時間：2023-05-30 09:05:51
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能的投資邏輯，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
一、人工智能的含義
人工智能的含義于1956年第一次問世以后，于科研行業里快速興起，不斷發展成了一系列把計算機作為主導，涉及到生物學、心理學、語言學、數學邏輯、醫學、信息論、控制論與自動化等覆蓋面較廣的新科技。與人工智能結合，讓機器具有和人們智能階段相似的體系，可以成功實現人類智能可以做完的任務。人工智能機理為討論、研制怎樣拓展、仿真人的智能的機理。人工智能技術是新發展起來的計算機科學其中的一個領域，它詮釋了智能的本質，且于這個基礎之上加工出一系列和人類智能相似的智能機器。這個行業的探究涉及機器人、語言分辨、圖像分辨、自然語言處理等多個體系。電氣工程主要探究的是與電氣工程相關的信息處理、信息處理與計算機、體系運作、開發研究、自動控制及電子電氣技術等。由于科學技術進步越來越快，計算機技術現已在人們生活里無處不在。快速進步的計算機編程技術有利于宣傳、自動化輸送及宣傳。人們的大腦是非常精密的儀器，計算機編程不僅可以模仿它給信息實施研究、解決、互換、采集與答復，因此對人類大腦技術的研究可以有利于電氣工程自動化的進步。電氣自動化控制對于加大互換、加工、配置及運輸等起著關鍵的作用，完成電氣工程的自動化，能夠減少投資的人力費用，節約更多時間。
二、人工智能控制器的好處
對于不一樣的人工智能控制，必須采用不一樣的措施來分析。然而部分人工智能控制器，比如：遺傳算法、神經、模糊與模糊神經全部為一類不是線性的函數近似器。使用以上區分的方法有益做整體的分析，而且能夠有利于為控制方案做整體性的研究。上面提到的人工智能函數近似器擁有普通的函數近似器而沒有的好處。第一，大部分情形下，準確地知道控制物體的動態方程是相當繁雜的，所以控制器規劃現實控制物體的模板的時候，常常能夠出現許多無法預料的原因，比如參數改變和非線性時等，這些往往不能夠掌控。但是人工智能控制器規劃時能夠無需控制物體的模板。按照降下的時間與回復的時間不一樣，人工智能控制器經過一定的調節能夠加強本身的功能。比如從降下的時間角度分析，模糊邏輯控制器優于PID控制器的四倍；從升起的時間角度分析，模糊邏輯控制器優于PID控制器的兩倍。和傳統的控制器比較，人工智能控制器擁有容易調整的特點。雖然沒有專業人員的實時引導，人工智能控制器也可以采用回復數據以實施規劃。還能夠經過使用語言和有關信息等形式實施規劃。人工智能控制擁有非常大的同一性，鍵入以前沒有見過的數據便可以出現非常高的數值，能夠減少驅動器給其造成的不良反應。針對一些控制物體，即使現在未使用人工智能控制器也能夠有非常好的影響，然而針對別的控制物體，并不確定是否有類似的非常好的影響，所以對于規劃需要根據實際問題制定具體的解決方案。對于模糊化與反模糊化，假如使用適應模糊神經控制器與隸屬函數，可以準確地實施定期核實。對于完成此成果的多種方案里面，唯有經過體系工藝的應用才可以獲得固定的數值，加上簡便的拓撲組構，可以達到非常快的自學程度。
三、人工智能于電氣自動化里的應用
人工智能探究的重要目的是讓機器可以完成部分一般要人類智能勝任的繁雜任務，電氣自動化為分析和電氣工程相關的體系運作。人工智能的組成部分包含邏輯推導、定理證明、機器人學、專家體系、自然語言理解，人工智能的使用表現在問題解答、自動程序規劃、行為功能、思維功能與感知功能等。但是以上方面全部表現了自動化的特點，傳達了同一個主旨內容，那就是加強機械人們意識功能，提高控制自動化。所以人工智能對于電氣自動化行業將會起到非常重要的作用，電氣自動化控制同時也需要人工智能的加入。由于人工智能技術進步地越來越快，許多科研工作者開展了對于人工智能在電氣工程自動化控制中的探討，比如：怎樣把人工智能體系使用到問題的判斷及預料、電氣產品規劃及愛護或控制等。從如何更好地規劃產品角度講，規劃電氣裝置是相當復雜的任務。需應用電器、電路、電機和磁場等多課程的專業知識，還需應用傳統規劃里的經驗。
四、結語
人工智能機理為分析、研制怎樣拓展、仿照人的智能的機理。人工智能技術是興起的計算機科學其中的一部分，它詮釋了智能的本質，且于這個基礎之上加工出一類和人類智能具有相似表現的智能機器。所以智能化技術對于電氣工程自動化控制起著非常大的作用，有利于電氣的更好規劃、判斷問題及智能控制等。
作者： 單位：河南安陽鋼鐵股份有限公司第一煉軋廠
2012年，在技術創業尚未形成風氣之時，他中斷了在美國的學術道路，回到中國，與中學同學、前阿里云總監林晨曦創辦了依圖科技公司，致力于計算機視覺業務。談到創業的初衷，他說：“我始終認為，技術要應用于現實生活中，才能發揮出最大的價值。”
2013年，依圖科技拿到了真格基金百萬美元的天使投資。2015年和2016年，依圖科技先后完成A輪、B輪融資，估值數千萬美元，成為業界最被看好的計算機視覺創業公司之一。
創業四年，甘苦嘗盡。朱瓏的技術優勢顯而易見，要面對的難題也不少：沒有商科背景，是否會讓他在管理上左支右絀？在人工智能這樣的前沿領域，沒有現成的商業模式可供借鑒，他該如何取舍公司的業務方向？
8月，趁朱瓏在北京出差之際，《時間線》對他進行了專訪，聽朱瓏講述行走在中國科技產業浪潮之巔的故事。
《時間線》：2012年你創業的時候，國內人工智能市場是怎樣的？
朱瓏：當時大家對人工智能的未來不像今天這樣有信心，資本對這個圈子的熱度也遠不如今天。并不是說你來自MIT就很容易拿到投資。我認為2012年是技術類創業的標桿性的一年，此后，創投圈開始從“資金密集型”和“資源密集型”轉向“智慧密集型”。
《時間線》：如你所說，當時資本圈對AI并不像今天這樣抱有信心，依圖拿到真格基金百萬美元的天使投資，經歷了怎樣的過程？
朱瓏：在紅杉資本中國基金副總裁吳瑩的介紹下，我和我的合伙人林晨曦與真格基金的創始人徐小平先生在他的家中見面，交流了十幾個小時。當時，徐老師對人工智能技術并不十分了解，但非常看好我們的團隊和AI的未來，提出給依圖兩百萬美元的投資，這筆資金動用了當時真格基金總額的7%，我認為徐小平老師是個非常有魄力的投資人。
