智能財務中的知識管理與人機協同

　　【摘要】相對于電算化和信息化階段主要聚焦對數據和信息的處理，計算機應用的智能化階段重點聚焦對知識的管理和創新。由于存儲在人類財務專家頭腦中的財經知識大多具有隱性的特點，因此如何借助于有效的知識表示方式，將人類專家的知識形式化為計算機可以自動處理的顯性知識并使之得到有效應用，就成為智能財務系統建設中的關鍵問題。未來智能財務發展中的難點之一是創建一種人機協同的知識應用和知識創新機制，這種機制可以幫助我們利用大數據和各類機器學習算法，不斷發現和創造新的財經管理知識，進而處理日益復雜的財務管理活動，最終賦能企業創造更大的價值。

　　【關鍵詞】智能財務;知識表示;推理引擎;機器學習;人機協同

　　劉勤 財會月刊 2021-12-06

　　“大智移云物區”等新一代信息技術的快速迭代給全球社會經濟發展帶來了前所未有的機遇和挑戰，特別是人工智能技術的不斷突破，給企業數字化和智能化變革帶來了巨大的想象空間。智能財務作為一種新型的財務管理模式和發展方向應運而生，它試圖通過智能機器和人類專家共同組成的人機協同系統，完成日益復雜的財務和業務管理活動，并在發展中不斷模擬、擴大、延伸和部分替代人類財務專家的工作，最終以更大的效能去提升和創造企業價值。經過近幾年的快速發展，以機器人流程自動化、專家系統、知識圖譜、神經網絡、自然語言處理、模式識別等技術為突破口的智能財務系統的研究、開發、應用和人才培養等工作已取得了令人矚目的成效。我國智能財務的發展已逐步邁入快車道。當前，無論是理論界、實業界、教育界還是政府監管機構，都開始把目光逐漸聚焦到智能財務這個應用領域。不容忽視的是，社會各界對如何定義智能財務、智能財務的本質是什么、智能財務系統的基本構成是什么等一系列問題，目前的認識都還存在著一定的模糊性。本文的探討，希望能為智能財務領域的研究者和建設者們，從知識管理的視角去觀察和思考智能財務的發展問題提供一些有益的參考。

　　一、智能財務的本質是對領域知識的管理和創新

　　在深入討論智能財務之前，有必要對信息技術在會計領域的應用歷史進行梳理。回顧 40 多年來的中國會計改革發展歷程，可以將信息技術在會計領域的應用劃分為三個發展階段，即電算化階段、信息化階段和智能化階段(見表1)[1] ，其中電算化階段是初級階段，信息化階段是中級階段，智能化階段是高級階段。相對于對數據和信息的較高認識度，人類對知識的認識還處于不斷深化的過程中，目前有關知識積累、創造、應用等知識管理領域的探討仍方興未艾。知識是人腦創新的成果，是人類智慧的結晶，是人類在實踐基礎上產生又經過長期實踐檢驗的對客觀實際的可靠反映。科學技術知識是這樣，財經管理知識也是這樣。由此可見，對人類智慧的管理，其核心就是對知識的管理。

　　按照對智能財務的一般理解，即“利用智能機器和人類專家共同組成的人機協同系統，去完成日益復雜的財務和業務管理活動，并在發展中不斷模擬、擴大、延伸和部分替代人類財務專家的工作，最終以更大的效能去提升和創造企業價值”[2] ，再結合對人類智慧和知識之間關系的分析，可以得出這樣的結論：智能財務發展的本質就是利用智能技術對財經領域知識進行管理和利用，以及發現和創新財經管理知識的過程。基于以上認識，可以構建出智能財務系統的基本架構(見圖1)。從信息系統的角度來看，與傳統的企業會計系統相比，企業智能財務系統[2，3] 主要增加的是中間的知識管理部分(見圖1中知識層)。在新增的知識層中，知識存儲系統將人類解決問題所需的知識通過規則庫、模型庫、算法庫、神經網絡、知識圖譜等形式存儲在計算機系統中，在解決某具體問題時，由知識推理系統(又稱知識處理引擎)按一定的檢索和推理機制，調用知識存儲系統中的知識條目，結合具體的業務數據完成預期的管理任務(見圖 1 中④⑤)。例如：通過自動調用規則庫中的業務稽核規則和憑證生成規則，結合具體的某項采購業務數據，可智能生成采購的記賬憑證信息;通過自動調用經過事先訓練的神經網絡模型，結合企業具體的財務指標數據，可判斷該企業是否存在財務風險;通過自動調用相關供應商的知識圖譜，結合某次招標的具體數據，可判斷指定的供應商是否存在圍標的可能性等。

