。LiDAR是一种连续向各个方向(360∘)发送脉冲光，并通过传感器测量每个角度的反射脉冲的勘测方法。根据接收到的脉冲的时间和波长，计算出每个最近的障碍物的距离。LiDAR适合研究人员的项目需求，因为它可以在低光照的情况下工作，这在危险的环境中是非常常见的，因此，所提出的机器人能够在这些条件下顺利运行是至关重要的。为了检测周围的障碍物并能够在房间内导航，所有这些捕获的测量数据都需要进行处理并播种到研究人员的算法中。Raspberry Pi 3 B+被用来进行这项操作，它是一种廉价、小巧、坚固的单板计算机（SBC）。       Raspberry Pi的主要优势是它具有很高的可定制性，主要是因为它提供了大量（40个）通用输入输出（GPIO）引脚。Raspberry Pi的电源要求和软件的高可用性使它成为研究人员的最佳候选者之一。图2描述了Nao机器人，其组件和RPLidar A2模块以及Raspberry Pi 3B+。图2.硬件配置。Nao机器人、其组件以及RPLidar A2模块和Raspberry Pi 3B+的连接方案。与受害者对话管理       在研究人员的案例中，设计一个仿人机器人与受害者互动并询问重要信息是非常必要的；例如，他们的健康状况。因此，研究人员采用了基于框架的对话系统，也称为基于表单的系统。对话管理架构如图3所示。图3.在机器人中实现的对话管理架构，它可以处理文本到语音和语音到文本的发声交流。       当系统接收到输入时，首先要识别输入中的文字。因此，Nao可以应用Google Speech API将音频转换为文本。接下来的动作，句法解析，对句法结构进行详细的分析，当系统需要区分相似的句子时，这对系统是非常有利的。当使用模式匹配时，输入句子只需要包含一些关键词就可以认为是匹配的。系统配备了包含一个序列或一组关键词的脚本。对句子进行关键词的检查，如果所有的关键词都被表示出来，且没有其他脚本匹配，则认为是匹配的，可以自动生成响应。系统要想能够令人满意地参与对话，就必须能够识别和分析不同的对话，例如，它可以接收一个请求、一个问题或一个回复。       系统的对话模型起到引导的作用，帮助系统对用户的输入进行定性，并对输入进行适当的响应。最后，在语音合成方面，研究人员在本地应用了Nao的文本转语音功能，对机器人的上游数据进行了优化。结论       在不久的将来，预计将有数以百万计的仿人机器人被部署在实地，在涉及人类生死存亡的危急情况下即时作出决定。这种机器必须有可能通过将它们的 "大脑 "连接到计算机网络，立即获得新的基本技能和信息。本文提出了一种新颖、快速、安全的系统，利用云服务器作为大脑与人形机器人连接，通信延迟最小。这样的系统赋予了人形机器人自主移动的能力，并在紧急情况下检测幸存者，另外还能与受害者进行互动。研究人员的研究已经被具体化为一个原型机器人，并进行了一些实验来验证其实用性。       通过本文的研究结果和批判性讨论，可以看出应该更加重视该领域的研究，因为应该尽量降低人类在危险环境中的死亡率。这项工作是首次提出云端人形机器人在危险环境中的使用，开辟了一个具有多种可能性的领域，研究人员应该深入研究。在他们的研究过程中，出现了很多挑战，比如机器人与云端服务器之间的通信延迟，或者一些地方WiFi信号较弱的缺点。这款机器人是建立机器人时代云端模式的第一步，但要将这款原型机转化为消费类设备，还需要更多的研究。       此外，考虑到本研究产生的令人满意的结果，今后研究人员计划对软件进行改进，目的是创建一个架构，该架构利用参与机器人之间的机器对机器(M2M)通信形成的特设云与使用机器对云(M2C)通信的云化基础设施相结合。来源：贤集网

       增强现实技术和机器人在零售领域有着不同的用途，可以提高生产效率、降低成本和改善客户体验。当顾客走进一家零售店购买衣服后，突然一个机器人向顾客走来，问他们要什么样的布料，要哪个牌子的。此外，机器人跟着顾客，挑选我们要找的衣服。这一幕并不是来自任何即将上映的科幻小说剧本，但这是一幅关于零售店未来的模糊图景。       零售业正在通过利用诸如人工智能、大数据分析、增强现实、虚拟现实和机器人等尖端技术来改善其业务运营。冠状病毒疫情在全世界零售店的数字化转型中发挥了相当大的作用。电子商务和全渠道零售改变了零售店陈腐的面貌。许多零售商迁移到数字平台，留下他们的实体店，以方便提货和送货，称为黑暗商店。