《時間線》：你們的很多項目都是與政府部門合作的，一家創業公司是如何取得政府的信任的？
朱瓏：我回國之后動用了自己在國內所有的人際關系，最終獲得了在某個公安系統會議的茶歇時間與一名負責人交流3分鐘的機會。經過一番爭取，他愿意讓我嘗試計算機車輛識別系統，當時計算機的車輛自動識別準確率不到30%，對方希望提升到70%。接到任務兩個月后，我們做出了一套車輛識別系統，識別準確率達到了90%，獲得公司成立后的第一單業務。
由此開始，我們與公安系統開始了長期緊密合作，將人臉識別技術應用于追逃、刑偵、監控等方 面。
《時間線》：人臉識別技術具體可以如何應用到公安系統的工作中？
朱瓏：我們曾協助蘇州公安完成一起追逃任務，公安用全國在逃庫的26萬人與常住及暫住人口庫中的1300萬人進行比對，通過人臉識別的捕捉，系統共預警25人。經過人工甄別，最終確定了17人為嫌疑人，其中9人已撤銷，最后現場捕獲了3人。這是過去單靠警力無法做到的事情，現在人工智能技術可以幫助我們實現。此外，人臉識別技術還可以應用到金融等其他行業。
《時間線》：從創業到現在，人工智能市場經歷了怎樣的變化？
朱瓏：今年的前三、四個月，比過去一年的變化還大。很多投資人的邏輯是“我就要投資人工智能，一定要進來參與這個領域。”
《時間線》：在人工智能大熱的今天，可能會有一些投機主義的公司涌現，這是否會成為你的困擾？
朱瓏：肯定有，這很正常。有一些公司不見得會涉及智能的那些部分，只是包裝一個概念，但時間會自動篩選出真偽，有實力的公司很稀缺，團隊會更加值錢。
為杭州打造“城市數據大腦”
今年9月，全球矚目的G20峰會將在杭州召開，杭州市委市政府聯合眾多公司，在阿里云的牽頭下開展了一個名為“城市數據大腦”的城市交通規劃項目，借此盛會展現大數據在城市管理中的作用，依圖公司參與其中，提供車輛識別及大數據相關技術。首次涉通領域，對于依圖來說是一個新的挑戰。
《時間線》：“城市數據大腦”項目中，依圖進行了哪些方面的技術支持？
朱瓏：我們對城市中車輛的行駛路徑等數據進行收集、分析，對車、道路、紅綠燈的信息進行建模。在建模的基礎上對政府的交通管理者給予建議和優化方法，比如紅綠燈的改進措施，道路的修繕方案。我們希望通過解決城市交通這類世界級難題，讓人工智能使我們的生活更加輕松便捷。
《時間線》：這個項目的難點在哪里？
朱瓏：從技術層面來講，交通管理是一個非常新的領域，世界上頂級機構對這一領域的研究也處于原始階段，現有的學術界的模型、數據體量無法滿足模型精度的需求。要完成這個項目，我們還要做很多新的研究。從操作層面來講，我們的工作要跨越政府的不同部門，把這些數據整合到一起。
《時間線》：大數據對人工智能技術有重要作用，你們如何建立自己的數據庫？
朱瓏：最樸素的辦法就是一點一滴積累，比如車輛數據，我們自己去路上拍了很多，慢慢地數據就積累起來了。在和客戶合作的過程中，客戶也會提供一些數據。
《時間線》：現階段在中國進行技術創業，難點在哪里？
朱瓏：從創業環境來看，我們沒有完善的反壟斷機制，也就是說大公司還是可以跟你競爭的；但在美國，這不一定行得通。而且中國的知識版權的保護尚為薄弱，小公司抄襲的情況比較多。
此外，探索出好的商業模式是非常困難的。依圖成立四年，經歷了很多探索，我們一直在扎實地做垂直領域，包括公安、金融等領域。我始終在問自己：人工智能的賣點是什么？
AI最大的考驗是商業模式的創新
2016年初，一場人機大戰成為全民熱點。人工智能的概念從科技圈走向大眾，做了一次生動的市場教育。影響迅速蔓延到二級市場，人工智能概念股迅速飆升，中國興起一波人工智能創業熱潮。創業四年，朱瓏目睹了人工智能產業的變遷，他有著怎樣的體會？作為一個創業者，他如何看待這個產業的未來
《時間線》：現在依圖在技術研發和商業方面的比率大概是什么樣的？
朱瓏：超過50%都是技術團隊，我們的核心優勢是對技術的理解能力。有了技術作為基礎，擴張的成本會變得很低。
《時間線》：作為學者型創業者，商業背景的匱乏會不會成為你的瓶頸？
朱瓏：創業四年，這個部分的知識我補充了很多。商業知識是不斷學習的過程，今天學到的商業經驗不一定能解決明天的問題。換句話說，有商科背景不一定比我更有能力解決未來將面對的問題。創業本身就是個不確定的探索過程。
《時間線》：如何看待技術與商業化的平衡？
朱瓏：技術與商業化從來不是矛盾的。中國現在有很多大規模的問題放到學術上都是非常有挑戰性和標桿性的。在實驗室是無法直接解決問題的，因為有些數據不易得到，做商業項目與學術研究并不沖突，反而可以更好地促進技術發展。
(訊)計算機投資策略不變，持續關注有卡位、有格局的AI龍頭及云應用、互金等各細分子板塊龍頭:上周大盤略微下降，計算機板塊大跌5個點。與上周策略觀點保持相同，中短期我們仍然看好新興板塊反彈。薦股策略仍建議關注三個方向的邏輯:1.卡位優勢明顯，具有行業格局的標的;2.前沿科技發展，有望落地的標的;3.與國家政策高度相關，或因國家投資直接受益的標的。因此，我們建議關注AI板塊具有良好卡位優勢的四維圖新(002405);直接受益于第三次國土調查的GIS行業龍頭超圖軟件(300036);轉型云平臺服務商的建筑信息化--BIM龍頭廣聯達(002410);前期超跌的高成長低估值個股創意信息(300366);CID龍頭，布局ADAS的索菱股份(002766)。
上周大盤略微下跌，計算機板塊大跌5個點:上周大盤略微下跌，上證綜指略降0.35%，滬深300微漲0.15%，申萬計算機指數大跌5.14%。板塊估值(TTM)為64.8倍。漲幅居前的板塊有互聯網營銷(0.55%)，智能交通(-0.51%)，虛擬現實(-1.02%)，在線旅游(-1.04%)，智慧城市(-1.20%);跌幅較大的板塊有，在線教育(-6.26%)，區塊鏈(-5.76%)，移動互聯網入口(-5.61%)，網絡安全(-5.60%)，小程序(-4.54%)。海聯訊，維宏股份等領漲。
