智能財(cái)務(wù)中的知識(shí)演進(jìn)：從知識(shí)模擬到知識(shí)創(chuàng)新

【摘要】本文在回顧相關(guān)概念及人工智能發(fā)展歷程的基礎(chǔ)上， 結(jié)合對(duì)智能財(cái)務(wù)最佳實(shí)踐的觀察， 沿著人工智能符號(hào)主義和連接主義學(xué)派的發(fā)展路線， 探討智能財(cái)務(wù)系統(tǒng)中知識(shí)的演進(jìn)過(guò)程， 分析智能財(cái)務(wù)系統(tǒng)從對(duì)人類存量知識(shí)的模擬到對(duì)增量知識(shí)的發(fā)現(xiàn)和創(chuàng)新的過(guò)程及趨勢(shì)， 最后借鑒數(shù)據(jù)庫(kù)管理系統(tǒng)的發(fā)展成果對(duì)未來(lái)支撐知識(shí)發(fā)現(xiàn)和創(chuàng)新的知識(shí)庫(kù)管理系統(tǒng)結(jié)構(gòu)提出基本設(shè)想， 以期為智能財(cái)務(wù)的進(jìn)一步研究和應(yīng)用提供參考。

【關(guān)鍵詞】智能財(cái)務(wù)；知識(shí)工程；知識(shí)模擬；知識(shí)發(fā)現(xiàn)；知識(shí)創(chuàng)新

【中圖分類號(hào)】 F275 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1004-0994（2024）13-0017-7

人工智能（AI）的迅速發(fā)展給組織的數(shù)智化變革帶來(lái)了巨大的驅(qū)動(dòng)力， 智能財(cái)務(wù)作為一種新型的財(cái)務(wù)管理模式和發(fā)展方向因此應(yīng)運(yùn)而生。流程自動(dòng)化、 專家系統(tǒng)、 神經(jīng)網(wǎng)絡(luò)、 自然語(yǔ)言處理、 模式識(shí)別、 大語(yǔ)言模型以及大數(shù)據(jù)等新一代信息技術(shù)在財(cái)會(huì)領(lǐng)域中深度應(yīng)用， 為智能財(cái)務(wù)的發(fā)展帶來(lái)了勃勃生機(jī)。數(shù)據(jù)作為智能財(cái)務(wù)發(fā)展中的關(guān)鍵要素， 伴隨著大模型技術(shù)的出現(xiàn)和發(fā)展， 其在企業(yè)財(cái)務(wù)管理中的價(jià)值越來(lái)越得到彰顯， 然而在追求數(shù)據(jù)價(jià)值和模型優(yōu)化的同時(shí)， 領(lǐng)域知識(shí)和專家經(jīng)驗(yàn)的作用卻在一定程度上被忽視或弱化。人工智能的發(fā)展歷程告訴我們， 知識(shí)不僅是人類智能的核心， 更直接推動(dòng)了智能系統(tǒng)的應(yīng)用與發(fā)展， 知識(shí)在管理活動(dòng)中幫助智能系統(tǒng)持續(xù)地理解、 推理和學(xué)習(xí)， 不斷提升智能系統(tǒng)的性能， 增強(qiáng)智能系統(tǒng)的可解釋性和可信度， 并且在推動(dòng)智能技術(shù)的創(chuàng)新和專業(yè)人才的培養(yǎng)中發(fā)揮著重大作用。

為深入探討智能財(cái)務(wù)系統(tǒng)中知識(shí)的重要作用及其演進(jìn)規(guī)律， 本文結(jié)合近年來(lái)對(duì)智能財(cái)務(wù)最佳實(shí)踐的觀察， 在回顧相關(guān)概念及研究文獻(xiàn)的基礎(chǔ)上， 試圖沿著人工智能符號(hào)主義和連接主義學(xué)派的發(fā)展路線探討智能財(cái)務(wù)系統(tǒng)中知識(shí)的作用， 分析和研究智能財(cái)務(wù)系統(tǒng)中知識(shí)的演進(jìn)過(guò)程， 揭示其從對(duì)人類存量知識(shí)的模擬到對(duì)增量知識(shí)的發(fā)現(xiàn)乃至知識(shí)創(chuàng)新的過(guò)程及趨勢(shì)， 并借鑒數(shù)據(jù)庫(kù)管理系統(tǒng)的發(fā)展對(duì)未來(lái)知識(shí)庫(kù)管理系統(tǒng)的基本架構(gòu)提出初步設(shè)想， 以期為智能財(cái)務(wù)的相關(guān)研究和應(yīng)用提供一定的參考。

一、 相關(guān)概念和研究基礎(chǔ)

為了深入探討智能財(cái)務(wù)中知識(shí)的演進(jìn)規(guī)律， 首先需明晰與此相關(guān)的智能、 知識(shí)、 人工智能、 知識(shí)工程等概念以及它們與智能財(cái)務(wù)概念間的關(guān)系。

1. 智能、 知識(shí)及其相關(guān)關(guān)系。智能是指?jìng)€(gè)體或系統(tǒng)處理信息、 學(xué)習(xí)、 理解、 適應(yīng)環(huán)境、 解決問(wèn)題以及創(chuàng)新的能力。在人類身上， 智能是一種應(yīng)用知識(shí)處理環(huán)境的能力或由目標(biāo)準(zhǔn)則衡量的抽象思考能力（蔡自興等，2016）。在機(jī)器中， 人工智能通過(guò)人工的方法和技術(shù)， 讓機(jī)器像人一樣認(rèn)知、 思考和學(xué)習(xí)， 模仿、 延伸和擴(kuò)展人的智能， 實(shí)現(xiàn)機(jī)器智能（史忠植，2019）。

在《韋伯斯特詞典》中， 知識(shí)的定義是： “知識(shí)是通過(guò)實(shí)踐、 研究、 聯(lián)系或調(diào)查獲得的關(guān)于事物的事實(shí)和狀態(tài)的認(rèn)識(shí)， 是對(duì)科學(xué)藝術(shù)或技術(shù)的理解， 是人類獲得關(guān)于真理和原理的認(rèn)識(shí)總和。”哲學(xué)家還根據(jù)不同的原則將知識(shí)劃分為先驗(yàn)知識(shí)和后驗(yàn)知識(shí)、 隱性知識(shí)和顯性知識(shí)等類型（羅素，1984）。

智能與知識(shí)之間存在著密切而本質(zhì)的聯(lián)系， 即知識(shí)是智能的基礎(chǔ)， 而智能是對(duì)知識(shí)的應(yīng)用、 處理與創(chuàng)造的能力。智能系統(tǒng)通過(guò)學(xué)習(xí)過(guò)程， 如監(jiān)督學(xué)習(xí)、 無(wú)監(jiān)督學(xué)習(xí)、 強(qiáng)化學(xué)習(xí)， 從數(shù)據(jù)中提取知識(shí)， 這一過(guò)程實(shí)際上增加了系統(tǒng)中的知識(shí)體量， 提升了系統(tǒng)的智能水平。掌握了知識(shí)的智能系統(tǒng)能夠應(yīng)用這些知識(shí)解決具體問(wèn)題， 甚至在某些情況下通過(guò)組合或泛化知識(shí)， 創(chuàng)造出新的解決方案， 表現(xiàn)出某種程度的創(chuàng)新性。

2. 人工智能及其主流學(xué)派。自1956年以來(lái)， 人工智能在其近70年的發(fā)展過(guò)程中， 逐步形成了符號(hào)主義、 連接主義和行為主義三個(gè)學(xué)派或發(fā)展分支（參見圖1）， 這些學(xué)派對(duì)人工智能的定義、 基礎(chǔ)、 核心、 要素、 認(rèn)知過(guò)程、 學(xué)科體系以及人類智能與人工智能的關(guān)系均存在著不同的觀點(diǎn)， 對(duì)相關(guān)的研究方法也存在著不同的看法（蔡自興等，2016）。

