|
作者简介 知名会计学者，厦门大学会计系副教授  笔者应邀参加了在浙江绍兴召开的“世界会计论坛”（2018年5月25日），印象最深的是某位外籍专家演讲时说了个金句，“预测未来的最好方式是去创造它”（The best way to predict the feature is to create it.），颇受触动。 我在发表《AI会计及其推进路线图》连载后，继续进行AI会计概念设计，随着思想实验的深入，遭遇了一些全新的理论与实践问题，需要有所突破，有所创新。此外，既是正在从事AI会计的研发，自然会去想象未来变化的场景，如“AI会计将使现行会计产生什么变化”，“AI会计对当前的就业市场有何影响”，“AI会计对未来的会计教育有何要求”，等等。鉴于读者大多还无从接触这些话题，似有义务根据自己所预见到的，加以描述和分析。本专栏的连载文章表达了笔者思考时形成的部分观点，虽然所表达的内容在层次性、条理性上尚嫌不足，因亟待与读者分享，先以“随想录”连载面世，有待日后再加整理完善。 关于人工智能（AI）  “人工智能”在开始时是叫做“人类智能”的，对于机器在什么情况下才具有人类的智能，英国数学家和计算机先驱图灵提出一个测试计算机智能的方法，叫“图灵测试”（Turing Test）。图灵假定，只有在这样的情况下，才能说计算机是有智能的，即它能够自由地和人交谈，并使人误认为它是人类中的一员。可以把问答双方隔开，通过终端输入的方式，由计算机和人对话，问过一些问题后，如果有超过30%的答复不能使测试者确定对方是人还是机器，那么这台机器就算是通过了测试，并被认为具有“人类智能”。 “图灵测试”用大白话说就是：只要在表面上看起来说的是人话，做的是人活，就算机器有“智商”了，至于它具体是怎么做到的，计算机的外观如何，都是无关紧要的，只要有语言知识、推理能力、生活常识、某些专业知识，甚至于幽默感。令人沮丧的是，图灵自己认为，计算机要一千年后才能通过他的测试。 美国有一家公司从1991年起，每年组织一次图灵测试竞赛，由一个评委小组和一些终端对话，这些终端分别由人或计算机输入。每一次要把人和计算机分开，就像分辨黑和白一样容易。好笑的是，即使有人看到计算机如此地蠢得不可救药，想要冒充成计算机，像机器那样行事，也做不到“蠢笨如机”，这是反其道而行之，演变为关于“人能不能和计算机一样蠢”的测试了。 不过，后来都叫“人工智能”（Artificial Intelligence）了，简称为AI。大致是指由计算机来完成某些工作，这些工作如果由人类来完成，是需要一定智能的。为了提升计算机的“智商”，在计算机科学产生了一个分支学科，叫人工智能研究。 人工智能覆盖了许多研究领域，如棋类游戏、自然语言处理、感觉及模式识别、机器人的控制、自动程序设计，等等。问题的本质不同，解决问题所使用的方法也是各不相同的，包括了最近很火很酷炫的“大数据”、“神经网络”、“深度学习”等，但并不局限于这些方法。应当说，过去的人工智能研究虽然总体上乏善可陈，还是有部分进展对学习者是有启发的。 关于人工智能会计(AI会计) 笔者提出人工智能会计的概念，并介入其研究开发，纯属“歪打正着”。 很早以前，就想要研究“计算机下围棋”，感到这是个很有挑战性的课题，因为每一步都是岔路口，都要在当前盘面上的可落子处当中作出选择，而下一步又是岔路口，又要作出选择，所谓“歧路之中又有歧焉”，如此这般没完没了地发散，在当时的硬件环境下，再高的运算速度、再大的存储空间也不够用。也因此看了些人工智能的书，长时期地琢磨这问题，觉得只有设法让计算机摸拟人类的简明思维方式，才是正解。大致的想法是： 确立“每次只考虑一手棋”的原则。