智能芯片，人工智能新時代的第一站。如上周的推薦邏輯，我們推薦持續關注AI行業，云服務商以及互金行業標的。AI板塊主要包括目前已經落地的語音識別相關領域應用和圖像識別的部分領域應用，以及明年或將落地的無人駕駛相關應用。隨著高清攝像頭的進一步普及和無人駕駛的逐漸落地，我們認為計算任務前移將成為人工智能產業發展的下一階段，而智能芯片作為計算任務的承載，將具有重大投資機會。所謂智能芯片，即將機器學習算法以硬件的方式實現，從而達到高性能、低功耗、高穩定、低延遲的目的。目前主流的智能芯片主要分為兩大陣營:以賽靈思為首的，完全可編程的FPGA以及以google的TPU、寒武紀的NPU為代表的，性能更高、能耗更低的ASIC芯片。麒麟970的，意味著移動端智能芯片時代被開啟，人工智能的發展進入了新時代，智能芯片或將在自動駕駛領域以及視頻處理領域得到進一步的普及與發展。推薦關注與無人駕駛及芯片相關的計算機標的四維圖新。
風險提示:相關個股季報或低于預期，相關行業政策推行不及預期的風險，小市值成長股交易量或持續收縮的風險等。（來源：西南證券 文/熊莉 常瀟雅 編選：中國電子商務研究中心）
人工智能語音也成為智能家電重要的突破口，無論是傳統電視廠商還是互聯網電視企業都對此給予關注，作為互聯網企業的暴風集團也是如此。
5月10日，暴風TV在京召開新品會，推出首款可實現遠場語音交互的人工智能電視X5 ECHO。同時，暴風TV還將與科大訊飛聯合成立人工智能服務實驗室。
值得注意的是，暴風集團公布的一季報顯示，其營業收入為4.5億元，同比增長136%，凈利潤為-1648萬元，同比下降585%。為何在收入快速增長的同時，凈利潤卻也快速下降？與科大訊飛成立的人工智能實驗室，將具體關注人工智能的哪些方面？目前，已有多家上市家電企業都在人工智能電視，暴風TV的智能電視與其有何區別？暴風TV又面臨著怎樣的機遇與挑戰？
帶著這些疑問，《投資者報》記者來到暴風TV新品會現場，并采訪到暴風集團CEO馮鑫，得到較為詳細的答復。
暴風TV尚處發展期
在收入越來越多的同時，凈利潤下滑幅度卻越來越大。這是暴風集團一季度的業績寫照。
根據暴風集團一季度數據顯示，其營業收入為4.5億元，同比增長136%，凈利潤為-1648萬元，同比下降585%。針對凈利潤虧損原因，暴風集團歸結于暴風TV目前的硬件尚處于發展時期，又處于市場擴張期，在此期間的營銷推廣費用增加所致。
具體營銷推廣費用增加了多少，目前尚o詳細數據。不過，該數據歸屬于銷售費用（包含職工薪酬、廣告費和市場開拓費），一季報的銷售費用為7961萬元，同比增長48%。
除了費用增加以外，暴風集團的營業成本也在不斷增加。一季報數據顯示，其營業成本為4.1億元，同比增長297%，其增速遠高于收入的增速。
另外今年一季度，暴風TV電視收入同比增長297%，銷量23.5萬臺，同比增長344%。其中線下銷量達到16萬臺，占總銷量的69%，同比增長323%，銷量增長的同時，第一季度平均獲客成本為321元，較上年平均獲客成本下降20%；ARPU值（每用戶平均收入）比同期增長374%。渠道方面，重點布局了線下渠道，截至一季度末，渠道建設達6000余家，并且在2017年目標擴充到10000家。
2016年投資者策略會上，馮鑫曾提到暴風TV將在2019年實現全面盈利。邏輯是基于獲客成本的下降和ARPU值的上升，2017年也在被定義為入軌階段。那么，目前暴風TV獲客成本和ARPU值情況如何？
馮鑫對此表示，當前ARPU值的變化不是特別大，ARPU值是向用戶收費，未有明確的變化。下一步ARPU值的上升，主要是源于新的廣告、電商、游戲發行等方面。
“針對獲客成本，一季度比去年平均下降了1/3，接近一半，已經下降的非常多。”馮鑫說。
談及獲客成本下降的原因，馮鑫稱，獲客成本主要取決于硬件的盈利情況和渠道、市場的費用。2016年上半年，互聯網電視競爭激烈、各企業均未提價，恰逢上游原材料電視面板大幅漲價，導致硬件銷售虧損。目前這一情況隨著行業整體的漲價已經改善。
布局人工智能
在此次新品會上，暴風TV提出要把電視變成能夠主動提供服務的家庭人工智能助手，這一思路的主要特點，是把電視變成“免遙控、遠講語音、隨時觸發和隨時待命”。用戶通過與暴風人工智能助手――暴風大耳朵的語音交互，可以實現無遙控器操控。
馮鑫認為，互聯網正在走向下半場，隨著人口和市場紅利消失，傳統入口飽和，總量高速增長的時代已經過去，挑戰的本質在于效率和創新能力。同互聯網下半場對應的是，人工智能電視正進入上半場。
暴風TVCEO劉耀平在會上表示，智能電視旨在解決用戶三個痛點：隨時觸發、多任務切換、個性化需求。他指出，此次與科大訊飛的合作，是基于暴風TV在產品創新、渠道和服務、開放內容架構等方面的優勢，以及科大訊飛在人工智能、大數據技術方面的優勢。
據了解，暴風TV還與科大訊飛聯合成立“人工智能服務實驗室”。那這個實驗室具體關注人工智能的哪些方面？雙方的合作模式又是怎樣的？
馮鑫告訴記者說：“科大訊飛主要是做基礎技術的，這些基礎技術需要在不同的垂直領域里打磨。他們需要垂直領域的應用環境和應用的基礎數據來源，我們需要它的基礎技術，所以我們在電視垂直領域當中一塊打磨語音識別、自然語音識別、交互這些語音和大數據技術。”
目前，無論是傳統的電視廠商還是互聯網企業都在布局人工智能家電，暴風TV與之有何區別？
暴風TV副總裁侯光敏對記者表示：“目前市面上，大多數的人工智能是自然語音識別。而暴風TV的則不一樣，暴風大耳朵的對話不是單一性指令，而是帶有上下文的基礎對話。”
“這是人工智能的黃金時代，其最好的應用領域之一是金融，因為金融是唯一純數字和錢的領域。”創新工場創始人兼CEO李開復認為，人工智能在中國爆發的第一個且最大的領域一定是金融。
去年以來，他不止一次提及，未來的投資機會將集中在人工智能領域，而金融業可能會最先被人工智能化。對于人工智能的看好，讓李開復所帶領的創新工場投資了不少這個領域的創新公司，智融集團就是其中之一。
在今年2月的一次關于人工智能話題的公開演講中，李開復就將智融作為人工智能在金融方面嘗試的案例。這家公司將人工智能應用到小額、短期借貸的領域，它并不負責用戶的放款，而是與傳統金融機構合作，由后者提供貸款，智融扮演的角色是通過人工智能的方法對目標客戶進行信用評估。
在智融集團CEO焦可看來，對于小額分散、高頻、標準化程度較高的金融業務，人工智能有著天然優勢。首先，機器可以處理海量數據，能大大提高服務效率；其次，機器學習速度極快，以人工智能為核心的模型可以實現高頻次的優化迭代；再次，機器在反欺詐方面優勢明顯，大大提高了系統的安全性。