符號(hào)主義學(xué)派又稱為邏輯主義學(xué)派或心理學(xué)派， 其核心是物理符號(hào)系統(tǒng)假設(shè)和有限合理性原理。符號(hào)主義認(rèn)為： 人工智能源于數(shù)理邏輯； 人的認(rèn)知基元是符號(hào)， 認(rèn)知過(guò)程即符號(hào)操作過(guò)程； 知識(shí)是信息的一種形式， 是構(gòu)成智能的基礎(chǔ)； 人工智能的核心是知識(shí)表示、 知識(shí)推理和知識(shí)的運(yùn)用； 知識(shí)可用符號(hào)表示， 也可用符號(hào)進(jìn)行推理， 因而有可能建立起基于知識(shí)的人類智能和機(jī)器智能的統(tǒng)一理論體系。符號(hào)主義發(fā)展了啟發(fā)式算法、 專家系統(tǒng)、 知識(shí)工程理論與技術(shù)， 曾長(zhǎng)期一枝獨(dú)秀， 目前仍是人工智能的主流學(xué)派之一。

連接主義學(xué)派又稱為仿生學(xué)派或生理學(xué)派， 其核心是神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法。連接主義認(rèn)為： 人工智能源于仿生學(xué)， 特別是人腦模型的研究； 人的思維基元是神經(jīng)元， 而不是符號(hào)處理過(guò)程。其主張著重于結(jié)構(gòu)模擬， 即模擬人的生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)， 并提出多種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法。目前廣為人知的大模型主要是連接主義學(xué)派的產(chǎn)物。連接主義學(xué)派是當(dāng)前最熱門的人工智能學(xué)派。

行為主義學(xué)派又稱為進(jìn)化主義或控制論學(xué)派， 其核心是控制論及感知—?jiǎng)幼餍钥刂葡到y(tǒng)。行為主義認(rèn)為人工智能源于控制論， 智能取決于感知和行動(dòng)， 行為主義者認(rèn)為智能不需要知識(shí)、 不需要表示、 不需要推理。該流派早期的研究是模擬人在控制過(guò)程中的智能行為和作用， 后誕生了智能控制和智能機(jī)器人系統(tǒng)， 目前該流派的思想主要被應(yīng)用在自動(dòng)駕駛和工業(yè)機(jī)器人等領(lǐng)域， 在財(cái)經(jīng)領(lǐng)域的應(yīng)用較為少見。

3. 知識(shí)工程及其主要環(huán)節(jié)。知識(shí)工程與人工智能符號(hào)主義學(xué)派有著密切的關(guān)系， 它是一門研究如何構(gòu)建、 維護(hù)和使用基于知識(shí)的系統(tǒng)的技術(shù)學(xué)科。傳統(tǒng)的知識(shí)工程的概念由美國(guó)斯坦福大學(xué)愛德華·費(fèi)根鮑姆教授在1977年提出， 起初也是人工智能的重要分支之一， 后發(fā)展成一門單獨(dú)的學(xué)科。當(dāng)前新一代知識(shí)工程被定義為依托信息技術(shù)， 最大限度地實(shí)現(xiàn)信息關(guān)聯(lián)和知識(shí)關(guān)聯(lián)， 并把關(guān)聯(lián)的知識(shí)和信息作為企業(yè)智能資產(chǎn)， 以人機(jī)交互的方式進(jìn)行管理和利用， 在使用中不斷提升其價(jià)值（周元等，2020）。

知識(shí)工程涉及知識(shí)獲取、 知識(shí)表示、 知識(shí)存儲(chǔ)、 知識(shí)推理和知識(shí)利用等多個(gè)環(huán)節(jié)。其中， 知識(shí)獲取是從專家或數(shù)據(jù)源中提取知識(shí)， 知識(shí)表示是將知識(shí)轉(zhuǎn)換成計(jì)算機(jī)可處理的形式， 知識(shí)存儲(chǔ)和管理是確保知識(shí)的有效組織和訪問(wèn)， 知識(shí)推理和利用則是將知識(shí)應(yīng)用于解決實(shí)際問(wèn)題。知識(shí)工程領(lǐng)域的典型代表包括專家系統(tǒng)、 知識(shí)庫(kù)和推理引擎等。知識(shí)工程為構(gòu)建智能財(cái)務(wù)系統(tǒng)提供了基礎(chǔ)， 是實(shí)現(xiàn)人工智能目標(biāo)的關(guān)鍵部分。

4. 智能財(cái)務(wù)及其發(fā)展。智能財(cái)務(wù)是“利用以人工智能為代表的新一代信息技術(shù)對(duì)人類財(cái)務(wù)領(lǐng)域知識(shí)進(jìn)行發(fā)現(xiàn)、 創(chuàng)造、 管理和利用的一門新興學(xué)科， 它利用智能機(jī)器和人類專家共同組成的人機(jī)協(xié)同共生系統(tǒng)， 去完成日益復(fù)雜的會(huì)計(jì)和財(cái)務(wù)管理活動(dòng)， 并在發(fā)展中不斷模擬、 擴(kuò)大、 延伸和部分替代人類財(cái)務(wù)專家的職能， 最終為企業(yè)賦能， 實(shí)現(xiàn)價(jià)值創(chuàng)造”（劉勤和楊寅，2018；劉勤，2021）。可見， 智能財(cái)務(wù)與上述的人工智能、 知識(shí)工程等學(xué)科具有不可分割的聯(lián)系。

2016年前后， 伴隨著人工智能技術(shù)以及機(jī)器人流程自動(dòng)化（RPA）技術(shù)的發(fā)展， 我國(guó)財(cái)會(huì)領(lǐng)域開始進(jìn)入智能化探索的階段。有關(guān)智能會(huì)計(jì)或智能財(cái)務(wù)的研究與實(shí)踐如雨后春筍般快速增多， 這些研究和實(shí)踐一方面關(guān)注智能財(cái)務(wù)應(yīng)用場(chǎng)景和信息系統(tǒng)的建設(shè)， 另一方面則關(guān)注智能化對(duì)會(huì)計(jì)職能、 會(huì)計(jì)工具、 會(huì)計(jì)方法以及會(huì)計(jì)學(xué)科發(fā)展等方面的深刻影響。經(jīng)過(guò)幾年的快速發(fā)展， 智能財(cái)務(wù)的應(yīng)用場(chǎng)景不斷豐富， 流程自動(dòng)化技術(shù)、 專家系統(tǒng)、 機(jī)器學(xué)習(xí)、 自然語(yǔ)言處理、 模式識(shí)別、 大語(yǔ)言模型等技術(shù)在財(cái)務(wù)會(huì)計(jì)、 財(cái)務(wù)管理、 管理會(huì)計(jì)等領(lǐng)域的實(shí)踐不斷涌現(xiàn)（劉勤和尚惠紅，2020）。

二、 智能系統(tǒng)中的知識(shí)演進(jìn)階段

縱觀人工智能系統(tǒng)的發(fā)展歷史， 可以發(fā)現(xiàn)其經(jīng)歷了從對(duì)人類存量知識(shí)的簡(jiǎn)單模擬， 到對(duì)人類增量知識(shí)的發(fā)現(xiàn)乃至對(duì)新知識(shí)的自主生成和應(yīng)用的動(dòng)態(tài)演進(jìn)過(guò)程（參見圖2）， 智能財(cái)務(wù)系統(tǒng)作為人工智能在財(cái)經(jīng)領(lǐng)域中的一個(gè)應(yīng)用子集， 似乎也遵循著這一演進(jìn)規(guī)律。這個(gè)演進(jìn)過(guò)程大致可以分為以下幾個(gè)階段：