　　在新增的知識層中，還可以借助于知識發現系統(未來知識創新系統的一部分)中的數據挖掘、模式識別、機器學習以及深度學習等工具和算法，對從企業管理信息系統中或企業外部環境中收集到的財經大數據，不斷地進行加工處理(見圖 1 中①)，從中發現和創造新的財經管理規則、模型和算法等(見圖 1 中②)，并適時添加到知識存儲系統中(見圖 1 中③)以備進一步使用，從而形成智能財務系統中知識不斷更新、迭代的良性循環。需要說明的是：根據觀察，知識層的這些系統部件，在目前的實際應用中并非作為獨立的知識中臺或者獨立的外掛系統出現，盡管這種獨立的架構可能是未來智能財務系統結構的重要發展方向。從近期上海國家會計學院智能財務研究院評選出的數十個年度智能財務最佳實踐案例中可以發現，其中智能財務系統所應用的知識通常是被寫入企業管理系統的模塊之中[2] ，甚至有些知識是被固化到具體應用程序之中的，即所應用的知識并未單獨以知識庫(如規則庫、模型庫、方法庫、知識圖譜等)中可編輯的知識條目的形式來存儲、管理和應用，因此這些知識大多是難以被靈活管理的。

　　二、智能財務系統建設的關鍵是對知識的形式化

　　知識是智能的基礎，良好的知識表示與處理是計算機有效獲得、理解并利用知識的前提。為了讓計算機能夠理解和處理財經管理知識，并按要求輔助財務工作者完成基于知識的財務管理任務，必須首先明確知識的表示方式，即對相關的財經知識構建模型，只有經過合理表示的知識才能被計算機有效地存儲和利用。知識表示是對現實世界的一種抽象。在計算機中，知識可被理解成以某種結構化的方式表示的概念、事件和過程等。為了合理表示知識，必須首先了解人類知識的種類及其基本特點。知識一般可分為陳述性知識、過程性知識和控制性知識，這三類知識在財經管理中都被大量應用，只是有些知識是以隱性的方式存儲在人類專家的頭腦中，對它們的應用規律尚未被有效地揭示。

　　陳述性知識提供概念和事實，描述系統狀態、環境和條件，是有關真理和常識性的知識，這種知識具有靜態的性質。例如：權益回報率是指利潤與權益之比;資產是指由過去的交易或事項形成的、由企業擁有或控制的、預期會給企業帶來經濟利益的資源。過程性知識是提供有關狀態的變化、問題求解過程的操作、演算和動作的知識。例如：年度預算的調整需首先將預算調整申請上報預算委員會，預算委員會無法平衡解決時需報請公司董事會，經批準后的預算調整方案需按原預算編報的流程調整;報關的流程包括接受申報、審核單證、查驗、辦理征稅、結關放行等環節。控制性知識是包含各種處理過程、策略和結構的知識，通常用控制策略表示。例如：關于出差借款，財務部規定對于200元以下的借款需求不予支持，借款超過 500 元的，應提前 1 天通知財務部備款，借款未還的，原則上不得再次借款;關于出差時可乘坐的高鐵座席，大學規定院士、副部級人員可乘坐商務座，教授和司局級人員可乘坐一等座，其他人員只可乘坐二等座。

　　在人工智能的發展過程中，針對不同的學科特點和知識種類，專家們提出了基于圖論、邏輯學、概率論等理論的各種知識表示方式，具體有一階謂詞、產生式規則、框架、腳本、語義網絡、知識圖譜、神經網絡等形式[4-6] ，這些知識表示方式具有各自的適用場合和局限性(見表2)，它們在智能財務領域都有很好的應用前景。根據對大量案例的研究，目前在智能財務系統中最常見到的知識表示方式有一階謂詞、產生式規則、知識圖譜和神經網絡，其他表示方式相對比較鮮見，它們的適用性還有待于到應用系統中去檢驗。良好的知識表示方式可以從表達能力和計算效率兩個角度進行評價。具有足夠強的表達能力，才能充分、完整地表達解決問題所需的財經領域知識;具有足夠高的執行效率，才能保證計算機在有限的時間內，利用財經知識處理復雜的管理問題。