弱特征的強表現
焦可曾就職于創立初期的百度，主管搜索類產品的市場與運營工作，后相繼就職于趕集網、馬可波羅等互聯網公司。2013年，看到機會的焦可創立貸小秘，主打結構化的貸款數據庫及智能化推薦引擎。
統計數據顯示，美國家庭87%的平均負債率，而這個數字在中國只有40%。另外，中國有85%的人群無法享受目前傳統金融機構提供的金融服務。
創立貸小秘的初衷是，貸款用戶與銀行之間存在著巨大的信息不對稱，想通過搜索與推薦引擎機制，把銀行產品和用戶結構化，以提高雙方的信息匹配程度。但是，在業務開展將近一年半后，焦可發現產品表現并未達到預期，在將借款用戶推薦給傳統金融機構的過程中轉化率極低，各機構產品并沒有明顯的差異化，導致信貸服務同質化。
貸小秘觸礁讓焦可著實思考了很多，他發現自己對于市場的認知存在偏差：“業務無法繼續的原因在于國內傳統金融機構無法給這些用戶提供相應的金融服務，本質上說是供需不對稱，而不是我們原來想的信息不對稱。”
在想清楚癥結根源之后，焦可選擇放棄繼續貸小秘，進行業務轉型。2015年7月用錢寶（現為智融集團旗下產品線）上線，將人工智能的風控解決方案應用于金融領域，為用戶提供小額短期借款的智融應勢而生。在用錢寶上，用戶可以借貸的金額最低500元，最高5000元，而借款期限最低7天，最高30天。
傳統金融機構是以人的經驗作為風控判斷，或者依靠某一項核心技術實現身份認證。而當一套風控流程特別依賴某一項技術或某一個經驗的時候，很容易引起特定情況的攻擊和欺詐。鎖定人工智能是因為焦可和團隊相信，解決市場供需不對稱的根本方法，在于具有技術變革意義的新金融技術。
在焦可看來，國內金融機構之所以會出現供需不對稱，很大程度跟銀行的風控邏輯有關。傳統上，銀行風控主要是依據一些強特征數據，比如不動產證明、工資流水、社保證明等。那些剛步入職場的月光族、工作地點不固定的藍領工人、服務人員和剛畢業的大學生等人群，在風控數據上的表現不具備這些強特征變量。
與銀行不同的是，在貸前風控環節，智融的人工智能風控引擎注重的則是弱特征。焦可認為，弱特征和強特征的區別就在于，強特征是非0即1的；而單獨的某一項弱特征，對于用戶的信用評估和逾期率，沒有絕對性的指導意義，需要很多弱特征在一起，才能對用戶進行準確的評估。
傳統金融機構人為處理貸款申請時經常依賴貸款“老司機”的經驗，所看到的數據只是水面上的冰山一角，水下的冰山主體存在著大量的弱特征數據。焦可覺得，雖然無法憑借幾條弱特征數據來做出借貸的決定，但當這些數據積累到上百項弱特征時，便能以此為風控依據做借貸決策。
在梳理特征的過程中，焦可和他的團隊嘗試過很多變量，不相關的很多很多。“星座跟逾期有沒有關系，其實是沒關的，這個其實就是我們很重要的一個工作，首先找到這些人有什么特征。”焦可介紹，很多弱特征完全不在傳統風控人的經驗里，甚至有很多是人不能洞察而機器可以發現的。比如，一個人的手機電量也能成為參考標準，申請貸款時電池電量低的人要比電量高的人逾期率更高；再有，有的人通話行為體現出非常強的單向性，經常單向播出很多電話，卻很少接到來電，這樣的用戶逾期率比有來有往通話模式的用戶要略高。“這是老司機辦不到的，即使他能夠想到這一點他也很難做定性定量的判斷。”焦可說，目前智融已成功挖掘1200多個維度的有效弱特征數據。
基于人工智能的分析技術，智融的目標用戶鎖定在以剛剛步入社會、消費沒有計劃性、經濟收入不高的年輕人。同時，在發展方向上明確 “不做理財、不做學生群體、不做地推、不做展期”的幾個原則，把業務中心放在利用人工智能技術，從海量數據中挖掘出有效的弱特征。
數據反哺模型
一般情況下，貸款平臺公布數據都會著重放款額度，但焦可認為，能體現金融科技技術能力的參考指標不是貸款交易的金額，而在于交易的筆數。“貸款筆數一方面體現出一個企業服務和影響到的人數，另一方面，通過大量樣本的產生和挖掘，實現人工智能風控的進一步完善。”焦可說。
智融集團CTO齊鵬也透露，用錢寶在服務大量用戶的同時為風控模型帶回了大量的數據樣本，可以不斷進行模型的迭代和練，其精度將越來越高，從而提高通過率、降低壞賬率，實現馬太效應正循環。
具體來說，智融現在的月交易筆數120萬筆，意味著在貸款陸續到期后，其I.C.E.人工智能風控引擎將收獲120萬個數據樣本。這些具備完整生命周期的樣本，可以反哺到系統中，持續不斷的訓練及優化模型。“舉例來說，我們現在每天通過的交易筆數在5萬～6萬人，每個人有1200多個特征點，也就是說每天的風控需要處理的特征量是6000萬～7000萬個。這已經遠遠超出人的計算范圍，而這正是機器擅長的。”焦可說，“我們現在的大數據計算架構很出色，可以存儲海量數據，運算速度也很快，一個用戶提交以后整個的機器決策只需要8秒鐘。”
經過不斷磨合迭代，智融自主研發了以人工智能技術為核心的“I.C.E.風控引擎”――Identify（識別）、Calculate（計算）、Evaluate（評估）的縮寫，分別對應了“柯南特征工程”、“Anubis大數據計算框架”、“D-AI機器學習模型”三大組成部分。基于此，智融平臺的通過率是同行業兩倍，同時逾期率僅為行業平均水平的60%。
選擇人工智能進行分控也決定了智融在人員的配置上的差異化。比如，智融沒有CRO，只有CTO，高管團隊具備百度、民生銀行等技術與金融的背景。另外，來自于頂級互聯網公司的核心研發工程師占比超過70%，他們占據了知春路上一座辦公樓的大半層辦公室。目前，智融還在不斷豐富智融的數據科學家團隊，不斷加強統計分析、數據挖掘、文本挖掘、機器學習、能力表達及大數據處理方面的優勢。
除了創新工場，智融的技術也獲得了更多資本的青睞。今年3月28日， 智融獲得4.66億元人民幣的C輪融資，由金磚資本、中金甲子領投，國科嘉和、源碼資本、創新工場、光信資本等機構跟投。
“智融集團是一個讓我們非常自豪的投資，他們有很棒的技術團隊，以技術為核心把握住了非常好的風口和先機。”李開復在融資當天的活動上說。
中金甲子董事長梁國忠認為，相比于依托互聯網和移動互聯網技術的金融科技1.0階段，金融科技2.0階段表現出極強的“技術驅動”的特征，在它的背后是人工智能、大數據分析和區塊鏈等關鍵技術的賦能。“金融科技2.0將是金融與科技的化學反應，有著極大的想象空間。”