1. 規(guī)則基礎(chǔ)階段。早期的人工智能系統(tǒng)， 如專家系統(tǒng)， 主要依賴于人工編寫的規(guī)則。這些系統(tǒng)試圖通過(guò)編程直接模擬人類專家的知識(shí)和推理過(guò)程， 解決特定領(lǐng)域的問(wèn)題。例如， 在業(yè)務(wù)智能審核、 會(huì)計(jì)憑證智能生成、 成本智能控制、 財(cái)務(wù)報(bào)告智能分析、 預(yù)算智能制定、 資金決策支持、 會(huì)計(jì)法律咨詢等領(lǐng)域， 專家系統(tǒng)能夠基于預(yù)設(shè)規(guī)則做出判斷。這是AI對(duì)人類存量知識(shí)直接模擬的階段， 系統(tǒng)的智能程度受限于規(guī)則的完備性和精確性。

2. 機(jī)器學(xué)習(xí)階段。隨著計(jì)算能力的提升和數(shù)據(jù)量的爆炸式增長(zhǎng)， 機(jī)器學(xué)習(xí)技術(shù)開始嶄露頭角。在這一階段， AI不再局限于預(yù)設(shè)規(guī)則， 而是能夠從大量數(shù)據(jù)中學(xué)習(xí)模式， 自動(dòng)提取特征， 進(jìn)行預(yù)測(cè)和決策。監(jiān)督學(xué)習(xí)、 無(wú)監(jiān)督學(xué)習(xí)、 強(qiáng)化學(xué)習(xí)等方法的應(yīng)用， 使得AI能夠在圖像識(shí)別、 語(yǔ)音識(shí)別、 自然語(yǔ)言處理等多個(gè)領(lǐng)域達(dá)到甚至超越人類水平， 具體到財(cái)務(wù)領(lǐng)域出現(xiàn)了市場(chǎng)價(jià)格預(yù)測(cè)、 企業(yè)信用評(píng)估、 企業(yè)破產(chǎn)預(yù)測(cè)等。這時(shí)AI開始超越簡(jiǎn)單知識(shí)模擬， 進(jìn)入增量知識(shí)的發(fā)現(xiàn)階段。

3. 深度學(xué)習(xí)階段。深度學(xué)習(xí)的興起進(jìn)一步推動(dòng)了AI的發(fā)展， 尤其是在模式識(shí)別和生成新內(nèi)容方面。深層神經(jīng)網(wǎng)絡(luò)能夠處理高維數(shù)據(jù)， 發(fā)現(xiàn)復(fù)雜的數(shù)據(jù)關(guān)系， 不僅在識(shí)別任務(wù)上取得顯著成就， 還能借助于大模型生成圖像、 音樂(lè)、 文本等創(chuàng)造性內(nèi)容， 具體到財(cái)務(wù)領(lǐng)域出現(xiàn)了股票價(jià)格預(yù)測(cè)、 財(cái)務(wù)困境預(yù)測(cè)、 投資策略優(yōu)化等應(yīng)用。這個(gè)階段， AI開始在某些領(lǐng)域創(chuàng)造出人類可能未曾明確表述過(guò)的新知識(shí)。

4. 自我進(jìn)化階段。盡管在深度學(xué)習(xí)階段AI已開始創(chuàng)造出新的知識(shí)， 但基本上沒(méi)有完全超越人類現(xiàn)有的知識(shí)框架， 未來(lái)的自我進(jìn)化階段將朝著讓AI具有更強(qiáng)的自主學(xué)習(xí)、 適應(yīng)和創(chuàng)新能力方向發(fā)展， 如通過(guò)元學(xué)習(xí)、 遷移學(xué)習(xí)等技術(shù)， 使AI能在不同任務(wù)間快速適應(yīng)和泛化， 甚至探索和創(chuàng)造新的知識(shí)邊界。強(qiáng)化學(xué)習(xí)與環(huán)境交互的能力， 展示了AI在復(fù)雜策略和創(chuàng)造性解決方案上的潛力。

由此可見， 人工智能的發(fā)展路徑是從模仿人類已有知識(shí)的規(guī)則系統(tǒng)， 逐漸過(guò)渡到能夠自我學(xué)習(xí)、 發(fā)現(xiàn)新規(guī)律、 創(chuàng)造新內(nèi)容的自主智能系統(tǒng)， 最終目標(biāo)是實(shí)現(xiàn)更高級(jí)別的智能， 為人類帶來(lái)更大的福祉。

三、 智能財(cái)務(wù)系統(tǒng)中的知識(shí)模擬及其局限性

1. 智能財(cái)務(wù)中的知識(shí)模擬。知識(shí)模擬是指對(duì)人類知識(shí)進(jìn)行模仿、 復(fù)現(xiàn)的行為。在人工智能系統(tǒng)中， 知識(shí)模擬會(huì)涉及知識(shí)表示以及利用知識(shí)進(jìn)行推理、 決策或解決問(wèn)題等環(huán)節(jié)。知識(shí)模擬的目標(biāo)是讓人工智能系統(tǒng)能夠像人類專家一樣理解世界、 應(yīng)用知識(shí)， 并在特定情境下做出合理的反應(yīng)或預(yù)測(cè)。

知識(shí)模擬通常使用計(jì)算機(jī)模型和算法來(lái)模仿人類的知識(shí)處理過(guò)程， 包括學(xué)習(xí)、 推理、 解決問(wèn)題等。這涉及智能系統(tǒng)的構(gòu)建， 以使其能夠基于已有的知識(shí)庫(kù)模擬人類專家的決策和解決問(wèn)題的方式。知識(shí)模擬往往依賴于知識(shí)工程構(gòu)建的基礎(chǔ)， 如利用知識(shí)表示和推理技術(shù)來(lái)實(shí)現(xiàn)知識(shí)的模擬。目前在智能財(cái)務(wù)領(lǐng)域被使用的知識(shí)表示方式有一階謂詞、 產(chǎn)生式規(guī)則、 語(yǔ)義網(wǎng)絡(luò)、 知識(shí)圖譜、 神經(jīng)網(wǎng)絡(luò)等， 它們被用于表示企業(yè)財(cái)務(wù)狀況、 風(fēng)險(xiǎn)水平、 公司治理狀況、 供應(yīng)商信息、 稽核規(guī)則、 記賬憑證生成規(guī)則、 各類評(píng)估模型等（劉勤，2021）。常用的推理技術(shù)有正向推理、 反向推理、 混合推理、 模糊推理等技術(shù)。

在智能財(cái)務(wù)系統(tǒng)中存在著大量基于知識(shí)模擬的應(yīng)用案例（上海國(guó)家會(huì)計(jì)學(xué)院智能財(cái)務(wù)研究院，2022）， 這些案例廣泛存在于近年來(lái)評(píng)選出的中國(guó)智能財(cái)務(wù)最佳實(shí)踐中。

比如， 在票據(jù)信息智能采集系統(tǒng)中， 系統(tǒng)對(duì)相關(guān)票據(jù)進(jìn)行掃描影像處理， 對(duì)圖像進(jìn)行預(yù)處理， 用光學(xué)字符識(shí)別（OCR）技術(shù)進(jìn)行識(shí)別， 把非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。其中， OCR的過(guò)程就是高度依賴知識(shí)的， 如果沒(méi)有知識(shí)的支撐， 就無(wú)法實(shí)現(xiàn)自動(dòng)識(shí)別。把圖像中的文字提取出來(lái)、 把關(guān)鍵信息提取出來(lái)， 這些都基于對(duì)大量知識(shí)的處理能力。

又如， 在合同智能審閱系統(tǒng)中， 如果沒(méi)有合同的語(yǔ)料庫(kù)、 財(cái)稅法規(guī)庫(kù)、 公司規(guī)章庫(kù)， 即沒(méi)有相關(guān)的知識(shí)庫(kù)支持， 是無(wú)法完成文本分類、 一致性檢查、 條款審查、 合規(guī)性檢查、 風(fēng)險(xiǎn)評(píng)估等智能審閱工作的。合同審閱有很多具體的規(guī)則， 比如： 合同金額大小寫是否一致， 需要有一條規(guī)則來(lái)判斷； 分期付款、 幾期相加是否等于合同的總金額， 這也需要一條規(guī)則來(lái)體現(xiàn)。這些規(guī)則都屬于知識(shí)的一部分。

