【摘要】相对于电算化和信息化阶段主要聚焦对数据和信息的处理， 计算机应用的智能化阶段重点聚焦对知识的管理和创新。
由于存储在人类财务专家头脑中的财经知识大多具有隐性的特点， 因此如何借助于有效的知识表示方式， 将人类专家的知识形式化为计算机可以自动处理的显性知识并使之得到有效应用， 就成为智能财务系统建设中的关键问题。
未来智能财务发展中的难点之一是创建一种人机协同的知识应用和知识创新机制， 这种机制可以帮助我们利用大数据和各类机器学习算法， 不断发现和创造新的财经管理知识， 进而处理日益复杂的财务管理活动， 最终赋能企业创造更大的价值。
【关键词】智能财务;知识表示;推理引擎;机器学习;人机协同
【中图分类号】 F275 【文献标识码】A 【文章编号】1004-0994（2021）24-0015-5
“大智移云物区”等新一代信息技术的快速迭代给全球社会经济发展带来了前所未有的机遇和挑战， 特别是人工智能技术的不断突破， 给企业数字化和智能化变革带来了巨大的想象空间。
智能财务作为一种新型的财务管理模式和发展方向应运而生， 它试图通过智能机器和人类专家共同组成的人机协同系统， 完成日益复杂的财务和业务管理活动， 并在发展中不断模拟、扩大、延伸和部分替代人类财务专家的工作， 最终以更大的效能去提升和创造企业价值。
经过近几年的快速发展， 以机器人流程自动化、专家系统、知识图谱、神经网络、自然语言处理、模式识别等技术为突破口的智能财务系统的研究、开发、应用和人才培养等工作已取得了令人瞩目的成效。
我国智能财务的发展已逐步迈入快车道。
当前， 无论是理论界、实业界、教育界还是政府监管机构， 都开始把目光逐渐聚焦到智能财务这个应用领域。
不容忽视的是， 社会各界对如何定义智能财务、智能财务的本质是什么、智能财务系统的基本构成是什么等一系列问题， 目前的认识都还存在着一定的模糊性。
本文的探讨， 希望能为智能财务领域的研究者和建设者们， 从知识管理的视角去观察和思考智能财务的发展问题提供一些有益的参考。
一、智能财务的本质是对领域知识的管理和创新
在深入讨论智能财务之前， 有必要对信息技术在会计领域的应用历史进行梳理。
回顾40多年来的中国会计改革发展历程， 可以将信息技术在会计领域的应用划分为三个发展阶段， 即电算化阶段、信息化阶段和智能化阶段（见表1）[1] ， 其中电算化阶段是初级阶段， 信息化阶段是中级阶段， 智能化阶段是高级阶段。
相对于对数据和信息的较高认识度， 人类对知识的认识还处于不断深化的过程中， 目前有关知识积累、创造、应用等知识管理领域的探讨仍方兴未艾。
知识是人脑创新的成果， 是人类智慧的结晶， 是人类在实践基础上产生又经过长期实践检验的对客观实际的可靠反映。
科学技术知识是这样， 财经管理知识也是这样。
由此可见， 对人类智慧的管理， 其核心就是对知识的管理。
按照对智能财务的一般理解， 即“利用智能机器和人类专家共同组成的人机协同系统， 去完成日益复杂的财务和业务管理活动， 并在发展中不断模拟、扩大、延伸和部分替代人类财务专家的工作， 最终以更大的效能去提升和创造企业价值”[2] ， 再结合对人类智慧和知识之间关系的分析， 可以得出这样的结论：智能财务发展的本质就是利用智能技术对财经领域知识进行管理和利用， 以及发现和创新财经管理知识的过程。
基于以上认识， 可以构建出智能财务系统的基本架构（见图1）。
从信息系统的角度来看， 与传统的企业会计系统相比， 企业智能财务系统[2，3] 主要增加的是中间的知识管理部分（见图1中知识层）。
在新增的知识层中， 知识存储系统将人类解决问题所需的知识通过规则库、模型库、算法库、神经网络、知识图谱等形式存储在计算机系统中， 在解决某具体问题时， 由知识推理系统（又称知识处理引擎）按一定的检索和推理机制， 调用知识存储系统中的知识条目， 结合具体的业务数据完成预期的管理任务（见图1中④⑤）。
