人工智能在会计领域的研究展望

[摘 要] 人工智能技术被广泛地运用于财务舞弊、证券投资和财务文本分析领域，是推动会计电算化向信息化转型的重要力量。本文首先回顾人工智能在会计与财务领域的应用背景，其次分析智能技术在国内外会计领域运用和研究的现状，介绍典型的贝叶斯分类、神经网络和支持向量机等人工智能方法，最后就原始凭证识别、会计语料库建立和会计分词系统等问题进行了研究探讨。

[关键词] 会计信息化；会计信息系统；人工智能

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 13. 025

[中图分类号] F232 [文献标识码] A [文章编号] 1673 - 0194（2018）13- 0053- 03

0 引 言

进入21世纪以来，信息技术的巨大进步日益深刻地影响着人们的工作和生活。以大数据、智能化、移动互联网和云计算为代表的新技术推动着会计电算化向信息化转型。可以预见，在未来以账务处理为主要功能的通用财务软件将逐步演化为能在一定程度上理解和分析会计信息的智能化会计信息系統。在这个过程中，计算机视觉、自然人机交互、知识表示等人工智能技术将发挥重要作用。人工智能技术在会计领域的应用起源很早。在20世纪80年代末，我国学者已经提出在凭证输入环节引入自然语言处理技术的设想。21世纪初，国外学术界掀起过使用机器学习技术来分析财务报表和预测证券市场的研究高潮。本文首先综述当前人工智能技术在会计与财务管理领域的应用研究现状，其次介绍人工智能技术在会计领域运用的主要方法，最后提出未来会计界应该重点关注的研究方向。

1 人工智能技术在财会领域的应用研究综述

人工智能诞生于20世纪50年代，最早起源于计算机学科，其研究目的是让机器替代人完成各种具有智能意味的工作和任务。受限于计算机及其相关学科的发展水平，在历史上人工智能研究曾几度陷入低谷。进入21世纪，随着互联网、搜索引擎、机器学习等领域出现的关键性突破，人工智能在近十年进入井喷发展期，相关研究论文和研究成果逐年呈爆发型增长。当前人工智能的研究领域大致可概括为六个方面：①计算机视觉；②自然语言处理；③认知与推理；④机器人学；⑤博弈与伦理；⑥机器学习。其中在财会领域运用的主要是②和⑥。我国学者开展相关研究较早，张蒙生在1987年设计了一种通过语言匹配来智能录入会计凭证的软件接口，该接口借助自然语言理解技术在一定程度上实现了会计人员通过语言输入会计凭证。张永雄提出通用财务软件中的记账凭证输入模式需要改革，他认为借助于现代模式识别技术，可以在原始凭证上设置条形码，让计算机直接读取原始凭证信息，然后根据既定的会计处理方法生成记账凭证，这样既能提高凭证录入效率，又能为企业选择不同的会计准则来处理财务数据提供便利。谢琨探讨了人工智能技术会对财务管理带来的影响，他借鉴人工智能领域中专家系统的概念，认为在财务管理领域也应构建专家系统来帮助企业进行经营和决策。他阐述了建立专家系统的一般步骤，并就建立财务管理专家系统这一问题进行了分析和展望。王文莲等认为会计核算实现智能化的核心问题是让计算机能做出正确会计职业判断，他们设计了一种让计算机根据发生的经济业务自动生成记账凭证的方法，该方法由用户输入经济业务的若干要素，然后由计算机根据事先设定好的程序编制出相应凭证，该方法比手工输入凭证要方便高效。王舰综合了现代的系统论、信息空间理论和人机系统理论，以数据库技术、商务智能技术和新3I技术（物联化Instrumented，互联化Interconnected和智能化Intelligent）为手段，提出在智能化的立场上构建统一的财务信息平台，并以此支持会计业务管理和决策支持系统。另外学者在探讨财务智能和智能财务问题上也取得了一定的研究成果。