再如， 在報(bào)銷智能審核系統(tǒng)中， 業(yè)務(wù)發(fā)生的地點(diǎn)是否合適、 時(shí)間是否合適、 權(quán)限是否合適、成本和費(fèi)用是否超過(guò)范圍、 憑證的真實(shí)性和合法性等， 這些判斷都需要通過(guò)大量的知識(shí)來(lái)表達(dá)（參見圖3）。有的機(jī)構(gòu)用規(guī)則來(lái)體現(xiàn)， 也有機(jī)構(gòu)采用知識(shí)圖譜來(lái)體現(xiàn)， 通過(guò)規(guī)則或知識(shí)圖譜的匹配來(lái)判斷一筆業(yè)務(wù)是不是符合要求。比如， 是否符合“中央八項(xiàng)規(guī)定”， 這種審核可以通過(guò)大量的規(guī)則或知識(shí)圖譜匹配來(lái)實(shí)現(xiàn)， 而規(guī)則和知識(shí)圖譜都是典型的知識(shí)表達(dá)方式， 其中包含了大量的財(cái)務(wù)領(lǐng)域知識(shí)。

從這些案例中可以發(fā)現(xiàn)， 當(dāng)前智能財(cái)務(wù)系統(tǒng)中的知識(shí)應(yīng)用大多是對(duì)人類財(cái)務(wù)專家存量知識(shí)的模擬， 并沒(méi)有超出人類解決問(wèn)題所使用的知識(shí)范圍。這一方面是因?yàn)樨?cái)務(wù)管理領(lǐng)域?qū)弦?guī)性有著嚴(yán)格的要求， 而規(guī)則本身代表的就是成熟的、 被高度認(rèn)可的存量知識(shí)。另一方面則因?yàn)楫?dāng)前系統(tǒng)中缺乏有效的新知識(shí)學(xué)習(xí)手段， 即有效的知識(shí)生成工具極少。

如果從系統(tǒng)建設(shè)的視角去觀察這些智能財(cái)務(wù)系統(tǒng)， 可以發(fā)現(xiàn)它們主要是通過(guò)知識(shí)獲取與編碼、 知識(shí)表示、 知識(shí)推理與決策支持、 知識(shí)利用等一系列環(huán)節(jié)來(lái)實(shí)現(xiàn)對(duì)人類存量知識(shí)模擬的。其中： 知識(shí)獲取與編碼環(huán)節(jié)主要是通過(guò)財(cái)經(jīng)專家訪談、 會(huì)計(jì)文檔分析、 財(cái)務(wù)流程梳理等方法， 收集財(cái)務(wù)領(lǐng)域的專業(yè)知識(shí)， 包括會(huì)計(jì)準(zhǔn)則、 稅務(wù)法規(guī)、 財(cái)務(wù)分析方法、 標(biāo)準(zhǔn)的財(cái)務(wù)管理流程等。這些知識(shí)被整理后， 采用規(guī)則庫(kù)、 決策樹等形式編碼進(jìn)入智能系統(tǒng)中。知識(shí)表示環(huán)節(jié)主要是利用知識(shí)圖譜、 專家系統(tǒng)規(guī)則或機(jī)器學(xué)習(xí)模型等形式， 將編碼后的領(lǐng)域知識(shí)以計(jì)算機(jī)可理解的形式表示出來(lái)。比如， 知識(shí)圖譜可以用來(lái)表示財(cái)務(wù)實(shí)體之間的復(fù)雜關(guān)系， 而規(guī)則庫(kù)則可以明確表達(dá)財(cái)務(wù)決策的邏輯條件。知識(shí)推理與決策支持環(huán)節(jié)主要是通過(guò)精心設(shè)計(jì)的推理引擎， 讓智能財(cái)務(wù)系統(tǒng)能夠根據(jù)輸入的數(shù)據(jù)和預(yù)設(shè)的知識(shí)規(guī)則進(jìn)行精確或模糊邏輯推理， 模擬財(cái)務(wù)專家的決策過(guò)程。例如， 系統(tǒng)可以根據(jù)財(cái)務(wù)報(bào)表數(shù)據(jù)和會(huì)計(jì)準(zhǔn)則， 自動(dòng)判斷是否符合合規(guī)要求， 或者基于歷史數(shù)據(jù)和市場(chǎng)趨勢(shì)預(yù)測(cè)未來(lái)的財(cái)務(wù)狀況等。知識(shí)利用則指的是運(yùn)用財(cái)務(wù)系統(tǒng)中內(nèi)置的豐富財(cái)務(wù)知識(shí)、 規(guī)則、 模型以及先進(jìn)的數(shù)據(jù)分析能力， 來(lái)處理、 分析和解釋財(cái)務(wù)數(shù)據(jù)的過(guò)程， 如智能憑證生成、 快速生成報(bào)表、 自動(dòng)完成對(duì)賬、 理解當(dāng)前的財(cái)務(wù)狀況并預(yù)測(cè)未來(lái)的財(cái)務(wù)表現(xiàn)、 識(shí)別潛在的財(cái)務(wù)風(fēng)險(xiǎn)和機(jī)遇并提出預(yù)警與應(yīng)對(duì)策略等。

2. 僅對(duì)存量知識(shí)進(jìn)行模擬的局限性。對(duì)人類知識(shí)進(jìn)行高仿真模擬雖然可以解決大部分的管理問(wèn)題， 但也存在很多方面的局限性， 這些局限性主要體現(xiàn)為缺乏創(chuàng)新性、 無(wú)法處理未知情況、 適應(yīng)性受限、 泛化能力不足、 情景理解有限、 道德和倫理考慮不足等問(wèn)題。其中： ①缺乏創(chuàng)新性， 是指智能系統(tǒng)依賴于現(xiàn)有數(shù)據(jù)進(jìn)行學(xué)習(xí)和推斷， 這意味著它們只能在已知知識(shí)的框架內(nèi)工作， 難以產(chǎn)生真正新穎的想法或解決方案。創(chuàng)新性在財(cái)務(wù)決策支持方面尤為重要。②無(wú)法處理未知情況， 是指當(dāng)遇到從未見過(guò)的新情況時(shí)， 僅基于存量知識(shí)的智能系統(tǒng)可能無(wú)法做出有效的反應(yīng)或決策， 因?yàn)樗狈μ幚砦粗獑?wèn)題的機(jī)制， 如對(duì)于數(shù)據(jù)資產(chǎn)的處理方式等。③適應(yīng)性受限， 是指智能系統(tǒng)需要不斷更新其知識(shí)庫(kù)才能適應(yīng)環(huán)境變化， 如適應(yīng)會(huì)計(jì)法規(guī)和稅法的變化， 但僅依賴存量知識(shí)意味著它們可能無(wú)法及時(shí)或準(zhǔn)確地適應(yīng)快速變化的情境。④泛化能力不足， 是指智能系統(tǒng)可能在特定任務(wù)上表現(xiàn)出色， 但在遇到類似但非完全相同的情況時(shí)， 其表現(xiàn)力可能會(huì)下降， 因?yàn)樗鼈內(nèi)狈⒅R(shí)泛化到新場(chǎng)景的能力。如在面對(duì)復(fù)雜多變的市場(chǎng)環(huán)境時(shí)， 需要良好的泛化能力幫助財(cái)務(wù)管理者快速識(shí)別潛在風(fēng)險(xiǎn)， 并根據(jù)過(guò)往經(jīng)驗(yàn)和模型預(yù)測(cè)， 采取適當(dāng)?shù)姆婪洞胧?減少不確定性帶來(lái)的負(fù)面影響。⑤情境理解有限， 是指智能系統(tǒng)可能難以理解復(fù)雜的現(xiàn)實(shí)世界， 尤其是那些需要深層次理解或利用常識(shí)推理的場(chǎng)景， 如投資者關(guān)系處理等涉及需要人類情感交流的場(chǎng)合， 這限制了它在日常生活中的實(shí)用性。⑥道德和倫理考慮不足， 是指智能系統(tǒng)在做出決策時(shí)可能不會(huì)考慮道德和倫理因素， 如涉及人類隱私、 系統(tǒng)偏見的問(wèn)題， 因?yàn)檫@些因素通常隱含在人類社會(huì)規(guī)范中， 而難以顯性編碼方式在知識(shí)庫(kù)中出現(xiàn)。