例如：通过自动调用规则库中的业务稽核规则和凭证生成规则， 结合具体的某项采购业务数据， 可智能生成采购的记账凭证信息;通过自动调用经过事先训练的神经网络模型， 结合企业具体的财务指标数据， 可判断该企業是否存在财务风险;通过自动调用相关供应商的知识图谱， 结合某次招标的具体数据， 可判断指定的供应商是否存在围标的可能性等。
在新增的知识层中， 还可以借助于知识发现系统（未来知识创新系统的一部分）中的数据挖掘、模式识别、机器学习以及深度学习等工具和算法， 对从企业管理信息系统中或企业外部环境中收集到的财经大数据， 不断地进行加工处理（见图1中①）， 从中发现和创造新的财经管理规则、模型和算法等（见图1中②）， 并适时添加到知识存储系统中（见图1中③）以备进一步使用， 从而形成智能财务系统中知识不断更新、迭代的良性循环。
需要说明的是：根据观察， 知识层的这些系统部件， 在目前的实际应用中并非作为独立的知识中台或者独立的外挂系统出现， 尽管这种独立的架构可能是未来智能财务系统结构的重要发展方向。
从近期上海国家会计学院智能财务研究院评选出的数十个年度智能财务最佳实践案例中可以发现， 其中智能财务系统所应用的知识通常是被写入企业管理系统的模块之中[2] ， 甚至有些知识是被固化到具体应用程序之中的， 即所应用的知识并未单独以知识库（如规则库、模型库、方法库、知识图谱等）中可编辑的知识条目的形式来存储、管理和应用， 因此这些知识大多是难以被灵活管理的。
二、智能财务系统建设的关键是对知识的形式化
知识是智能的基础， 良好的知识表示与处理是计算机有效获得、理解并利用知识的前提。
为了让计算机能够理解和处理财经管理知识， 并按要求辅助财务工作者完成基于知识的财务管理任务， 必须首先明确知识的表示方式， 即对相关的财经知识构建模型， 只有经过合理表示的知识才能被计算机有效地存储和利用。
知识表示是对现实世界的一种抽象。
在计算机中， 知识可被理解成以某种结构化的方式表示的概念、事件和过程等。
为了合理表示知识， 必须首先了解人类知识的种类及其基本特点。
知识一般可分为陈述性知识、过程性知识和控制性知识， 这三类知识在财经管理中都被大量应用， 只是有些知识是以隐性的方式存储在人类专家的头脑中， 对它们的应用规律尚未被有效地揭示。
陈述性知識提供概念和事实， 描述系统状态、环境和条件， 是有关真理和常识性的知识， 这种知识具有静态的性质。
例如：权益回报率是指利润与权益之比; 资产是指由过去的交易或事项形成的、由企业拥有或控制的、预期会给企业带来经济利益的资源。
过程性知识是提供有关状态的变化、问题求解过程的操作、演算和动作的知识。
例如：年度预算的调整需首先将预算调整申请上报预算委员会， 预算委员会无法平衡解决时需报请公司董事会， 经批准后的预算调整方案需按原预算编报的流程调整;报关的流程包括接受申报、审核单证、查验、办理征税、结关放行等环节。
控制性知识是包含各种处理过程、策略和结构的知识， 通常用控制策略表示。
例如：关于出差借款， 财务部规定对于200元以下的借款需求不予支持， 借款超过500元的， 应提前1天通知财务部备款， 借款未还的， 原则上不得再次借款;关于出差时可乘坐的高铁座席， 大学规定院士、副部级人员可乘坐商务座， 教授和司局级人员可乘坐一等座， 其他人员只可乘坐二等座。
在人工智能的发展过程中， 针对不同的学科特点和知识种类， 专家们提出了基于图论、逻辑学、概率论等理论的各种知识表示方式， 具体有一阶谓词、产生式规则、框架、脚本、语义网络、知识图谱、神经网络等形式[4-6] ， 这些知识表示方式具有各自的适用场合和局限性（见表2）， 它们在智能财务领域都有很好的应用前景。