重点转向客户体验和个性化，这可以提高收入。由于客户参与度是当今零售业的一个重要因素，许多零售商采用了人工智能和增强现实等技术，以实现体面的业务增长。好吧，在线商店永远无法取代店内体验，因此，实体店将继续存在。以下来看看增强现实技术和机器人在零售业中的影响，看看是否有可能选择其中一个。增强现实如何补充零售业？       2017年，宜家推出了“宜家广场”，这是一款应用程序，使用增强现实技术，让客户通过放置家具的三维表示来重新想象空间。“宜家家居”使客户的决策过程更容易，并提供合适的产品。像宜家这样的零售商还有很多，他们利用增强现实技术直接与客户接触。       增强现实技术有助于客户坐在自己的私人空间里，对产品进行可视化甚至试穿。它能够在没有实体店的情况下与消费者建立直接联系。零售业中的增强现实确保了个性化的客户服务，这对于客户牵引和业务发展至关重要。根据市场和市场调查，到2024年，增强现实预计将达到727亿美元。       仓库管理、库存管理、库存控制流程和简化B2B环境中的销售流程是增强现实在零售业中的一些其他应用和优势。增强现实技术以及机器学习和人工智能有助于在线和店内体验的融合。这些技术可以整合到实体店中，以维持自助结账操作，减少时间浪费，并使客户更容易选择产品。零售商店机器人的出现       越来越多的精通技术的千禧一代顾客厌倦了零售店的排长队，等待客户关系代理来帮助他们。尽管零售业在过去几年都在上网，实体店将不复存在。与在线平台相比，实体零售店提供了更加个性化和真实的体验。     《福布斯》的一份报告说，“随着零售商寻求削减成本和精简运营，特别是在供应链上，机器人只会在零售业的日常运营中变得更加根深蒂固，随着人工智能变得更加智能，机器人将扮演更大的角色，并与员工和消费者进行互动。”零售商店可以使用机器人来提供更好的客户服务。这些机器人可以帮助顾客比人类更快更容易地找到特定的产品，还可以与顾客互动回答他们的问题。       机器人已经为后端业务运营做出了贡献，如仓库管理、物流、制造等。因此，机器人进入零售店并不是一个新生的想法。由于在人工智能和机器人接管人类的周围隐约出现某种恐惧，人类很难毫无怀疑地接受它们。增强现实vs机器人       在衡量增强现实技术和机器人的能力以及它们对零售业的革新能力时，我们可以得出这样一个结论：两者都同样擅长做各自的工作。它们无法相互替代，因此，对该行业来说，仍然是一个巨大的技术利好。虽然增强现实技术可以应用于在线商店和实体商店，但机器人似乎更适合实体零售商店。增强现实、机器人和其他创新正在改变行业的思维方式、销售方式、表现方式以及与客户的联系方式。来源：贤集网

       随着数据生成和使用的不断增长，对机器学习模型的需求也在成倍增长。由于机器学习系统包含算法和丰富的机器学习库，它有助于分析数据和做出决策。毫无疑问，机器学习越来越受关注，因为机器学习应用几乎占据了现代世界的方方面面。随着这项技术在企业中的迅速开发和应用，它为大量就业机会奠定了基础。然而，要想在这个颠覆性的领域找到一份工作，必须装备精良，熟悉一些最好的机器学习工具，以创建高效且功能强大的ML算法。以下是2021年要寻找的10种最好的机器学习工具。1.TensorFlow       TensorFlow是一个免费的机器学习工具，可以在Linux、MacOS和Windows等平台上使用。它提供了一个有助于机器学习的javascript库。它帮助用户建立和训练他们的模型。TensorFlow是用于深度学习系统和神经网络的优秀ML工具。用户还可以使用TensorFlow.js公司，一个模型转换器。2.KNIME       KNIME已被用于制药研究和其他领域，如CRM客户数据分析、商业智能、文本挖掘和财务数据分析。它是一个免费的、开源的数据分析、报告和集成平台。这种机器学习工具可以集成诸如R、Python、java、javascript、C++、C++等编程语言代码。KNIME对于初学者是有用的，因为该平台是基于基于GUI的工作流的强大分析而构建的。这意味着，如果用户不知道如何编码，他们将能够使用KNIME工作并获得见解。3.ScikitLearn      ScikitLearn是一个免费的Python机器学习库。它有助于数据挖掘和数据分析，并为分类、回归、聚类、降维、模型选择和预处理提供模型和算法。