以上主要是基于對(duì)通用領(lǐng)域的分析， 如果針對(duì)財(cái)務(wù)領(lǐng)域， 其局限性還會(huì)有更多的表現(xiàn)， 如： ①缺乏前瞻性分析， 即僅依賴過(guò)去財(cái)務(wù)數(shù)據(jù)訓(xùn)練出來(lái)的智能系統(tǒng)可能難以準(zhǔn)確預(yù)測(cè)未來(lái)趨勢(shì)， 因?yàn)樗鼈內(nèi)狈?duì)新興市場(chǎng)條件、 政策變化或“黑天鵝”事件的前瞻分析能力。②應(yīng)對(duì)突發(fā)情況的能力弱， 即面對(duì)如金融危機(jī)、 經(jīng)濟(jì)衰退等未曾經(jīng)歷過(guò)的突發(fā)情況， 基于歷史數(shù)據(jù)訓(xùn)練的智能系統(tǒng)可能無(wú)法提供有效的應(yīng)對(duì)策略或風(fēng)險(xiǎn)評(píng)估。③創(chuàng)新財(cái)務(wù)管理方法受限， 即智能系統(tǒng)可能難以自主開發(fā)出全新的財(cái)務(wù)管理策略或工具， 因?yàn)楝F(xiàn)有的“創(chuàng)意”主要局限于已有知識(shí)和數(shù)據(jù)模式。④適應(yīng)監(jiān)管變化滯后， 即財(cái)務(wù)領(lǐng)域的法律法規(guī)頻繁更新， 僅基于存量知識(shí)的AI系統(tǒng)可能無(wú)法即時(shí)調(diào)整管理策略以符合最新的合規(guī)要求。⑤難以應(yīng)對(duì)復(fù)雜財(cái)務(wù)決策挑戰(zhàn)， 即在涉及多變量、 跨學(xué)科的復(fù)雜財(cái)務(wù)決策中， 智能系統(tǒng)可能因缺乏深度理解而難以提供全面、 精準(zhǔn)的建議。⑥處理非結(jié)構(gòu)化信息困難， 即財(cái)務(wù)報(bào)告中往往包含大量非結(jié)構(gòu)化信息， 如市場(chǎng)情緒、 行業(yè)動(dòng)態(tài)等， AI系統(tǒng)在解讀這類信息時(shí)可能存在局限。⑦忽視隱性知識(shí)和經(jīng)驗(yàn)， 即財(cái)務(wù)專家的直覺(jué)、 經(jīng)驗(yàn)和判斷往往難以顯性化和量化， 僅依靠數(shù)據(jù)的AI系統(tǒng)可能無(wú)法充分捕捉這些隱性知識(shí)的價(jià)值， 從而出現(xiàn)邏輯問(wèn)題。

為了克服這些局限性， 智能財(cái)務(wù)系統(tǒng)必須增強(qiáng)AI的學(xué)習(xí)能力， 通過(guò)結(jié)合實(shí)時(shí)數(shù)據(jù)流、 專家知識(shí)、 情境感知、 深度學(xué)習(xí)、 遷移學(xué)習(xí)和持續(xù)迭代學(xué)習(xí)等方法， 使智能系統(tǒng)能夠更好地處理新信息和新知識(shí)、 自我修正和適應(yīng)變化， 努力構(gòu)建更加公平、 透明和可解釋的智能系統(tǒng)， 實(shí)現(xiàn)更為精準(zhǔn)和前瞻性的財(cái)務(wù)分析與決策。

四、 智能財(cái)務(wù)中的知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新

1. 知識(shí)發(fā)現(xiàn)、 知識(shí)創(chuàng)新及其意義。知識(shí)發(fā)現(xiàn)是指從大量數(shù)據(jù)中提取出有價(jià)值的知識(shí)或模式的過(guò)程， 它集數(shù)據(jù)收集、 數(shù)據(jù)清洗、 降維處理、 規(guī)則歸納、 模式識(shí)別、 數(shù)據(jù)分析與評(píng)估、 可視化輸出等多種過(guò)程于一身， 是統(tǒng)計(jì)學(xué)、 計(jì)算機(jī)科學(xué)、 模式識(shí)別、 人工智能、 機(jī)器學(xué)習(xí)及其他學(xué)科相結(jié)合的產(chǎn)物（史忠植，2002）。在智能財(cái)務(wù)中， 知識(shí)發(fā)現(xiàn)可以幫助組織從海量的財(cái)務(wù)數(shù)據(jù)中自動(dòng)挖掘出隱藏的、 先前未知的規(guī)律和關(guān)聯(lián)， 為會(huì)計(jì)核算、 財(cái)務(wù)決策、 市場(chǎng)分析等提供依據(jù)和方法。知識(shí)發(fā)現(xiàn)可以看作是知識(shí)工程中的一個(gè)關(guān)鍵環(huán)節(jié)， 特別是在知識(shí)獲取和更新方面， 它為智能系統(tǒng)提供了動(dòng)態(tài)更新知識(shí)庫(kù)的手段。

百度百科對(duì)知識(shí)創(chuàng)新的解釋是： “知識(shí)創(chuàng)新指通過(guò)科學(xué)研究， 包括基礎(chǔ)研究和應(yīng)用研究， 獲得新的基礎(chǔ)科學(xué)和技術(shù)科學(xué)知識(shí)的過(guò)程。知識(shí)創(chuàng)新的目的是追求新發(fā)現(xiàn)、 探索新規(guī)律、 創(chuàng)立新學(xué)說(shuō)、 創(chuàng)造新方法、 積累新知識(shí)。知識(shí)創(chuàng)新是技術(shù)創(chuàng)新的基礎(chǔ)， 是新技術(shù)和新發(fā)明的源泉， 是促進(jìn)科技進(jìn)步和經(jīng)濟(jì)增長(zhǎng)的革命性力量。”目前現(xiàn)存的知識(shí)絕大多數(shù)都是由人類自身創(chuàng)造和發(fā)現(xiàn)的，其中計(jì)算機(jī)只起到了部分輔助作用，真正由人工智能程序完成的知識(shí)創(chuàng)新只在新藥研發(fā)、新材料探索、創(chuàng)意設(shè)計(jì)等屈指可數(shù)的幾個(gè)領(lǐng)域中有所出現(xiàn)。在未來(lái)的智能財(cái)務(wù)中， 知識(shí)創(chuàng)新會(huì)涉及創(chuàng)建新知識(shí)、 理論或方法， 如創(chuàng)建更準(zhǔn)確的預(yù)測(cè)模型， 或設(shè)計(jì)更復(fù)雜的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估工具等。

盡管知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新都需要大量的數(shù)據(jù)和信息作為基礎(chǔ)， 都具有某種程度的新穎性或原創(chuàng)性， 但在本質(zhì)上兩者之間還是存在顯著的差異， 即知識(shí)發(fā)現(xiàn)主要側(cè)重于從已有的數(shù)據(jù)集中識(shí)別出新的模式、 關(guān)聯(lián)或見解， 通常基于現(xiàn)有的理論框架和方法， 而知識(shí)創(chuàng)新則更關(guān)注于創(chuàng)造全新的知識(shí)、 理論或?qū)嵺`， 通常需要突破現(xiàn)有的認(rèn)知邊界， 提出前所未有的觀點(diǎn)或解決方案。在實(shí)際操作中， 知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新往往是相互交織的， 知識(shí)發(fā)現(xiàn)可以為知識(shí)創(chuàng)新提供基礎(chǔ)， 而知識(shí)創(chuàng)新又會(huì)促進(jìn)更多知識(shí)發(fā)現(xiàn)的可能性。