　　總之，欲利用計算機系統實現智能財務中的知識管理，必須遴選出表達能力強和計算效率高的知識表示方式，將人類專家創造的各類知識(可能大多是隱性的知識)，形式化為計算機可以自動處理的顯性知識，這樣才能在智能推理引擎的驅動下，逐步實現對人類專家工作方式的模擬、延伸、擴展和部分替代。需要說明的是：盡管當前人工智能專家提供了很多知識表示的方案，但由于人類知識的復雜性和現存知識表示方式的局限性，還有很多知識無法用合適的方式來表示。因此，必須結合應用場景，不斷探索新的知識表示方式，為更深層次地認知和模擬智能財務管理行為奠定基礎。

　　三、人機協同知識應用和創新機制的建立是智能財務建設的難點

　　在會計人員群體中，有關智能財務的發展問題，隱約蔓延著一種“會計職業可能會被人工智能程序替代”的焦慮情緒，這一情緒代表著部分會計人員在現代社會轉型中對未來職業發展的擔憂，它的產生有其深層次原因，同時也暗示著未來發展的某種可能性。實際上，這一負面情緒也在時刻提醒著智能財務的研究者和財務智能化建設的參與者們，必須對智能財務發展中人的價值進行理性的思考。盡管當前已經通過大量的案例證實RPA(機器人流程自動化)和IPA(智能流程自動化)等系統確實可以替代部分人類的工作，計算機在運算智能和感知智能上也確實具有相對的優勢，但人類在認知智能和知識創新方面的絕對優勢似乎還是不可撼動的，所以未來的智能財務系統不可能是完全由機器組成的系統，因為這樣的系統一定是沒有靈魂、沒有創新能力的系統。

　　眾所周知，機器和人在管理中各具優勢，機器適合從事快速的、精密的、笨重的、有危險的、單調重復的、長期連續不斷的、復雜的、高速運算和環境惡劣的工作，而人則適合從事創造性的、情況多變的、非簡單重復的、對機器系統工作程序的指令安排與程序設計、監督控制計算機系統運行以及維修和保養機器設備等類型的工作。未來的智能財務系統一定是能充分發揮機器和人各自優勢的人機協同共生系統。理想中的人機協同智能財務系統應該由人處理相對復雜的工作(如對工作任務的選擇和決策、對結果的評價等)，由計算機負責處理程序化的工作(如數據的處理、知識的推理、可用RPA替代的簡單和重復性工作等)，對各種復雜的問題，必須由人和計算機通過密切的協作來高效地解決。但事實上，做到這一點并不容易，因為長期以來，管理流程和管理制度的設計基本上未充分考慮人機協同的問題，在組織分工、流程配套、系統銜接等方面基本上是將人和機器分開獨立考慮的，并沒有兼顧深度融合問題。因此，如果要解決人機協同共生的問題，必須在組織分工、流程配套、信息傳遞、系統銜接、風險管控、利益權衡以及倫理安全方面進行全面的考慮(見圖2)。

　　本文從組織分工、信息傳遞、系統銜接等方面對人機協同智能財務管理系統進行初步探索(見圖3)[7] 。

　　在人機協同智能財務管理系統中，人類專家將從業務系統中觀察到的數據和管理需求(見圖 3 中①)，經過分析、推理、判斷、決策(見圖3中②③)后，將結果通過人機交互接口傳輸給計算機系統(見圖3中④)。計算機通過規則庫、模型庫、算法庫、神經網絡、知識圖譜等對輸入的結果進行分析、搜索、匹配和評價(見圖 3 中⑤)，并傳輸給知識推理系統進行推理(見圖3中⑥)，隨后再把推理的結果反饋給人類專家(見圖3中⑦)，并據此開展財務管理活動(見圖3中⑩⑧)。在該系統中，人機協同的工作機制是：如果規則、算法或者模型已知，則通過人機交互接口確定某些參數(見圖3中⑤)，再經過推理(見圖3中⑥)后，選擇某些多目標決策的滿意解(見圖 3 中⑦);如果規則、算法或者模型未知，則基于財務專家的自身經驗，對結果進行評價和選擇，實現最終的推理和決策(見圖3中⑩)。

　　在人機協同知識應用的基礎上，智能財務系統會進一步實現人機協同的知識發現和創新。即可以借助于數據挖掘、模式識別和機器學習的算法，利用大數據進行學習，在人類專家的幫助下(見圖 3 中⑨)，通過知識發現系統，產生新的規則、算法或模型(見圖3中