劉佳輝
（河北大學 管理學院 唐山 063000）
摘要：人工智能作為計算機的學科的分支之一，是被公認的二十一世紀三個最尖端的技術之一。伴隨著改革開放以來三十年的經濟和科技力量的不斷發展，我國的人工智能在各個的領域的技術也得到了長足的發展。而在杭州出現的無人超市更是讓人工智能的發展進入到了一個前所未有的階段，毫無疑問，社會的快速發展離不開人工智能的技術的不斷進步。因此，企業應該加強人工智能技術的發展，將人工智能的發展與企業的運營和管理相結合，以推動企業的可持續發展。由此，本篇文章將對人工智能技術對企業管理中的應用進行探究，以期望將對人工智能與企業發展的結合，和我國企業的飛速發展有所借鑒。
關鍵字：人工智能 企業管理 企業發展
Application of Artificial Intelligence in Enterprise Management
Liu Jiahui
(Tangshan 063000， School of Management， Hebei University)
ABSTRACT： As one of the branches of computer science， artificial intelligence is recognized as one of the three most sophisticated technologies in the 21st century. Along with the reform and opening up since 30 years of economic and technological power of the continuous development， the technology of artificial intelligence in various fields has also been greatly developed. The appearance of unmanned supermarkets in Hangzhou has brought the development of AI to an unprecedented stage. There is no doubt that the rapid development of society can not be separated from the continuous progress of AI technology. Therefore，enterprises should strengthen the development of artificial intelligence technology and integrate the development of artificial intelligence with the operation and management of enterprises to promote the sustainable development of enterprises. Therefore, this article will explore the application of artificial intelligence technology in enterprise management，hoping to combine AI with enterprise development and provide some reference for the rapid development of enterprises in China.
Key words： Artificial intelligence Business management Enterprise Development
引言：人類一向以自己為“智能生物”自居，這是因為我們能夠不斷的學習、觀察新事物，讓自己能夠不斷的取得進步，這讓人類在地球上顯得與眾不同。所以當我們也開始充當上帝的角色，開始創造屬于我們自己意識的人工智能時，心情也像上帝創世一樣，內心充滿了激蕩與振奮，這便是人工智能的發展的動力。如今，人工智能在大數據時代充當著越來越重要的角色。在歐美等發達國家取得了飛速的發展，隨著人工智能技術的不斷深入，企業的人力資源、財務會計和知識管理的技術均被運用到人工智能應用中去。
一、 人工智能將對企業會計行業產生影響
（一） 我國的會計行業人工智能的運用
會計作為會計制度的主體，分為三類，主要涉及企事業單位，行政機構和會計師事務所。在中國，涉及會計工作的許多主題工作僅限于人工智能應用中的會計系統。在會計中，一些需要主觀行為的工作，例如審查，驗證和判斷，仍然需要會計人員手動完成工作。然而，在會計師事務所，雖然審計業務也是主要業務的一部分，但在人工智能應用方面略顯稀疏，原因是對于大多數上市公司的審計業務，大量的審計工作文件是需要。填寫后，它既有草稿的電子版本，當然還有紙質版本，但這些入門數據仍需要手動填寫。
（二）對人工智能在會計行業中應用的展望
任何會計師都清楚地知道會計行業是一個嚴格的行業，也需要及時性。有許多會計程序和復雜的過程需要解決。因此，對于會計，加班是一種普遍現象。在某種程度上，會計師還希望有一天會有人工智能來取代這種枯燥乏味的工作。當前的人工智能應用程序解決了一些基本操作，例如憑證和報告的生成，但它遠遠不能滿足當前會計機構的需求。例如，人力資源會計需要一個符合業務特征的測量工具，并報告業務的人力資源。通過該模型，可以分析企業的人力資源，從而進行合理的人力資源管理，成為降低成本的方法之一。這種需求是會計管理會計和環境會計中許多分支機構的必然要求，因為會計職能現在越來越傾向于決策，會計需要在相應的決策過程中提供信息。但通常很難獲得人工計算和分析。如果人工智能可以進一步應用科學知識來解決這個問題，那么最好。
（三）人工智能對會計行業的影響
1）提高了會計內容的時效性和正確性