知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新對(duì)智能財(cái)務(wù)系統(tǒng)的未來(lái)發(fā)展具有深遠(yuǎn)的意義， 因?yàn)樗鼈兛梢栽鰪?qiáng)財(cái)務(wù)決策支持能力、 優(yōu)化學(xué)習(xí)與適應(yīng)性、 提升效率與自動(dòng)化水平、 實(shí)現(xiàn)創(chuàng)新與服務(wù)個(gè)性化、 實(shí)現(xiàn)風(fēng)險(xiǎn)管理與異常檢測(cè)、 促進(jìn)知識(shí)管理與傳承、 激發(fā)科研與創(chuàng)新等， 但在財(cái)務(wù)領(lǐng)域中實(shí)現(xiàn)真正的知識(shí)創(chuàng)新可能還需要一段較長(zhǎng)的發(fā)展階段。

2. 智能財(cái)務(wù)系統(tǒng)中實(shí)現(xiàn)知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新的途徑。在智能財(cái)務(wù)中， 雖然知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新的最終目標(biāo)都是產(chǎn)生有價(jià)值的新知識(shí)， 但它們?cè)趥?cè)重點(diǎn)、 過(guò)程和方法上還是存在著一些顯著差異。

知識(shí)發(fā)現(xiàn)通常遵循一個(gè)結(jié)構(gòu)化的過(guò)程， 這個(gè)過(guò)程主要集中在數(shù)據(jù)的分析和模式識(shí)別上。它的路徑可以概括為數(shù)據(jù)收集、 數(shù)據(jù)預(yù)處理、 特征工程、 數(shù)據(jù)挖掘、 模式評(píng)估、 知識(shí)表示等幾個(gè)階段， 其中： 數(shù)據(jù)收集主要用于收集相關(guān)的數(shù)據(jù)集， 這些數(shù)據(jù)可以有不同的來(lái)源， 包括歷史記錄、 宏觀經(jīng)濟(jì)數(shù)據(jù)庫(kù)、 傳感器數(shù)據(jù)、 會(huì)計(jì)檔案等； 數(shù)據(jù)預(yù)處理主要用于清洗和整理數(shù)據(jù)， 去除噪聲和無(wú)關(guān)的信息， 確保數(shù)據(jù)質(zhì)量， 目前數(shù)據(jù)預(yù)處理技術(shù)在數(shù)據(jù)治理領(lǐng)域有著廣泛、 深入的討論； 特征工程主要用于選擇或構(gòu)建最能代表問(wèn)題領(lǐng)域的特征， 以便后續(xù)的分析； 數(shù)據(jù)挖掘主要利用應(yīng)用統(tǒng)計(jì)學(xué)、 機(jī)器學(xué)習(xí)或其他數(shù)據(jù)分析技術(shù)來(lái)識(shí)別數(shù)據(jù)中的模式、 關(guān)聯(lián)和趨勢(shì)； 模式評(píng)估主要用于驗(yàn)證所發(fā)現(xiàn)的模式是否具有統(tǒng)計(jì)顯著性， 是否能夠解釋數(shù)據(jù)中的現(xiàn)象； 知識(shí)表示則將發(fā)現(xiàn)的模式轉(zhuǎn)化為可理解的形式， 如圖表、 模型或規(guī)則的形式， 便于用戶解讀和應(yīng)用。

知識(shí)創(chuàng)新的路徑則更加復(fù)雜且非線性， 它強(qiáng)調(diào)的是跨學(xué)科思維、 創(chuàng)意生成和實(shí)驗(yàn)驗(yàn)證。知識(shí)創(chuàng)新的路徑通常包括問(wèn)題定義、 理論探索、 創(chuàng)意激發(fā)、 原型開發(fā)、 實(shí)驗(yàn)與迭代、 知識(shí)傳播與應(yīng)用等， 如果由人工智能程序自主完成知識(shí)創(chuàng)新過(guò)程， 則當(dāng)前流行的生成式人工智能尤其值得借鑒， 生成式人工智能是指利用復(fù)雜的算法、 模型和規(guī)則， 從大規(guī)模數(shù)據(jù)集中學(xué)習(xí)， 以創(chuàng)造新的原創(chuàng)內(nèi)容的人工智能技術(shù)。利用生成式人工智能創(chuàng)造新的知識(shí)， 通常需要數(shù)據(jù)收集、 數(shù)據(jù)預(yù)處理、 模型選擇和構(gòu)建、 模型訓(xùn)練、 生成樣本、 評(píng)估生成結(jié)果、 迭代和優(yōu)化等環(huán)節(jié)。

通過(guò)比較知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新兩者不同的路徑可以發(fā)現(xiàn)： 知識(shí)發(fā)現(xiàn)主要聚焦于從已有數(shù)據(jù)中提煉模式， 而知識(shí)創(chuàng)新則側(cè)重于創(chuàng)造全新的知識(shí)或應(yīng)用方式； 知識(shí)發(fā)現(xiàn)傾向于定量分析和模式識(shí)別， 知識(shí)創(chuàng)新則更多地依賴于定性探索、 創(chuàng)新思維和實(shí)驗(yàn)驗(yàn)證； 知識(shí)發(fā)現(xiàn)的過(guò)程較為線性和可預(yù)測(cè)， 而知識(shí)創(chuàng)新的過(guò)程更為迭代和非線性； 知識(shí)發(fā)現(xiàn)的結(jié)果通常是具體的模式和關(guān)聯(lián)， 而知識(shí)創(chuàng)新的結(jié)果可能包括全新的理論、 技術(shù)、 產(chǎn)品或服務(wù)。因此， 知識(shí)創(chuàng)新遠(yuǎn)比知識(shí)發(fā)現(xiàn)復(fù)雜得多。目前被業(yè)界普遍看好的知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新途徑是人機(jī)協(xié)同模式， 因?yàn)榘l(fā)現(xiàn)和創(chuàng)新的知識(shí)最終還是需要人類來(lái)確認(rèn)。

聚焦到財(cái)務(wù)管理領(lǐng)域， 可以通過(guò)以下具體案例來(lái)觀察新知識(shí)發(fā)現(xiàn)的過(guò)程：

（1） 在異常檢測(cè)與風(fēng)險(xiǎn)管理方面， 智能系統(tǒng)可以通過(guò)機(jī)器學(xué)習(xí)算法分析歷史財(cái)務(wù)數(shù)據(jù)， 識(shí)別出交易中的異常模式， 這些異常可能指示潛在的欺詐行為或財(cái)務(wù)風(fēng)險(xiǎn)。例如， 系統(tǒng)能自動(dòng)學(xué)習(xí)正常交易的特征， 并對(duì)比檢測(cè)出偏離常態(tài)的交易， 從而發(fā)現(xiàn)新的風(fēng)險(xiǎn)管理規(guī)則或模式。

（2） 在預(yù)測(cè)分析與預(yù)算優(yōu)化方面， 智能系統(tǒng)可以利用深度學(xué)習(xí)和時(shí)間序列分析， 分析過(guò)去的財(cái)務(wù)表現(xiàn)和市場(chǎng)趨勢(shì)， 預(yù)測(cè)未來(lái)的現(xiàn)金流、 收入、 支出和市場(chǎng)波動(dòng)， 為企業(yè)提供更加精確的預(yù)算規(guī)劃和財(cái)務(wù)預(yù)測(cè)。這種預(yù)測(cè)能力有助于發(fā)現(xiàn)影響財(cái)務(wù)表現(xiàn)的新因素， 比如特定經(jīng)濟(jì)指標(biāo)與企業(yè)財(cái)務(wù)健康度之間的新型關(guān)聯(lián)。