面对当前盘面，设想有个“主控程序”总负责，统一调度各种目标较专业的小模块，有“分析被攻击风险的”（如“对方的上一手是否有直接威胁”）、有“管理局部作战技巧的”（如“有什么应对手法”），也有“着眼局势判断的”（如“目前应当保守还是激进”），等等，这些小模块针对当前盘面“各司其职”地运行后，主控程序综合所有小模块的结论，选定在当前盘面中“价值”最大的落子点。至于“价值”，则可以沿用围棋术语中的“气”，它决定了一块棋的“死活”和“大小”，是可资计量比较的统一目标。 有了基本方向后，却苦于“为稻梁谋”，一直没有大段时间来开始。2007年，我在《新理财》杂志开设中国近现代会计史的专栏，在“《计学夜话》专栏缘起”里曾提及心中最爱的“计算机下围棋”研究，可以作为这段经历的佐证。 近年来，“人工智能”领域爆发了质的变化和飞跃，“阿尔法狗”轻松击败人类顶尖棋手的事实，确实相当震撼。既然自己的“计算机下围棋”已经梦碎，出于职业习惯，使我转而思考“会计AI化”的可能性。从事会计工作本来就不需要围棋国手那么高的智商，试着把上述的想法移植过来，笔者发现，就会计工作而言，设法让计算机模拟人类的简明思维方式，像人类大脑一样，有个“主控程序”来调兵遣将，不同的时候能在“思考判断”后做不同的事，采用传统的人工智能方法如“示教—再现”等，是有可能自动完成“记账算账报账”工作的，而且还节能环保，不像“阿尔法狗”那样要耗掉一个小城市的用电量！ 根据“图灵测试”的标准，只要机器与人类相似，也能“思考判断”后自动地编制记账凭证，形成账簿，编制财务报表等，就算得上它具有“人工智能”，叫“人工智能会计”也就顺理成章了。笔者作了一个界定： 在全套“原始电子数据”基础上，能够像人类会计一样从头到尾地编制记账凭证，提供总账明细账，直到编制各类报表为止，达到100%人工智能化的，就是“AI会计”。 这里提出的“100%人工智能化”是个试金石般的硬指标，在“会计电算化”的传统领域里，当然还可以设法作各种推进，也尽可以号称达到60%、80%甚至90%的“智能化”云云，但只要不是百分百，就无从验证。举个简单的例子，假设某“财务机器人”只能编出《资产负债表》和《利润表》，留下《现金流量表》要靠人工“分析填列”，三大财务报表缺其一的情况，该如何确定其“智能化”程度，66.67%吗？ 关键在于，两个领域的思维逻辑是大不相同的，传统的设计思路是“打得过就打，打不过就跑”，脱离不了对人类的依赖性，量变未能引起质变，不可能达到“100%”这个点。所以，这是AI会计与传统“会计电算化”的分水岭，也便于读者清晰判别，遏制鱼目混珠的各种商业炒作。 顺应时代变革的AI会计  目前，至少有85%的会计人口在财务会计领域里谋生。这些活儿按顺序说来，就是： 审核原始凭证 编制记账凭证 生成全套账簿 编制财务报表 实事求是地说，并不是这些事有多复杂难解，非得人们亲自来做不可。而是过去机器的能力太弱，“模式识别能力”有限，对纸质原始凭证上的“字”基本无感，以致“会计电算化”都那么多年了，总体上还是“人类主导，计算机辅助”的被动状态，需要人类会计依据原始凭证来编制记账凭证，“借记某账户，金额若干，贷记某账户，金额若干”，等等，录入后，计算机再来做后续的汇总编表等工作，而现在外部环境大不相同了。 笔者猜想，国税与地税合并后，增值税发票以外的各种杂项票据，诸如机票、船票、车票、加油票、充值票等等，应当也会纳入“金税工程”的统一管理，将大大推进各种发票的电子化。加上可以取得银行的电子回单，企业内部现有的管理系统如ERP、OA等也可以提供电子数据，实施AI会计的外部环境日益成熟。 笔者注意到，人工智能要发挥作用，在本质上又是排挤人类的。以自动驾驶为例，无人汽车也许可以做到自己不去撞人，但对于生手的主动追尾，或对于醉汉的迎面逆行，只要自己没本事“瞬间起飞”，就还是束手无策，最理想的环境是开辟专用道路，没有人类司机来添乱！ 