企業是政府機關或任何會計師事務所，可以在使用會計軟件后及時處理發生在當日的經濟業務。因為會計人員只能在系統中注冊并選擇或審計相關事務，所以最終系統根據現有的自動生成相關報表的數據，比傳統的會計憑證人工生成報表要及時得多，另一方面，在傳統的會計業務流程中，會計人員往往會產生假賬，而現行的會計憑證則會產生假賬。財務系統也必須是一些手工輸入的數據，因為系統在輸入錯誤時會提示，在這種情況下，減少了數據的錯誤概率，從而提高了會計信息的準確性。
2）一定程度上抑制了財務信息造假
在具體的會計核算制度下，所有登記制度人員都有唯一的賬戶和密碼，并有自己的權限和非常嚴重明確的分工。工作場所包容性現象在傳統會計核算中非常嚴重。特別是在中小企業中，人工智能的應用有助于通過明確的功能來抑制人工偽造信息。然而，人工智能不能說是為了防止金融偽造。系統畢竟是由人控制的，管理層無法應對會計人員以上的內部運營現象。
3）會計行業中傳統崗位需求減少
由于日益廣泛使用的人工智能在會計行業，傳統的會計職位不需要員工，所以這是一個明顯的變化。自1980年代以來我國會計電算化發展此后晉升。它已經商業化，是用于各種會計實體，使原始簡單的會計記錄和會計工作被人工智能所取代。因此，會計的地位不再是必要的。
4）會計信息安全性受到威脅
各種計算機化的會計系統，廣泛應用于電子形式會計實體中存儲的各種金融數據，具有電子數據的優點，如省電，方便，數據容量大，易于查找等優點。而另一方面，系統如果保護未達到易受黑客攻擊的指定位置，當前網絡安全性大大降低的同時，信息可能在網絡傳輸過程中被截獲，因此導致企業財務信息泄露會非常嚴重，會造成重大商業機密，并導致損失。
二、 人工智能對企業金融風控的影響
（一）智能風控落地的前提
在互聯網信息技術和網絡技術普及的時代，讓人類生活進入大數據驅動的智能化發展階段，而人工智能在金融風險控制的探索和實踐中經歷了以計算機為標志的信息時代，人類因此CIETY已進入人工智能引領第四次工業革命，如果追求信息時代是數據采集和存儲，那么解決人工智能時代是伴隨著信息技術的發展和信息爆炸而引起的。由于信息處理能力不足，計算機幫助人們處理海量信息、分析數據和使用，是人工智能的時代，智能認知階段，人工算法進入商業世界后，開始顯示出趨勢的普遍性，特別是LY在金融業務中顯示出較強的適用性，目前人工智能在國內重點應用于風險控制、信用和欺詐等領域。人工智能產業化可以結合現場誕生，不能留下以下三個重要方面前提：
技術基礎的改進。用云計算來說，計算能力在出現之前是一種昂貴的資源，公司不能獨自承擔這種成本。在人人上網的時代，計算數據量不斷增加，大規模數據的培訓和計算帶來了對CPU水平提高的需求。云計算服務實現了計算資源的循環和重用，大大降低了企業的成本。在云計算的情況下，為了將成本降低兩到三個訂單，許多初創企業可以擁有強大的計算能力。當然，對于從事人工智能服務的公司來說，擁有計算能力是不夠的，因為限制技術的因素還來自于數據采集能力和數據處理和處理能力，列如數學、統計學、機器算法等。而確定大規模計算，強大的人才是必不可少的。
場景的出現需要更先進的技術。特別是在需要擴大規模和復雜化的消費信貸服務中，如何提供高質量的用戶體驗成為一個難點。例如，在少量的貸款業務中，金融機構或平臺需要在短時間內對某個用戶進行準確的風險評估，或者在一天內完成數十萬甚至更多的用戶信用。由于可以預見，這樣的要求只會越來越高，場景也會越來越多。傳統的刀耕火種評估方法與現有的大量多樣化的金融需求完全脫節。因此采取智能投資，但它面臨的投資機會是短暫的，交易信息的判斷甚至需要快到幾毫秒。對現場的需求促使業界使用更合理的算法，更快的計算速度，并要求新技術將人工智能帶入舞臺。
改進的數據材料豐富。人工智能，所以數據是使用數據來支持操作和判斷是人工智能的基礎。在金融行業中，數據也是如此。互聯網時代的背景下，金融消費者的高度收集碎片更大規模的需求，數據采集成本較低。金融機構和企業可以使用這些數據來計算、處理、和判斷，為用戶提供個性化服務的經驗，基于智能的數據做出決策，實現精細管理，從而進一步推動人工智能技術的應用的發展。
（二）智能風控是傳統風控的有效補充
傳統金融機構與傳統計分卡模型和規則引擎等“特色”風險評分，根據性能和智能風險控制記錄，社會行為，行為偏好，身份信息和設備安全方面的行為特征的“軟弱”用戶的風險評估。兩種類型的風險控制從操作到場景顯示效果之間的顯著差異，后進入移動互聯網時代，智能風險控制的優點更加突出，有效補充傳統的風險控制。
傳統風力控制形成了標準化的操作模式，首先判斷用戶的身份，然后復習物理用戶提供的證明材料。簡而言之，它分為以下步驟：首先，回顧通過面對面的檢查來確認用戶身份的真實性提交材料。材料包括識別和收入證明，如身份證、戶籍、銀行流動和就業信息。其次，用戶的資產評估和確定信用額度，主要的資產估值標準抵押房地產和汽車生產等。最后，信用貸款，其他步驟可以添加，如調查貸款的使用和確認交易的意愿。
關注人的評論，首先，傳統的風險控制單元的時間跨度，至少在周需要層層審批，業務流程涉及多個人員和鏈接，導致效率低;其次，長時間的業務流程，無法滿足用戶的資本要求，導致壞的用戶體驗;最后，對小型業務，傳統的風險控制復雜的審計程序導致的高成本使銀行和無利可圖，所以這個巨大的市場的一部分。
智能風險控制對大數據，算法和計算能力，重視數據，生活等識別確認用戶的身份;欺詐識別風險，智能控制使用多維特征，許多數據表明意圖和傾向，反映用戶欺詐;普通用戶的還款意愿和能力評估判斷。
在互聯網經濟下具有“規模”增長的消費者金融市場中，智能風險控制可以捕獲非傳統的金融數據并增加弱勢的金融相關特征。機器建模和分析的方法用于及時有效地補充傳統的風險控制。首先，智能風控帶來閃電般的審查速度。時間跨度以分鐘和秒計算，為用戶提供更好的服務體驗。其次，對用戶行為數據的分析得出更準確的評估。最后，在風險預測中，數據模型的使用可以準確地量化未來風險最有可能發生的時間和情景。從快牛金科的實際應用來看，定量風險預測的結果與實際風險的表現一致，誤差很小。風險控制標準的放松和收緊所引起的壞賬績效水平的變化可以通過數據直觀地衡量。實際的業務運營非常有益。
目前，個性化的場景下貸款和大規模貸款，信用貸款和消費貸款等，智能風險控制有足夠的優勢，但是大的貸款和交易涉及資產評估、房地產貸款和供應鏈融資等大型企業。驗證的真實性，傳統風力控制仍然是不可替代的，兩個風控制模式仍將。
（三）智能風控成長空間巨大