根据对大量案例的研究， 目前在智能财务系统中最常见到的知识表示方式有一阶谓词、产生式规则、知识图谱和神经网络， 其他表示方式相对比较鲜见， 它们的适用性还有待于到应用系统中去检验。
良好的知识表示方式可以从表达能力和计算效率两个角度进行评价。
具有足够强的表达能力， 才能充分、完整地表达解决问题所需的财经领域知识;具有足够高的执行效率， 才能保证计算机在有限的时间内， 利用财经知识处理复杂的管理问题。
总之， 欲利用计算机系统实现智能财务中的知识管理， 必须遴选出表达能力强和计算效率高的知识表示方式， 将人类专家创造的各类知识（可能大多是隐性的知识）， 形式化为计算机可以自动处理的显性知识， 这样才能在智能推理引擎的驱动下， 逐步实现对人类专家工作方式的模拟、延伸、扩展和部分替代。
需要说明的是：尽管当前人工智能专家提供了很多知识表示的方案， 但由于人类知识的复杂性和现存知识表示方式的局限性， 还有很多知识无法用合适的方式来表示。
因此， 必须结合应用场景， 不断探索新的知识表示方式， 为更深层次地认知和模拟智能财务管理行为奠定基础。
三、人机协同知识应用和创新机制的建立是智能财务建设的难点
在会计人员群体中， 有关智能财务的发展问题， 隐约蔓延着一种“会计职业可能会被人工智能程序替代”的焦虑情绪， 这一情绪代表着部分会计人员在现代社会转型中对未来职业发展的担忧， 它的产生有其深层次原因， 同时也暗示着未来发展的某种可能性。
实际上， 这一负面情绪也在时刻提醒着智能财务的研究者和财务智能化建设的参与者们， 必须对智能财务发展中人的价值进行理性的思考。
尽管当前已经通过大量的案例证实RPA（机器人流程自动化）和IPA（智能流程自动化）等系统确实可以替代部分人类的工作， 计算机在运算智能和感知智能上也确实具有相对的优势， 但人类在认知智能和知识创新方面的绝对优势似乎还是不可撼动的， 所以未来的智能财务系统不可能是完全由机器组成的系统， 因为这样的系统一定是没有灵魂、没有创新能力的系统。
众所周知， 机器和人在管理中各具优势， 机器适合从事快速的、精密的、笨重的、有危险的、单调重复的、长期连续不断的、复杂的、高速运算和环境恶劣的工作， 而人则适合从事创造性的、情况多变的、非简单重复的、对机器系统工作程序的指令安排与程序设计、监督控制计算机系统运行以及维修和保养机器设备等类型的工作。
未来的智能财务系统一定是能充分发挥机器和人各自优势的人机协同共生系统。
理想中的人机协同智能财务系统应该由人处理相对复杂的工作（如对工作任务的选择和决策、对结果的评价等）， 由计算机负责处理程序化的工作（如数据的处理、知识的推理、可用RPA替代的简单和重复性工作等）， 对各种复杂的问题， 必须由人和计算机通过密切的协作来高效地解决。
但事实上， 做到这一点并不容易， 因为长期以来， 管理流程和管理制度的设计基本上未充分考虑人机协同的问题， 在组织分工、流程配套、系统衔接等方面基本上是将人和机器分开独立考虑的， 并没有兼顾深度融合问题。
因此， 如果要解决人机协同共生的问题， 必须在组织分工、流程配套、信息传递、系统衔接、风险管控、利益权衡以及伦理安全方面进行全面的考虑（见图2）。
本文从组织分工、信息传递、系统衔接等方面对人机协同智能财务管理系统进行初步探索（见图3）[7] 。
在人机协同智能财务管理系统中， 人类专家将从业务系统中观察到的数据和管理需求（见图3中①）， 经过分析、推理、判断、决策（见图3中②③）后， 将结果通过人机交互接口传输给计算机系统（见图3中④）。
计算机通过规则库、模型库、算法库、神经网络、知识图谱等对输入的结果进行分析、搜索、匹配和评价（见图3中⑤）， 并传输给知识推理系统进行推理（见图3中⑥）， 随后再把推理的结果反馈给人类专家（见图3中⑦）， 并据此开展财务管理活动（见图3中⑩⑧）。
