人工智能与智能会计应用研究

【摘 要】 人工智能已在各行各业中得到普遍应用，而在会计领域的应用处于初始阶段。文章介绍了人工智能的涵义及其发展历史，论述了人工智能在会计领域应用的条件，并深入研究了人工智能在会计核算的语音输入智能、凭证核对验证的机器视觉、大数据财务分析、智能财务风险控制和提供精准预测方案等应用场景。

【关键词】 人工智能; 智能会计; 应用场景

【中图分类号】 F230  【文献标识码】 A  【文章编号】 1004-5937（2020）18-0011-03

目前，互联网、云计算、大数据、区块链、人工智能等数字技术不断涌现，特别是人工智能技术得到了飞速发展和广泛应用[ 1 ]。人工智能无时不在、无处不在，涉及工作、生活的每一个方面。所有人都已经，或者即将迎来自己的人工智能顿悟时刻。

***总书记在2020年2月14日中央全面深化改革委员会第十二次会议的重要讲话中指出：“要鼓励运用大数据、人工智能、云计算等数字技术，在疫情监测分析、病毒溯源、防控救治、资源调配等方面更好发挥支撑作用。”***总书记的讲话，为人工智能在各行各业的应用指明了方向。因此，研究人工智能在会计领域中的应用，是理论和实际工作者应共同加快推进的方向。

一、人工智能的概念及其发展历史

人工智能，可以理解为“人工”和“智能”的组合[ 2 ]。“人工”泛指人造的、人为的，不难理解。“智能”的涵义是指从感觉延伸到记忆再深入到思维的过程，思维产生了行为和语言，将行为和语言的优化与提高过程称为“智能”。

关于人工智能（Artificial Intelligence，缩写为AI）的涵义，专家们有不同的表述。美国斯坦福大学人工智能研究中心尼尔逊教授认为：“人工智能是关于怎样表示知识以及怎样获得知识并使用知识的科学。”[ 3 ]美国麻省理工学院温斯顿教授对人工智能的概括是：“人工智能是研究计算机去做只有人才能做的智能工作。”[ 4 ]以上两位专家的论述，反映了人工智能概念的基本内容和基本思想。可以这样说，人工智能是研究人类智能活动规律的科学，研究具有智能功能的人工系统去完成人才能胜任的工作。

1956年夏，美国达特茅斯学院的麦卡锡、明斯基等科学家探討如何“用机器模拟人的智能”，首次提出了“人工智能”这一概念[ 5 ]，标志着人工智能学科的诞生。人工智能原来是计算机学科的一个分支，与基因工程、纳米技术并称21世纪三大尖端技术。目前，人工智能是一门交叉学科，是自然科学和社会科学紧密结合的学科。人工智能在最近20年得到了迅猛发展，广泛应用于很多学科领域，并取得了显著的进步和成果，已逐步成为在理论和实践上都自成体系的一个独立的学科。

人工智能就其本质而言，是对人的思维过程的模拟。人工智能不是人的智能，但可以像人一样思考。对人的思维模拟有两种途径：一是功能模拟，不是模拟人脑的内部结构，而是从其思维功能过程进行模拟;二是模拟人脑的内部结构，按照人脑的结构机制，构建出“类人脑”的人工智能机器。目前，人工智能是对人脑思维功能的模拟，是对人脑思维过程的模拟。

人工智能可以分为弱人工智能和强人工智能。弱人工智能是指并不真正拥有智能，也不具有自主意识的智能机器。这些智能机器不拥有推理（Reasoning）和解决问题（Problem solving）的能力。目前，全世界都处于弱人工智能时代。强人工智能是指是有思维、知觉，具有自我意识的能独立思考问题并能提出解决问题方案的智能机器。这些智能机器拥有推理（Reasoning）和解决问题（Problem solving）的能力。强人工智能可以进一步分为：（1）拟人的人工智能，即像人的思维一样思考和推理的智能机器。（2）非拟人的人工智能，即具有与人完全不一样的思维、知觉和意识，拥有与人完全不一样的推理方式的智能机器。弱人工智能时代已经到来，但强人工智能的到来还面临着各种严峻挑战。

人工智能实际应用领域很广泛，包括语言和图像理解、专家系统、智能控制、机器视觉、人脸识别、指纹识别、虹膜识别、视网膜识别、智能搜索、自动规划、遗传编程等。近年来，人工智能开始融入人们日常生活，成为一种新型基础设施。

二、人工智能在会计中应用的条件

不少人把人工智能仅仅当作一项技术，实际上，它是一套软硬件结合的复杂应用思维和方法。硬件是各种各样的传感器和芯片，软件则是算法。

基于科技界对人工智能的认知，人工智能的发展有三个重要的基础：算法、数据和算力。其中算法是核心，数据和算力则是重要的支撑[ 6 ]。算法是用系统的方法描述解决问题的策略机制，是解决问题的一系列清晰指令。数据是指所有能输入计算机系统，并能被计算机程序处理的符号介质的总称。算力，也称计算力，顾名思义就是设备的计算能力。