在金融行業，風險控制中，無限智能風險控制是一個不斷迭代的過程，并不斷按照優化的結果進行。到目前為止，智能風險控制已經取得了良好的應用效果。實踐中，智能風險控制模型已經更好的用戶差異化程度，能夠清晰地反映出評價結果中的高質量和不良客戶，通過不斷的優化迭代，識別的準確性和判斷的速度，技術人員一直在螺旋式上升，但目前行業面臨的問題是數據島和信息不透明，行業總負債不共享，仍然是大空間智能風險控制技術的提升。在用戶體驗上，智能風險控制的最佳路徑有二點：一是減少對用戶的干擾，對于當前信用風險控制過程中需要獲得用戶授權等數據的審批，隨著數據共享和計算能力市場機制的完善，未來只有需要向客戶提供極少的信息進行評估，消除用戶對信息安全的顧慮，使用合規性。其次，在上述基礎上，提升用戶評估的準確性。。
人工智能是一種不可逆轉的趨勢，但人工智能在推廣特定情景時仍面臨一些外部阻力。
首先，由于一些工人，意識滯后，商業實踐中的人工智能面臨著銀行和其他機構的模型變革，在管理決策時考慮到潛在風險。其次，需要探討適當的業務情景。傳統的金融業務場景，在應用、審批，基于不同操作系統的貸款和大量人力資源等一系列環節之后，如何切入人工智能將在調整過程中面臨長期運行。此外，在監管方面，人工智能還暴露了“黑匣子”理論與“可追溯性”金融活動的矛盾。人工智能對于許多風險控制的實施過程并不是人類大腦能夠理解的，而是在一些監管更嚴格的情景中給予必要的解釋。
中國著名科幻作家劉慈新曾經說人工智能就像一個黑盒子。從理論上講，他們的計算步驟可以追溯，但由于計算量巨大，跟蹤實際上很困難甚至不可能。實現兩者之間的平衡并建立信任是未來人工智能面臨的巨大挑戰。在這種情況下，一方面，可以采用更加解釋性的算法。對于相同的數據，不同算法的結果不應該遠遠落后。另一方面，可以預期社會態度的變化和監管法規的調整。畢竟，它不僅僅是以人工智能為代表的計算機科學。隨著研究的深入和領域的細分，其他人類主體可能具有傳統邏輯意義的結果。
三、 人工智能對企業信息安全防護的影響
（一）人工智能時代下信息安全論述
信息安全是指用戶使用網絡系統時，軟件和硬件不會被破壞，用戶數據不會被改變，為計算機的使用提供安全保障。目前，信息安全在網絡保護中尤為重要。在計算機網絡的發展過程中，出現了許多數據泄露事件，不僅給企業帶來了傷害，而且也暴露了許多人的隱私信息。從小的角度看，數據泄露事件給企業和人民造成了損失，在很大程度上阻礙了國家的發展和社會的進步。
因此，在人工智能快速發展的時代，我們不僅要追求技術進步，還要重視信息安全的保護。信息安全保護不僅是企業和國家的責任，也是每個公民的責任。
（二）威脅企業信息安全的因素
目前大多數互聯網公司都在進行人工智能的研究，5G的華為技術是世界領先的，它不僅是企業的榮譽，也是國家的驕傲，影響企業信息安全的因素很多，涉及到很多方面，對信息安全的保護帶來了許多挑戰。
1）數據的集中存儲
大量的數據可以存儲在計算機系統中，數據之間的緊密聯系，非常容易引起攻擊者的注意，成為一個黑客的目標。網絡數據繁多，從不同的方式，如電子郵件、微博、傳感器等，相對集中存儲的數據在一起增加數據泄漏的風險，并導致人身安全的喪失。
2）數據加密技術
計算機領域的數據加密一直是防止數據泄漏的首要任務，但仍有數據泄漏事件。人工智能技術的應用基于互聯網用戶的互聯網數據的收集。如果沒有大量的數據分析，將無法生成智能應用程序和技術服務。集中式數據庫集中在資源豐富的大型企業手中。一方面，他們收集數據，另一方面，他們分析數據并智能地應用它。企業主要是營利性的，信息安全投入太小，會增加數據泄露的風險。
3）殺毒軟件的應用
由于計算機病毒的不斷侵入，導致很多殺毒軟件的產生。如果計算機中毒，可能會導致多臺計算機，甚至整個企業計算機崩潰，數據丟失。病毒以不斷變化的形式出現，入侵計算機的方式多樣化，每次出現新的病毒，都會導致殺毒軟件的各個方面升級。企業不應該只根據病毒更新殺毒軟件，而應該讓企業的數據更加安全
（三）企業信息安全的防護措施
1）對數據安全技術研發
從傳統信息安全技術的角度出發，企業必須加大對數據安全技術開發的投入，以保證人工智能的順利發展。同時，國家要給予大力支持和一定的幫助。多方面引進新人才。其他企業數據安全技術也在不斷發展，以保證網絡操作過程中的數據安全，從而使黑客蒙受損失。
2）重視敏感數據的保護
敏感信息不應披露沒有用戶的權限。企業應優先保護用戶的私人數據，并規定使用的設備，以確保網絡可以正確操作。國家應該制定相應的制度措施的敏感信息，這使得一些人氣餒。
3）國家對數據的保護制度
保護數據不僅是企業的責任。國家也應提出安全策略，制定安全要求，加強然后進行安全體系建設，加快人工智能立法的應用。國家應制定相應的數據保護法律法規，同時將數據保護滲透到學習課程中，教育幼兒，真正向每個人傳達數據安全意識。個人應及時清理隱私資料，安全文明上網。
4）合法共享用戶信息
使用用戶信息時，應明確信息來源的合法性，確認數據的有效性，共享用戶信息時應征求用戶意見，用戶不得擅自披露。否則，將獲得虛假數據，這可能導致企業損失。
總結：隨著科技的蓬勃發展，人工智能的蓬勃發展也在繼續。盡管這個的人工智能還發展不完善，及時在早期進入的金融領域，還主要集中于風險控制、定量交易和智能客戶服務。然而，人工智能對世界的好處將不受限制。
人工智能的進一步推廣和應用，將形成廣泛的基于機器的智能決策，可以大大提高社會整體運行的效率。例如，在圍棋、自動駕駛、公安等領域，人工智能顯示出良好的學習能力和決策能力。
人工智能也帶來了社會結構的變化，如就業制度。一些簡單、重復和自動化的數據收集和記錄將被機器所取代。從目前的發展速度來看，客戶服務、簡單的風險控制、基礎營銷等人員更有可能被替換。技術的發展超出了人們的想象。就像2000年一樣，沒有人認為打字員在計算機和互聯網普及之后成為了紙堆中的象征。人工智能技術對人類生活的滲透將是巨大的。就像互聯網一樣，20年前需要訪問特定場景和手段的服務，如網吧、學校房間和撥號上網，都涉及到飲食和穿著。業務的各個方面的活動、業務和業務方面。當人們無法感受到人工智能的存在時，這意味著人工智能技術已經達到并得到了廣泛的應用。
參考文獻：
[1]賁可榮，張彥鐸 .人工智能 [M ].清華大學出版社，2006.