基于NumPy、SciPy和Matplotlib构建的sciketlearn包含一系列用于机器学习和统计建模的高效工具。4.PyTorch       PyTorch基于Torch库，用于计算机视觉和自然语言处理等应用，主要由Facebook的人工智能研究实验室开发。这个开源的机器学习库有助于通过Autograd模块构建神经网络。它为构建神经网络提供了多种优化算法。PyTorch可以在云平台上使用，并且可以提供分布式培训，有许多工具和库。5.BigML      它是一个综合性的机器学习平台，通过一个统一的、集成的框架，提供了大量的ML算法来解决复杂的、真实的问题。BigML由一系列有用的机器学习功能组成，如分类、回归、聚类分析、时间序列预测、异常检测、主题建模等。由于BigML在方便的WebUI中集成了广泛的功能，因此允许用户加载其数据集，建立和分享他们的机器学习模型，训练和评估他们的模型，并做出新的预测。6.Weka       Weka是一个数据挖掘、开源的机器学习软件。它可以通过图形用户界面（GUI）、标准终端应用程序或javaapi进行访问。Weka包含一系列用于数据分析和预测建模的可视化工具和算法，广泛用于教学、研究和工业应用。它支持各种标准的数据挖掘任务，特别是数据预处理、聚类、分类、回归、可视化和特征选择。7.Colab       Colab是Google针对机器学习任务的研究产品。它允许开发人员通过浏览器编写和执行Python代码。Colab笔记本允许用户在一个文档中结合可执行代码和富文本，以及图像、HTML、LaTeX等等。当用户创建他们的Colab笔记本时，它们存储在他们的googledrive帐户中，可以很容易地与他们的同龄人共享。8.Amazon Machine Learning       亚马逊提供了一系列的机器学习工具。Amazon Machine Learning（AML）是一个基于云的、健壮的机器学习软件应用程序，可供所有级别的web和移动应用程序开发人员使用。AML提供向导和可视化工具，并支持三种类型的模型：多类分类、二进制分类和回归。9.IBM Watson Studio       IBM Watson Studio允许用户构建、运行和管理机器学习模型。它提供了通过协作数据体验解决业务问题所需的所有工具。它将重要的开源工具（包括RStudio、Spark和Python）整合到一个集成环境中，并将其他工具（如托管Spark服务和数据成形工具）整合到一个安全和受管理的环境中。10.Apache Mahout       作为一个开源的分布式线性代数框架，Apache Mahout帮助数学家、统计学家和数据科学家执行他们的算法。它是Apache软件基金会的一个项目，旨在免费实现主要关注线性代数的分布式或其他可伸缩的ML算法。它包含用于普通数学运算的Java库。来源：贤集网  

       不知人们有没有在餐馆或电影院被要求参加调查的经历？提供你的电子邮件地址来换取优惠券怎么样？有没有想过为什么你在网上搜索的东西会有广告？这一切都归结为数据收集和分析。事实上，无论现在看到哪里，都有某种形式的数据需要收集和分析。当在经营业务时，需要为自己创建一个数据分析计划。数据可以帮助企业解决问题，找到新客户，并重新评估其营销策略。自动化的业务分析工具提供对数据的关键洞察。以下是使用这样一个系统来满足组织的数据分析需要的许多有价值的好处中的一些。工作流集成和人工智能能力       人工分析数据对于组织来说可能是一个重要的难点。自动化数据分析对于克服拥有太多数据的挑战至关重要。通过使用外部程序来评估、分析和理解数据，可以有效地将数据分析集成到工作流程中。通过这样做，可以增强自己的SQL/查询和统计分析技术，以便使用强大的人工智能工具分析数据。人工智能和机器学习通常会带来新的分析方法，有助于在传统方法无法提供的情况下找到有价值的信息/见解。有了这种不稳定的组合，分析数据不再像以前那样令人望而生畏；人和机器分析的组合可以帮助您发现最有意义的数据和知识适当地采取行动。查明意外的数据更改       数据不断变化，而且往往出乎意料。自动数据分析的人工智能和机器学习功能可以一次分析数十亿个数据点。这样，组织就可以实时查看更改、趋势和意外数据。根本原因分析（RCA）-识别事件并制定解决方案将在软件中实现，允许您对数据中的意外更改或有用趋势采取行动。