与此类似，从操作层面上看，人工智能对“活在当下”的人类会计也造成直接威胁，而且杀伤力极强。只要联想到当年汽车出现时马车夫的命运，就知道前景相当严峻：财务总监或财务部经理们，原本红红火火地管理着十几号、几十号、乃至百多号人，感觉很好。一旦用上了AI财务会计，会忽然发现没啥活可干了，实在留不下几个人，不得不挥泪送别跟随自己多年的兄弟，“人散了，团灭了”，会是一种怎样的凄凉心情？ 可以预见的是，一旦形成了全套的“原始电子数据”，在上文列出的会计工作四环节中，除了开头的“审核原始凭证”以外，其他活儿都可以由AI自主完成，粗略地估计，10个人里能留下3个人还有活干就不错了，而且公司规模越大，省下的人员越多。先不说AI化以后各种准确、各种快捷、各种信息丰富的好处了，只看会计核算人员的工资、奖金、补贴、个税、养老保险、医疗险、工伤险、公积金等等开支，“支付给职工以及为职工支付的现金”都可以省下了。按原来有10个人，AI化后少了7个人来算，如果每人每月总开支1万元，1年就省下84万，每人每月2万元，就省下168万。对人类社会总体而言，对公司老板而言，事情比原来做得更好了，钱又少花了，算得上既能“增效”又能“减员”，是顺应时代变革的大好事。 在《AI会计及其推进路线图》中，笔者作过这样的提醒： 请注意，上述各种措施一旦“合围”，足以形成完整的全套“原始电子数据”时，人类会计的重大危机就正式到来！ 可以感觉到这个时点正在日益逼近，虽然AI会计利大于弊，还是要设法处理好新旧模式切换期的就业难题，留给我们应对的时间已经不多了。在我看来，对比毫无缓冲空间的其它行业，我们还有个管理会计领域，减缓社会震荡的路线应是“增量变革”，在大中型企业先建设“AI化”的管理会计信息系统，换言之，在财务会计AI洪峰到来之前，先构筑了一个“新高地”，让有竞争能力的会计人得以转移过来，通过当好参谋，采取调控措施，“让公司更赚钱”，也为自己找到全新的就业机会。 AI会计的理论基础 传统会计软件与AI会计有什么本质不同? 不妨借用Excel表来作比喻，将两者略加对比，也许有助于理解AI会计。 传统会计软件是个没有数据的“空表”，要等待人们的操作，才会在有关的“单元格”里填写上相关的数据，如果满足于简单复制手工操作以减轻工作量的要求，能打印凭证账簿，能出几份通用财务报表，软件当然可以是“通用”的。开发商只要做好这个“电子空表”，就不必再操心了，数据主要是人类会计自己去折腾出来的。换言之，会计软件是没有“会计思想”的，只起到了辅助工具的作用。 AI会计就完全不同了。运行前，从“原始电子数据”开始，到“AI会计专属数据仓库”的制备，是为AI会计准备“输入”的过程，这个过程虽然可以尽量智能化，总体还是“人类主导下机器辅助的模式”。但是，一旦进入运行，就要全过程由人工智能独立处理，并输出完整的全部结果，百分百地脱离人工干预。不但连“表”带“数据”都要全包下来，还要求没有“违和感”，数据不齐全不行，数据不符合企业特点不行，数据不满足企业的运用要求也不行。可以想见，这就对AI会计产生两个最基本的要求。 一是只能迎合企业的个性化需求，采取定制方式来完成。 在云计算、移动互联等先进的环境中，显而易见，传统工程开发式的定制已然落伍，最好是在各方互动的生态社区中，形成“大规模定制”的生产模式。所谓大规模定制，就是要以较短的周期，较大的生产规模来定制个性化的AI会计系统，让企业觉得这是为自己“量体裁衣”做出来的。关于这一点，要待AI会计真正浮出水面，进入实用时，再来专题探讨。 二是要“学会计，懂会计”，在研究开发过程中就要深度融入“会计专业思想”。 