在该系统中， 人机协同的工作机制是：如果规则、算法或者模型已知， 则通过人机交互接口确定某些参数（见图3中⑤）， 再经过推理（见图3中⑥）后， 选择某些多目标决策的满意解（见图3中⑦）;如果规则、算法或者模型未知， 则基于财务专家的自身经验， 对结果进行评价和选择， 实现最终的推理和决策（见图3中⑩）。
在人机协同知识应用的基础上， 智能财务系统会进一步实现人机协同的知识发现和创新。
即可以借助于数据挖掘、模式识别和机器学习的算法， 利用大数据进行学习， 在人类专家的帮助下（见图3中⑨）， 通过知识发现系统， 产生新的规则、算法或模型（见图3中11）， 即实现知识的发现和创新。
知识发现过程是从数据集中抽取和精化新模式的过程。
其中数据的形态有数字、符号、图像、图形、声音等（见图3中⑨）， 数据组织方式可以是结构化的、半结构化的或非结构化的， 知识发现的结果可以表示成规则、规律、模型、算法、概念网络等各种形式。
需要说明的是：图3所示的人机协同智能财务管理系统是一种理想中的信息系统， 其最终实现还有很长的路要走， 不仅需要在知识存储、推理、发现、创新等环节充分考虑人机的组织分工、流程衔接、信息傳递等问题， 还需在风险管控、利益权衡以及伦理安全等更大的范围内进行机制设计和安排。
四、结束语
智能财务是一门新兴的应用性学科， 尽管理论界有关其内涵和外延的探讨存在着较大的争议， 但对智能技术的应用和对财务智能的管理似乎是公认的内容。
本文从知识管理的角度， 讨论了对财务智能的管理问题， 指出知识表示方式是关键、人机协同智能应用和创新是难点。
文中还具体给出了部分系统的概念模型， 相信在业界的共同努力下， 智能财务发展的道路会越走越清晰、越走越宽广。
【 主 要 参 考 文 献 】
[1] 刘勤，杨寅.改革开放 40 年的中国会计信息化：回顾与展望[ J].会计研究，2019（2）：26 ～ 34.
[2] 刘勤，杨寅.智能财务的体系架构、实现路径和应用趋势探讨[ J].管理会计研究，2018（1）：84 ～ 90+96.
[3] 刘勤，尚惠红等.智能财务 打造数字时代财务管理新世界[M].北京：中国财政经济出版社，2021.
[4] 蔡自兴等.人工智能及其应用（第五版）[M].北京：清华大学出版社，2016.
[5] 史忠植.知识发现（第二版）[M].北京：清华大学出版社，2011.
[6] 惠军华.知识表示与处理[M].北京：电子工业出版社，2021.
[7] 刘步青.人机协同系统中的智能迁移：以 AlphaGo为例[ J].科学经济社会，2017（2）：73 ～ 77.
猜你喜欢机器学习机器学习技术在现代农业中的应用电子技术与软件工程(2018年18期)2018-11-05基于评论文本的情感分析研究中小企业管理与科技·中旬刊(2018年5期)2018-09-05基于CDIO的机器学习课程教学改革与探究课程教育研究(2018年22期)2018-07-18基于神经网络技术的违规视频自动识别关键技术新媒体研究(2018年5期)2018-05-23基于字典学习的图像去噪研究电脑知识与技术(2018年2期)2018-02-03基于大数据技术的网络异常行为分析监测系统电子技术与软件工程(2017年24期)2018-01-17浅谈汽车无人驾驶技术科技资讯(2017年27期)2017-11-24机器学习在大视频运维中的应用中兴通讯技术(2017年4期)2017-09-07机器学习技术在民航安全管理中的应用探析科技创新与应用(2017年12期)2017-05-08基于LDA模型的文本分类与观点挖掘电子技术与软件工程(2017年4期)2017-03-27 相关热词搜索： 人机 协同 知识管理