如果你知道潜在的根本原因，你可以采取行动防止问题或有效地抓住机会。了解这些变化并制定应对措施对成功至关重要，因为这可能意味着优化机会与惨败之间的区别。了解客户行为       客户行为和趋势有时是市场营销中难以捉摸的问题。组织怎么知道你的顾客从一个季节到下一个季节会喜欢什么？为了制定一个有效的营销计划，你需要什么样的洞察力来理解你客户的行为？一个好的数据分析程序会有所帮助。自动数据分析使用人工智能和机器学习来评估数十亿个数据点。然后，它从一系列数据故事中挑选出任何有用的见解，你可以用这些数据故事来确定趋势和规划新的营销策略。每个故事都定义了数据的基本组成部分，包括发生了什么，为什么它对您有影响，以及下一步要去哪里。有了数据案例，可以获得有关客户行为的有用反馈和信息，并为客户创造更好的价值。提高市场营销和投资回报率       了解消费者行为和趋势只是一个更大等式的一个方面。只有当企业利用数据做出明智的决策，而不是利用数据猜测下一步的时候，数据才是真正有价值的。有效的数据案例可以告诉您的企业如何正确利用这些信息。质量分析可以识别出兴趣的峰值或下降趋势，从而为营销策略提供进一步的信息。之后，企业可以设计一个替代的营销计划，要么利用上升趋势，要么改变计划，以吸引不同的人口。最终，通过软件增强数据分析可以有效地增加销售额或防止灾难性问题的发生。在这方面，您可以有效地利用增强的、流动的营销策略，同时有效地使用数据。快速应对数据趋势       相信数据并迅速采取行动是一个硬币的两面。企业的数据准确吗？怎么知道的？少了什么吗？数据收集是否正确？这些都是分析数据及其相关趋势时的基本问题。幸运的是，自动化数据分析程序可以演示数据输入的下降并评估数据的质量。同样，人工智能和机器学习处理了大部分繁重的工作，以确定数据是否对您的组织有用，以及它将如何影响组织。一旦数据质量得到保证，就可以发现客户转换发生在何处，对数据里程碑发出警报，并立即对组织数据随时间发生的任何重大更改采取行动。来源：贤集网  

       自动化技术的成功应用大大减少了人工任务。它管理基础设施，释放人力资源，专注于有价值的任务。AutoML或自动机器学习对机器学习也有同样的作用。AutoML通常指的是将机器学习集成到现实世界问题的过程自动化的能力，从而消除了对数据科学家的需求。但这并不意味着它将取代数据科学家，因为当谈到AutoML时，这已成为一个常见的问题。然而，它将有助于推动数据科学工作流程，帮助数据科学家，让他们把宝贵的时间集中在更具挑战性、创造性和难以自动化的任务上。       在现代机器学习系统中，经常听到人们把它称为“黑盒”。然而，在过去的几年里，系统已经开始偏离它，而是使用更简单的模型，更容易解释。由于复杂的模型很难解释，因此很难知道模型何时引入了偏差。这就是AutoML的用武之地，通过隐藏模型的数学模型并执行数据清理、特征选择、模型选择和参数选择，加剧了黑盒模型的问题。       许多企业寻求利用AutoML作为一种工具来提高数据科学家的生产力。它提供了将高级模型应用于每个人的能力和有效性，包括数据科学家、分析专家、业务分析师和其他人。       根据福布斯的一篇文章，第一代AutoML平台的重点是自动化数据科学过程中的机器学习部分。然而，传统数据科学工作流程中最具挑战性的部分之一是称为特征工程的高度手动步骤。它主要涉及连接数据源和创建一个平面的“特征表”，其中包含一组丰富多样的“特征”，这些特征是根据多个ML算法进行评估的。特性工程的挑战在于，它需要更高水平的领域专业知识来构思新特性。当特征被评估、拒绝或选择时，它是非常迭代的。然而，最近出现了一些新的平台，它们提供了额外的功能和自动化，旨在解决这一挑战。具有“自动化特征工程”功能的平台现在允许从关系数据源以及平面文件自动创建特征表。用AutoML增强数据科学工作流       难怪自动机器学习有可能超越数据科学家。AutoML工具在速度和风险降低方面比数据科学家有优势。但是自动化机器还没有达到人类大脑的智能。例如，人类可以将细微差别、直觉和创造性的问题解决能力带到机器根本无法完成的过程中。       因此，自动机器学习只能增强人的能力。通过将其应用到业务流程中，公司可以培养其数据科学工作流程。通过采用AutoML，数据科学家将有能力深入研究ML的功能，并在他们的工作中变得更加能干和有效。来源：贤集网