随着互联网、大数据、云计算等技术的迅猛发展，算法、数据和算力都在很大程度上得到了提升。一是在算法上，机器学习、深度学习、强化学习、深度强化学习不断涌现，出现了无监督学习的算法类型，如基于视觉、触觉传感的迁移学习、变分自动编码器（VAE）和生成对抗网络（GAN）等新兴学习算法。二是在数据上，移动互联网、物联网、5G等多种新兴数字技术产业快速发展，数据总量呈现爆发式海量增长。三是在算力上，目前人工智能的算力已投入使用ASIC、FPGA等计算单元类别以替代GPU芯片为主要硬件承载，随着数字技术的不断迭代提高，将大幅提高计算能力。

从人工智能在会计中应用的角度探讨，一项成功的人工智能在会计领域中的应用需具备五个条件[ 7 ]，目前这些条件已经基本具备。

一是实用的算法。现在最流行的算法是深度学习算法，为人工智能在会计领域中的应用带来了希望。深度学习是学习样本数据的内在规律和表示层次，获得诸如文字、图像和声音等数据，最终目标是让人工智能机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习算法能深度从会计原始凭证、记账凭证、明细分类账、总分类账、财务报表、报表分析的6层隐层节点认识会计账表体系，将样本在原空间的特征表示转换到一个新的特征空间，通过逐层特征的空间变换，使分类或预测更容易，最终通过设计建立适量的神经元计算节点和多层运算层次结构，选择原始凭证输入层和财务报表输出层，通过网络学习和调优，建立起从输入到输出的函数关系，就可以实现会计业务处理全流程的自动化。

二是高质量的数据。数据是指各种符号的介质，是具有一定意义的数字、字母、符号和模拟量等的通称，能被输入计算机并被计算机程序所处理。人工智能在会计领域中应用的重要前提是原始会计数据必须是计算机可识别且具有高精准度。若原始会计单据种类多、标准化程度低，则单据难以数据化，或即使能数据化但质量不高，会严重影响数据的质量。有固定格式和信息的会计单据标准化、电子化程度越高，数据的质量就越高。目前，会计单据大多已经实现了标准化和电子化，如增值税发票、网络订单、销售发票等，这为人工智能在会计中的应用提供了良好的条件。

三是较强的算力。有较强大的计算能力和一整套体系架构，能够方便去深度学习、部署、实施。较强的算力能提高人工智能的识别度、准确度，因为较强的算力可以提高模型精细度和线下训练的频次。目前，人工智能已具有的算力能基本满足会计核算的要求。深圳华为公司的算力能满足全球7×24小时循环结账的要求，每小时可处理数据5 500万行，使全球270多家子公司按照国际会计准则、中国会计准则、所在国会计准则的要求，分别出具按照多种会计准则编制的财务报表。同时，可按客户群、业务组、区域、产品等维度分别出具各个责任中心的经营管理报表，这些报表都可以在3天内编制完成并高质量输出。

四是明确的用户。人工智能在会计中的应用应该有明确的用户，用户本身既是数据的消费者，同时也是数据的提供者。如果没有提出高质量、快速输出财务报表的明确用户，或者用户并不需要高质量、快速输出的财务报表，那么，人工智能在会计中的应用就没有多大价值。因此，只有公司的利益相关者和管理层具有高质量、快速输出财务报表的需求，才能较好地推进人工智能在会计领域中的应用。

五是清晰的应用目的。人工智能在会计领域中的应用到底是为了达到什么目的，这一点非常重要。如果没有清晰的应用目的，人工智能在会计领域中的应用便会半途而废。促进人工智能在会计领域中的应用是需要增加软硬件资本投入的。公司应用人工智能的主要目的是减少会计人员以降低成本、增强用户体验效果、提高会计工作效率，或者同时实现。如果没有清晰的应用目的，人工智能在会计领域中的应用将不会顺利进行。

三、人工智能会计的应用场景

目前，各行业对人工智能应用的呼声比较高，但是人工智能依然處在行业应用的初期。人工智能产品对应用场景有诸多限制，所以人工智能普及应用还需要较长一段时间。人工智能在会计领域中会计核算的全流程上应用还缺乏案例，只是对逻辑性强、重复性大、繁琐的机械性工作部分加以应用和替代，以降低会计工作成本，提高会计工作的准确性。人工智能在会计工作中应用的场景主要有会计核算语音指令、账证核对验证机器视觉、大数据财务分析、智能财务风险控制、提供精准预测方案等[ 8 ]。

（一）语音指令会计核算

人工智能在语言方面的交互性已十分强大，可以提取语音中的关键信息，自动进行归纳分类，直接存储在“大脑”中并指令系统完成操作。语音指令会计核算主要采用语音识别、语音转换技术，通过人工智能训练自动转换语义为结构化信息，自动完成资产、负债、收入、成本、费用类型的金额、时间、地点的填写和核算。语音指令会计核算包括语音指令记账、核算和编制财务报表。语音指令记账是会计人员发出语音指令，人工智能就像记账秘书一样，只需开口指令就能完成记账。语音指令核算是会计人员发出语音指令，人工智能就根据指令输出核算过程和结果。语音指令编制财务报表是会计人员发出语音指令，人工智能就能完成财务报表编制。会计人员在与人工智能拟人化的交互中，轻松完成会计核算流程，从而使会计核算流程变得简单、快速和高效。