国际上，人工智能在会计领域的研究已经形成了几个比较成熟的研究方向，包括：①财务报表的质量分析和舞弊识别；②证券市场预测；③上市公司文档分析。在21世纪初，随着互联网技术的迅猛发展和网络爬虫技术的出现，学术界曾出现过一次通过采集和分析互联网财经信息来进行证券投资的热潮，Mittermayer，Antweiler，Halgamuge和Schumaker等学者通过搜集财经报道和股票论坛用户发言设计了各种证券自动投资系统，这些系统在实验中取得了较好的效果，但在实际的市场交易中表现并不稳定。Tetlock于2007年、2008年与2011年发表了一系列将文本分析应用于证券市场预测和公司财务状况分析的文章，奠定了从会计文本中提取变量进行实证研究的基础。Feng Li研究了财务报告的可读性（readability）问题，他认为当公司经营状况不佳时，上市公司会通过降低财务报表的可读性来降低会计信息披露的质量，他的一系列研究使得财务报告的可读性成为自然语言处理技术在会计领域应用的一个研究方向。Cecchini使用机器学习技术对舞弊财务报告的文本特征进行了统计分析，使用这些文本特征去检测财务报告是否造假，正确率超过了70%。

总的看来，由于会计环境和会计工作模式存在差异，国内学术界和国外学术界对于人工智能在会计领域应用的关注点不同。国内学术界已经提炼出人工智能在会计领域应用的关键问题，以此可以引导人工智能在会计中的研究方向；而国外学术界则擅长于运用具体的人工智能技术来解决学术和实务问题。

2 人工智能技术在财会领域应用的主要技术

时至今日，人工智能已经发展成为一个庞大的、横跨多个学科的综合学科，它所包含的方法和技术五花八门。运用在财会领域的人工智能技术有如下一些，由于这些技术在人工智能教材中有专门的介绍，所以此处只做简略的说明，不进行深入的探讨。

（1）中文分词：指让计算机将一句话或一段文字序列按照一定的规范切分为词序列。这是中文语言处理的第一步，是句法和语义分析的基础。英文由于有空格分隔单词，所以不需要进行分词。当前汉语分词技术已经成熟，分词正确率可达90%以上，常用的分词工具有张华平博士开发的NLPIR，哈尔滨工业大学开发的LTP和斯坦福大学开发的分词器。

（2）贝叶斯分类：该方法来源于概率论中的贝叶斯公式，其原理是先对各种已分类的样本进行学习，总结出各个类别的代表特征，然后利用这些特征确定待分类数据的类别。利用训练得到的分类特征实现对未分类数据的分类。该方法实现简单，分类效果好，在模式识别和数据挖掘领域得到了广泛的应用，是很多分类问题首选的分类算法。

（3）支持向量机：将分类对象映射为高维向量，在高维向量空间里建立一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。建立方向合适的分隔超平面使两个与之平行的超平面间的距离最大化，平行超平面间的距离或差距越大，分类的效果越好。

（4）神经网络：神经网络起源于数学家和神经生理学家的讨论，是一种模拟脑神经运算的分层模型。它的结构看似复杂，其实有较强的规律性。每个神经网络可以分为输入层、中间层和输出层三个部分，其中的每一层都包含若干节点（即神经元），每个节点有自己的权重值，节点之间通过输出函数相连。在训练时，向神经网络输入信号，得到神经网络的输出值，将其与标准输出相比较，如果存在差异则调整節点的权重，直到神经网络的输出与标准值相符。

（5）TF-IDF：是一种词频统计方法，用以衡量一个词对于文件集或语料库中某个文件的重要程度。该方法的主要思想是：如果某个词在一篇文章中出现的频率高（表示它能代表该文章的主体内容），同时又在其他文章中出现的频率低（表示它不是一个常用词），则认为该词能很好地代表该文章的特征。

（6）文本情感分析：指让计算机使用自然语言处理技术来识别和提取文本中蕴含的主观信息，如<正面的、负面的、中性>或<积极的、消极的、中性>等。Tetlock曾经使用情感分析的方法来预测证券市场的走势，他从心理学词典中筛选出若干分别表示褒义和贬义的单词，然后统计这些词在财经文章（刊登在《华尔街日报》上）中出现的频率，根据统计结果判定文章的倾向性（极性）。根据判定结果制定的投资策略在证券市场上取得了良好的收益。