（3） 在自動(dòng)化審計(jì)與合規(guī)性檢查方面， 智能系統(tǒng)可以自動(dòng)審查財(cái)務(wù)報(bào)表和交易記錄， 比對(duì)法規(guī)要求和內(nèi)部政策， 快速識(shí)別潛在的合規(guī)問(wèn)題。在這一過(guò)程中， 人工智能可能會(huì)揭示出以往未被注意到的合規(guī)風(fēng)險(xiǎn)點(diǎn)或復(fù)雜的法規(guī)解讀， 促進(jìn)財(cái)務(wù)合規(guī)知識(shí)的更新。

（4） 在成本優(yōu)化與資源配置方面， 智能系統(tǒng)可以通過(guò)分析大量運(yùn)營(yíng)數(shù)據(jù)， 發(fā)現(xiàn)成本節(jié)約的機(jī)會(huì)， 比如識(shí)別出非生產(chǎn)性開支的模式或者優(yōu)化供應(yīng)鏈管理。此外， 智能系統(tǒng)還可以提出資源重新配置的建議， 以提高資金使用的效率， 這種分析可能會(huì)揭示出新的成本控制策略或業(yè)務(wù)流程改進(jìn)點(diǎn)。

（5） 在客戶信用評(píng)分與貸款管理方面， 智能系統(tǒng)可以分析客戶的財(cái)務(wù)數(shù)據(jù)、 交易習(xí)慣和其他外部數(shù)據(jù)， 以更準(zhǔn)確地評(píng)估客戶的信用風(fēng)險(xiǎn)， 發(fā)現(xiàn)決定信用評(píng)級(jí)的新變量。這對(duì)于設(shè)計(jì)個(gè)性化的貸款產(chǎn)品和管理貸款組合具有重要意義。

（6） 在智能財(cái)務(wù)助手與決策支持方面， 基于自然語(yǔ)言處理的智能助手可以解答財(cái)務(wù)人員的復(fù)雜問(wèn)題， 提供基于數(shù)據(jù)的決策建議。通過(guò)與財(cái)務(wù)團(tuán)隊(duì)的交互， 智能系統(tǒng)可以學(xué)習(xí)并提煉出新的財(cái)務(wù)管理策略， 幫助管理層做出更為明智的財(cái)務(wù)決策。

以上應(yīng)用展示了人工智能如何通過(guò)數(shù)據(jù)分析、 模式識(shí)別和預(yù)測(cè)模型， 在財(cái)務(wù)管理中發(fā)現(xiàn)新知識(shí)， 進(jìn)而優(yōu)化流程、 降低成本、 提高效率并減少風(fēng)險(xiǎn)。較為遺憾的是， 盡管在財(cái)務(wù)領(lǐng)域不乏知識(shí)創(chuàng)新的思想和行動(dòng)， 但很少見到利用人工智能系統(tǒng)進(jìn)行知識(shí)創(chuàng)新的案例， 這也是下一步智能財(cái)務(wù)發(fā)展的重要方向。

五、 知識(shí)演進(jìn)對(duì)知識(shí)庫(kù)管理系統(tǒng)的需求

在智能系統(tǒng)中進(jìn)行知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新， 需要一系列專門的工具和平臺(tái)來(lái)支持這個(gè)過(guò)程， 這些平臺(tái)可能包括知識(shí)管理平臺(tái)、 智能搜索引擎、 輔助創(chuàng)新平臺(tái)、 可視化工具等， 其中知識(shí)庫(kù)管理工具是必不可少的。

1. 數(shù)據(jù)管理方式的發(fā)展對(duì)知識(shí)管理的啟示。眾所周知， 在計(jì)算機(jī)發(fā)展的早期， 計(jì)算機(jī)軟件中對(duì)數(shù)據(jù)的管理是借助于人工方式進(jìn)行的， 那時(shí)的數(shù)據(jù)是嵌在應(yīng)用程序中的， 如果預(yù)處理的數(shù)據(jù)發(fā)生變化， 則需要利用人工修改應(yīng)用程序（參照?qǐng)D4）。

后來(lái)程序員們將數(shù)據(jù)單獨(dú)提取出來(lái)存放到數(shù)據(jù)文件里， 從而實(shí)現(xiàn)了應(yīng)用程序和數(shù)據(jù)的分離。當(dāng)數(shù)據(jù)發(fā)生變化時(shí)， 只需要修改數(shù)據(jù)文件中的數(shù)據(jù)， 而不需修改應(yīng)用程序。這種管理方式大大提升了應(yīng)用程序編寫和數(shù)據(jù)處理的效率， 但如果數(shù)據(jù)發(fā)生增減或是改變， 還是需要通過(guò)特別的程序來(lái)處理。20世紀(jì)60年代初查爾斯·巴赫曼開發(fā)出第一個(gè)數(shù)據(jù)庫(kù)管理系統(tǒng)后， 人們對(duì)數(shù)據(jù)管理的能力得到了顯著的提升， 可以方便地利用數(shù)據(jù)庫(kù)管理系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行增、 刪、 改等操作， 數(shù)據(jù)的安全性、 完整性、 并發(fā)處理能力等也得到了有效的保障。

那么， 能否對(duì)知識(shí)也采取類似的管理方法呢？遺憾的是， 在當(dāng)前的智能財(cái)務(wù)系統(tǒng)中， 大部分的知識(shí)是嵌在應(yīng)用程序中以算法（或程序塊）的形式出現(xiàn)的， 算法與程序綁在一起， 當(dāng)算法發(fā)生變化時(shí)， 程序就要跟著變化。有無(wú)可能把規(guī)則、 知識(shí)、 處理的算法與應(yīng)用程序分離， 利用應(yīng)用程序來(lái)調(diào)用知識(shí)， 當(dāng)知識(shí)發(fā)生變化時(shí)， 只需要修改具體知識(shí)庫(kù)中的內(nèi)容即可？比如在會(huì)計(jì)準(zhǔn)則、 稅法發(fā)生變化時(shí)， 只要把相關(guān)的知識(shí)相應(yīng)修改一下， 而不用修改程序， 就可以滿足應(yīng)用的需求。利用知識(shí)庫(kù)統(tǒng)一管理知識(shí)是一些智能財(cái)務(wù)先進(jìn)企業(yè)正在嘗試的工作。

再進(jìn)一步設(shè)想， 有沒(méi)有可能設(shè)計(jì)一個(gè)功能強(qiáng)大的知識(shí)庫(kù)管理系統(tǒng)， 對(duì)規(guī)則、 知識(shí)圖譜、 各類模型等進(jìn)行標(biāo)準(zhǔn)化的維護(hù)和管理？在智能財(cái)務(wù)領(lǐng)域， 目前尚未發(fā)現(xiàn)這樣的系統(tǒng)。所以， 目前知識(shí)的管理水平遠(yuǎn)遠(yuǎn)落后于數(shù)據(jù)的管理水平。我們期待知識(shí)庫(kù)管理系統(tǒng)具有靈活的知識(shí)庫(kù)定義、 知識(shí)增減、 知識(shí)一致性檢查， 以及知識(shí)自學(xué)習(xí)等功能， 為智能財(cái)務(wù)系統(tǒng)中知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新提供相應(yīng)的技術(shù)基礎(chǔ)（參見圖5）。

總之， 在當(dāng)前的智能財(cái)務(wù)系統(tǒng)中， 還未形成系統(tǒng)化的知識(shí)管理系統(tǒng)理念， 更未出現(xiàn)通用的知識(shí)庫(kù)管理系統(tǒng)產(chǎn)品。因此， 在財(cái)經(jīng)知識(shí)庫(kù)的管理中， 尚存在大量難以解決的問(wèn)題， 如知識(shí)更新困難、 知識(shí)庫(kù)標(biāo)準(zhǔn)化程度低、 知識(shí)的冗余和邏輯沖突不斷、 知識(shí)庫(kù)防篡改功能缺失等。所以， 為有效實(shí)現(xiàn)知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新的目標(biāo)， 迫切需要一個(gè)知識(shí)庫(kù)管理系統(tǒng)來(lái)解決這些問(wèn)題。