（二）机器视觉核对验证

机器视觉是人工智能正在快速发展的一个分支。机器视觉是指从客观事物的图像中提取信息，用机器的视觉来代替人眼，进行核对处理并加以深入理解，用于实际检测、测量和控制。机器视觉在会计领域中的应用，就是通过机器视觉的眼睛和部分大脑的功能，把影像文件转化成结构化数据，并做出测量、判断、核对和验证。机器视觉核对验证的领域主要包括：（1）会计凭证查重、验证。会计核算工作中需要对发票等会计原始凭证验证是否重复和真伪，并对其合规性进行审核。传统方法是人工登录税务局网站输入相关信息后逐个查询，而机器视觉能将该项工作完全实现自动化。（2）自动实现记账、价税分离。审核原始凭证是会计核算的第一步，原始凭证审核完成后需要根据复式记账原理选择核算科目和相关的数量、单价、金额，机器视觉可以自动确定核算科目和数量、单价、金额，并根据原始凭证的类型和业务情况，自动确定可以抵扣的进项税额。

（三）财务大数据分析

通过人工智能系统，可以对公司同行业国内外情况和内部财务状况与生产经营等各个方面的数据进行挖掘、分析、整理、对比，将所收集和录入的数据系统分成不同方面进行数据整合以满足经营管理的需要。首先，公司可以利用人工智能360度核算综合不同的数据集，广泛搜集相关信息，形成数据库。同时，可以对内外部数据库进行实时更新。其次，针对数据库，人工智能利用数据挖掘和分析技术发现并推断未知关系，建立与此相适应的数据模型。最后，人工智能依据大数据的分析结果，并结合公司实际情况，选择相应参数，得出相关结论，供管理层实施应用或服务于决策。应用人工智能进行财务大数据分析后，事前风险分析、事中数据分析、事后绩效分析等都将成为财务大数据分析的新内容。

（四）财务风险智能控制

财务风险智能控制是把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟，用于财务风险控制系统的分析与设计，使之在一定程度上实现财务风险控制系统的智能化。财务风险智能控制是指不需要人的干预就能够根据深度学习自主地驱动智能工具实现自动控制目标，这是人工智能模拟人类智能的一个重要方面。在现代信息化财务风险控制系统中，需要依赖那些不够完备和不够精确的数据来解决难以或无法控制的情况，财务风险智能控制技术为解决这一难题提供了有效的方案。目前，财务风险智能控制的流程主要有：（1）利用模糊数学、神经网络方法对财务风险控制过程进行动态环境建模，利用传感器融合技术进行数据的预处理和综合。（2）采用专家系统作为反馈机构，修改控制环节或选择较好的控制模式和参数。（3）利用模糊集合决策选取决策模型来进行财务风险控制。（4）利用神经网络的学习功能和并行处理数据的能力，进行在线的模式识别。（5）自动进行财务风险预警，自动实施财务风险控制。

（五）提供精准预测方案

人工智能的实际应用，就是带来各种精准的预测方案供人们选择。实际上，人工智能是一种预测技术。预测是填补缺失数据的过程，是应用现在掌握的数据，生成尚未掌握的数据。亚马逊的商业模式从“先买后寄”变成“先寄后买”，就是人工智能预测技术应用的结果。生产经营预测对公司发展来说是不可或缺的重要环节，它主要通过总结以前整个公司在发展中的生产经营数据，对未来公司可能出現的生产经营数据进行测算和规划。传统的公司生产经营预测都是将人工录入的单一数据当作基本依据，这会存在很大的不稳定性，同时数据的精准性也存在问题。当人工智能应用于预测时，公司的生产经营预测便开启了精准预测的新篇章，它可以从多维度、多角度对公司数据进行全面收录，除了数字还包括文本和图像，甚至包括与客户的通话记录。而且，人工智能可以根据不同参数及时提供多种精准的预测方案，这是传统生产经营预测无法做到的。

【主要参考文献】

[1] 吴军.智能时代[M].北京：中信出版社，2017：12-15.

[2] 阿杰伊·阿格拉沃尔，等.AI极简经济学[M].闾佳，译.长沙：湖南科学技术出版社，2018：11-13.

[3] LELAND   STANFORD   UNIVERSITY. AI research  bulletin[Z].http：//www.stanford.edu，2020.

[4] Massachusetts Institute of Technology.AI framework[Z].http：//www.mit.edu，2018.

[5] EU.2018.AI Protection Regulation[Z].http：//www.coe.int，2019.

[6] FACEBOOK.The future is AI[Z].http：//www.facebook.com，2019.

[7] 秦荣生.区块链技术在会计、审计行业中的应用[J].高科技与产业化，2017（7）：64-67.

[8] 秦荣生.数字化时代的财务创新发展[J].财务与会计，2020（1）：18-20.