如前所述，人工智能领域包含着各种各样的技术方法，大量技术尚未被运用于财会领域，上述的研究方法是可见诸文献的，可以期望在不远的将来会有更多的人工智能技术进入财会领域。

3 人工智能在财会领域的研究展望

人工智能深入人们的生活，在工作中替代简单重复的劳动是大势所趋。在未来会出现能与会计人员用自然语言进行交流的智能化会计信息系统。相较于当前的通用财务软件，这样的智能化系统会掌握更多的财会知识，与外部环境进行信息交互的手段也会更多样。但是从本质上来讲，智能技术的引入是让计算机能按照既定的会计原理来分析和解释经济业务信息，而不是让其重新定义会计核算方法，所以它只会推动会计理论的不断进步，而不会从根本上推翻已经成熟的会计体系。但在实务工作和会计教育方面，人工智能带来的变化将会是巨大的，云会计和财务机器人的出现将会深刻地影响会计工作模式，智能化财会学习软件则可能会给会计电算化的教学带来巨大的变革。在未来，下述的几个方面可能会成为人工智能在财会领域应用研究的重点：

（1）原始凭证的精准识别。计算机视觉技术近年来进展极大，但如何从原始单据中完整准确地提取出信息还是一个悬而未决的问题。处理此问题首先要对原始单据进行统一建模，由于实际业务中，原始单据的类型五花八门，如领料单、出库单、增值税发票等。如何将这些原始单据的格式进行统一化和标准化是一个需要解决的难题。另外计算机在识别图像时往往存在误差，而会计对于数据精度的要求又非常高，如何研制出能达到会计识别要求的图像识别系统也是引人关注的问题。

（2）建立会计标准语料库。让计算机理解会计知识，从根本上来讲是要将会计知识用计算机能懂的方式表示出来，供其学习。这涉及人工智能领域的核心问题——知识表示。当前还没有统一的知识表示框架。现在常用的知识表示方法是建立语料库，也就是对各种包含会计概念，描述会计事实的文本进行标注，然后让机器学习，再让其在实际任务中运用。此项工作涉及自然语言处理的最高层次——语义理解，非常值得研究和探索。简单地来讲，如果说书籍是人类获取知识的源泉，那么语料库就是计算机的“书”。

（3）面向会计语料的专用分词系统。当前，通用汉语分词工具已经成熟，应用此类工具进行汉语分词的正确率可达90%以上，但此类工具是否完全适合于会计专业语料分词还有待进一步研究。比如“一般增值税纳税人”，从会计的角度来看，该词就是一个词，但是通用分词系统从非会计专业人员的角度来分析，会将其划分为“一般”“增值税” “纳税”“人”。这种划分不正确，会影响后续的句法和语义分析。对此类问题，可以通过定义用户词典来改善（比如在词典中定义了“银行存款”这个词后，那么在分词时，“银行存款”就会被作为一个词，而不会被划分为“银行”和“存款”），但依然有必要在分词原理上进一步地研究，以期有更圆满的解决方案。

总之，人工智能在会计领域的应用任重而道远，它将会给会计实务和会计理论带来何种影响还有待实践的考察和检验。

主要参考文献

[1]张蒙生.会计语言智能接口的设计与实现[J].计算机工程与应用，1987（12）：36-40.

[2]张永雄.会计信息系统数据入口环节设计模式的改革[J].中国会计电算化，2002（8）：7-10.

[3]谢琨.财务和会计智能系统研究简析[J].中国会计电算化，2003（2）：8-10.

[4]王文莲，张丽霞.会计核算智能化的突破[J].会计之友，2009（5）：37-38.

[5]蒋勇，王俊奇.论财务智能现状及发展[J].宿州教育学院学报，2009，12（2）：13-16.

[6]吴龙庭，肖聪.基于自然语言的会计事项智能判断方法研究[J].财会通讯，2017（7）.