2. 智能財(cái)務(wù)系統(tǒng)中的知識(shí)系統(tǒng)構(gòu)建。在知識(shí)從模擬到發(fā)現(xiàn)再到創(chuàng)新的演變過(guò)程中， 需要先進(jìn)的信息系統(tǒng)支持， 現(xiàn)有的信息系統(tǒng)架構(gòu)存在著知識(shí)管理能力不足的問(wèn)題。因此， 需要改變數(shù)據(jù)集成和管理方式， 引入新型算法和工具， 加強(qiáng)計(jì)算能力和基礎(chǔ)設(shè)施建設(shè)， 對(duì)新型知識(shí)表示和管理能力以及系統(tǒng)可擴(kuò)展性和靈活性等多個(gè)維度進(jìn)行全面升級(jí)與優(yōu)化。圖6是對(duì)新型智能財(cái)務(wù)系統(tǒng)的設(shè)想（劉勤，2020）。

與傳統(tǒng)的企業(yè)信息系統(tǒng)相比， 圖6給出的智能財(cái)務(wù)系統(tǒng)主要增加的是知識(shí)管理部分。在知識(shí)層中， 知識(shí)存儲(chǔ)系統(tǒng)將人類解決問(wèn)題所需的知識(shí)通過(guò)規(guī)則庫(kù)、 模型庫(kù)、 算法庫(kù)、 神經(jīng)網(wǎng)絡(luò)、 知識(shí)圖譜等形式存儲(chǔ)在計(jì)算機(jī)系統(tǒng)中， 在解決某具體問(wèn)題時(shí)， 由知識(shí)推理引擎按一定的檢索和推理機(jī)制， 通過(guò)先進(jìn)的知識(shí)庫(kù)管理系統(tǒng)調(diào)用知識(shí)存儲(chǔ)系統(tǒng)中的知識(shí)條目， 結(jié)合具體的業(yè)務(wù)數(shù)據(jù)完成預(yù)期的管理任務(wù)。比如： 通過(guò)自動(dòng)調(diào)用規(guī)則庫(kù)中的業(yè)務(wù)稽核規(guī)則和憑證生成規(guī)則， 結(jié)合具體的某項(xiàng)采購(gòu)業(yè)務(wù)數(shù)據(jù)， 可智能生成采購(gòu)的記賬憑證信息； 通過(guò)自動(dòng)調(diào)用經(jīng)過(guò)事先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型， 結(jié)合企業(yè)具體的財(cái)務(wù)指標(biāo)數(shù)據(jù)， 可判斷該企業(yè)是否存在財(cái)務(wù)風(fēng)險(xiǎn)； 通過(guò)自動(dòng)調(diào)用相關(guān)供應(yīng)商的知識(shí)圖譜， 結(jié)合某次招標(biāo)的具體數(shù)據(jù)， 可判斷指定的供應(yīng)商是否存在圍標(biāo)的可能性等。

在新增的知識(shí)層中， 還可以借助于知識(shí)發(fā)現(xiàn)和創(chuàng)新系統(tǒng)中的數(shù)據(jù)挖掘、 模式識(shí)別、 機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)等工具及算法， 實(shí)現(xiàn)生成式人工智能， 對(duì)從企業(yè)管理信息系統(tǒng)中或企業(yè)外部環(huán)境中收集到的財(cái)經(jīng)大數(shù)據(jù)， 不斷地進(jìn)行加工處理， 從中發(fā)現(xiàn)和創(chuàng)造新的財(cái)經(jīng)管理規(guī)則、 模型和算法等， 并適時(shí)通過(guò)知識(shí)庫(kù)管理系統(tǒng)添加到知識(shí)存儲(chǔ)系統(tǒng)中以備進(jìn)一步使用， 從而形成智能財(cái)務(wù)系統(tǒng)中知識(shí)不斷更新、 迭代的良性循環(huán)。

六、 結(jié)論與展望

在智能財(cái)務(wù)系統(tǒng)中， 知識(shí)和數(shù)據(jù)扮演著至關(guān)重要的角色， 二者共同支撐智能系統(tǒng)的運(yùn)營(yíng)和發(fā)展。然而， 由于機(jī)器學(xué)習(xí)、 深度學(xué)習(xí)、 大模型等技術(shù)的成功效應(yīng)， 數(shù)據(jù)的價(jià)值顯然得到了更多的關(guān)注， 領(lǐng)域知識(shí)和專家經(jīng)驗(yàn)的作用卻在一定程度上被忽視或弱化。

本文的研究表明， 知識(shí)作為人類認(rèn)識(shí)世界的核心成果， 在當(dāng)前智能財(cái)務(wù)系統(tǒng)中具有不可替代的重要作用， 且正在從對(duì)人類存量知識(shí)模擬的階段， 向新知識(shí)發(fā)現(xiàn)和創(chuàng)造的過(guò)程演進(jìn)， 這需要我們高度的重視。當(dāng)然， 隨著知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)造系統(tǒng)的發(fā)展， 數(shù)據(jù)的重要性可能會(huì)更加彰顯， 因?yàn)樗鼈兪侵R(shí)創(chuàng)新系統(tǒng)中不可或缺的原始材料。

本文的研究還進(jìn)一步表明， 鑒于知識(shí)發(fā)展的特殊性， 現(xiàn)有的知識(shí)管理系統(tǒng)架構(gòu)難以支撐知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新的平臺(tái)需求， 因此， 需要借鑒數(shù)據(jù)庫(kù)管理系統(tǒng)的發(fā)展成果， 創(chuàng)建出更加靈活有效的知識(shí)庫(kù)管理系統(tǒng)， 這不僅有益于智能財(cái)務(wù)系統(tǒng)的發(fā)展， 而且會(huì)對(duì)所有基于知識(shí)的智能系統(tǒng)產(chǎn)生巨大的影響。

【 主 要 參 考 文 獻(xiàn) 】

蔡自興，劉麗鈺，蔡競(jìng)峰等．人工智能及其應(yīng)用（第5版）［M］．北京：清華大學(xué)出版社，2016．

劉勤，尚惠紅．智能財(cái)務(wù)：打造數(shù)字時(shí)代財(cái)務(wù)管理新世界［M］．北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，2020．

劉勤，楊寅．智能財(cái)務(wù)的體系架構(gòu)、實(shí)現(xiàn)路徑和應(yīng)用趨勢(shì)探討［ J］．管理會(huì)計(jì)研究，2018（1）：84 ～ 90+96．

劉勤．智能財(cái)務(wù)的發(fā)展體系及其核心環(huán)節(jié)探索［ J］．財(cái)務(wù)與會(huì)計(jì)，2020（10）：11 ～ 14．

劉勤．智能財(cái)務(wù)中的知識(shí)管理與人機(jī)協(xié)同［ J］．財(cái)會(huì)月刊，2021（24）：15 ～ 19．

羅素著．張金言譯．人類的知識(shí)［M］．上海：商務(wù)印書館，1984．

上海國(guó)家會(huì)計(jì)學(xué)院智能財(cái)務(wù)研究院．人工智能技術(shù)財(cái)務(wù)應(yīng)用藍(lán)皮書［Z］．2022．

史忠植．知識(shí)發(fā)現(xiàn)［M］．北京：清華大學(xué)出版社，2002．

史忠植．智能科學(xué)（第3版）［M］．北京：清華大學(xué)出版社，2019．

周元，史曉凌，景帥．AI時(shí)代的知識(shí)工程［M］．北京：科學(xué)出版社，2020．