相比其他领域，在会计AI化过程中，如果说在计算机实现方面技术含量不算太高的话，在满足会计需求方面，思想难度却是深不可测的。 处于“三无状态”的管理会计，由于没有核心指标，没有核算程序，没有最终报表，目前总体上还是云遮雾罩地面目不清，需要为其构筑原创性的模型，实实在在地运行起来，才算落到实处。不过这也有好处，让我们有可能将“理想的、科学的会计模式”，寄望于在管理会计领域里实现。 即便是表面上已经成熟运行的财务会计核算，实际上也还问题多多，可指摘之处多多。考虑到财务会计受会计准则限制甚严，已经不易变革，所以我们并不准备讨论如何彻底改造财务会计，而是假设“存在的都是合理的”，要关注的只是纯技术性的局部问题，即“怎样让人工智能具有财务会计的专业知识，以便得到与人类核算同样的、甚至更好的结果”。不幸的是，当前会计模式还存在不少有分歧以致争论不休的“纯技术”问题，人们自己都不知道该怎样做才是正确的。面对实务中的许多疑难，会计人员是凑合着处理就过去了，再不行还可以请来CPA，在“职业判断”的幌子下糊弄过去，核算结果连自己都不相信。 那么令人尴尬的问题就产生了：在强调机器学习能力的社会氛围中，如果“老师”自己都没做好，该让机器向谁学习？我们又有多少站得住脚的“思想干货”可供机器学习呢？AI会计属于“专用人工智能”这一类，是要就事论事，实实在在地独立核算的。空泛地宣称用了“大数据”、用了“神经网络”、用了“深度学习”之类，然后就“茅塞顿开”能核算了，无异于宣称“发了几天高烧，醒来后就会跳大神了”，肯定是不能令人信服的。 任何自动设施在设计前，均有加以优化的必要。想来，AI会计应当“青出于蓝，而胜于蓝”，要优于“人类会计主导”的核算模式。鉴于疑难问题的根本原因，是缺乏站得住脚的理论指导，所谓让机器“学会计，懂会计”，就是要为AI会计构建相关的理论基础，以便在各种回避不了的疑难问题上“指点迷津”。而不是遇到难处了，才去“财务云”之类云里雾里地上下求索。 那么，这个“理论基础”将会以怎样的面目示人？ 简明地说，会计核算是由许多“IPO数据模型”构成的，“输入”（取得）某些数据，做特定的“处理”（计算），得到预定的“输出”（如记账凭证）。举凡存货发出时采用“加权移动平均法”计价，固定资产计提折旧时采用“直线法模型”等等都是，它们或大或小、或简单或复杂，但都具备完整的IPO三个要素。同时，某个模型的“输出”可能又成为后续数据模型的“输入”，或某几个模型的“输出”共同成为另一个模型的“输入”。财务会计则可以看作是范围更大的、更典型的数据模型，所有的“一级账户”构成一个完整的体系，每一项业务要在两个或两个以上的账户中分别登记，通过有序的数据变换与数据流转，达到最后的核算目标。 会计在本质上是一种将金额数据作各种“分类”和“变换”，以反映公司状态的行当或技艺。具有特定核算目标的任何会计处理，在开始之前，就或隐或显地存在一套数据规范（或数据模型），这是由实际业务的逻辑关系所决定的，所有业务都是按照这个规范被分类、归并、再分类、再归并……，直至得到预定数据，或提交特定报告为止。笔者将这些规范的总和统称为“数据逻辑模型”，这就是AI会计的理论基础。 AI会计的主控程序要像“一个人自己从头到尾地做账”似的，根据业务之间的逻辑关系，相继完成各个数据模型的特定处理，直至达到最终的核算目标为止。而作为AI会计开发者的基本要求，是“能够在脑海里运行数据流，把会计专业思想转化为确实可行的数据模型”，将随着研究进程的展开而逐步体现。 不过，除了这些我们可以感觉得到的现象，有些核算任务并没有完善的数据模型可供AI会计学习。如第三大财务报表《现金流量表》就是个大疑难，将以此为例在下文专题探讨。（待续）   文章版权归《财会世界》所有，转载敬请联系公众号后台。 追求卓越 立足前沿 |
|
|