[2]陸汝鈐 .人工智能 [M ].科學出版社，1989.
[3]羅素，諾維格 .人工智能：一種現代的方法（第二版）[M ].清華大學出版社，2006.
[4]李生 .自然語言處理的研究與發展 [J].燕山大學學報，2013（5）：377-384.
[5] 孫濤 . 知識管理 ——— 21 世紀經營管理的新趨勢 [M ]. 北京 ： 中華工商聯合出版社 ， 1999.
[6] 李桂青 ， 羅持久 . 工程設計專家系統的原理與程序設計方法[M ]. 北京 ： 氣象出版社 ，1991.
[7] Joseph Giarratano. 專家系統原理與編程 [M ]. 北京 ： 機械工業出版社 ， 2000.
[8] 吳今培 . 智能故障診斷與專家系統 [M ]. 北京 ： 科學出版社 ，2000.
[9] STB ofNASA [ Z]. Clips Reference Manual Advanced Program 2ming Guide 2001.
[10] 幸聰.人工智能時代網絡信息安全與防范分析2018，2（07）：172-173.
未來世界中，人工智能會淪為人類的奴隸，還是會擁有超越人類的能力？來自硅谷的著名創業家，斯坦福大學人工智能與倫理學教授，《人工智能時代》作者杰瑞?卡普蘭（Jerry Kaplan，以下簡稱JK）帶給了我們新的見解。
AI是技術不是魔術
《時間線》：您認為AI真正的本質是什么？JK：人工智能是以使機器能夠勝任一些通常需要人類智能才能執行工作為目標的一個工程領域。但這并不意味著電腦本身是智能的，只是它們能在某些情況下替代人 類。
《時間線》： AI似乎更容易對顯性知識進行技術轉化，那么在對隱性知識技術化時遇到哪些阻礙？現在是否有所突破呢？
JK：你可以將AI技術大概分為兩類。第一類是趨向于理性問題的AI技術，像是規劃一個駕駛路線，在電路板上布局組件，合理高效地將包裹放置在運輸車上。處理這類問題時，人們是通過顯性信息和使用顯性邏輯規則開始處理的。第二類是趨向于感知問題AI技術，這其中包括識別照片中的人物，駕駛汽車，研究收集醫療數據模型。一般來說，這類問題很難被明確地描述出來。還有些問題像是翻譯語言、玩一些復雜的游戲，可能需要對這兩類技術都有所涉獵。
主人or奴隸
《時間線》：在Ray Kurzweil的《奇點臨近》一書中曾描寫道：在“奇點”到來之際，機器將能通過人工智能進行自我完善，超越人類，從而開啟一個新的時代。很多人都開始恐慌AI或許會在未來的某一天取代人類，對此您怎么看？您認為最為適當的人機關系是怎樣的？
JK：我并不同意Ray Kurzweil的觀點。機器已經在許多領域超越人類的能力，并且我們對此也并沒感到任何的不適。事實上，這就是我們為什么使用它們。電腦能夠比人類計算得更快更精確，記憶存儲大量的信息，并且通訊交流的速度是人類無法想象的。隨著AI領域的進步，將會有越來越多的任務是由機器去處理，并且會比人類處理得更好。但是這不意味著它們能比得上人類的智慧。我們并沒一個言之成理的人類智慧的理論，即使我們有，也沒有證據能表明我可以編制一個機器去復制它。
《時間線》：現如今一些企業工廠已經在開始利用AI進行日常生產工作活動了，但對于工種的替代還只是局限在初級的、可替代性強的工作，那么在未來隨著AI的發展是否會挑戰高級工作，例如高級電腦程序工程師、注冊會計師、高級律師等等？
JK：AI程序不能執行工作，它們的作用是使任務自動化。如果一個人的工作是由那些能被自動化的任務組成的，那么的確他們的職業是面臨風險的。如果一些人的工作任務是機器不能處理的，那么AI技術只是能夠幫助人們把工作處理得更加高效。這無關乎工作多么高級，人們需要接受多么多的培訓去做他們的工作。我們在用電腦執行計算時，執行任務往往需要相當大的訓練和專業知識作為前提的。比如，一個放射線研究者的工作職能可能是容易去自動操作的，但是相反地，一個兒科醫師需要的是機器無法執行的人類技能。
《時間線》：在您的《人工智能時代》一書中介紹了AI對財富再分配的影響，您希望AI的發展可以極大地提高社會財富，但現實情況是，現在無論是東方還是西方，貧富差距是不可避免的問題，因此，AI在提高社會財富的同時會不會反而加重了貧富差距和財富分配不均勻的問題？
JK：我不確定我們所理解的社會財富是否是完全一樣的。但是在我看來，AI是自動化的一種形式，它是資本對勞動力的替代。從邏輯上看，這意味著擁有資本的人可以通過利用機器去獲得更大的利益，而那些只能依賴出售自身的勞動力的人，將會被取而代之。一般來說，自動化使社會更加富裕，而獲益者主要是那些富人，除非我們采取一些措施來確保整個社會都享受新財富。
《時間線》：您認為當前人們對AI誤解的主要爭議點是什么？您對當前人們對AI的看法和理解有何建議？
JK：許多人所理解的AI就正如他們在電影中看到的那樣。通常都是一些傷害和攻擊人類的壞的機器人和程序。但是這些都是幻想。機器是沒有感情的，除了我們指令它們做的事情以外它們是沒有獨立目的。只要我們仔細考慮如何使用這些技術，它們將會很好地為我們的需求服務。但是像另外一些技術，比如核能，我們既可以用它來做建設也可以用它去搞破壞。但這些都取決于我們人類，而不是“它們”。
AI在中國
《時間線》：在AI領域，西方國家，例如美國，擁有較為完善的技術支持和發展環境，而中國的AI領域更多的是依賴于商業驅動，那么對技術驅動與商業驅動，您認為哪一個更能推進AI的可持續發展？
JK：我認為在美國AI技術的發展和在中國一樣都是由經濟發展驅動的。有很多大學都在研究AI這個領域，但是大多數的進步是發生在像谷歌和Facebook這樣的公司。我相信在中國，百度也是這樣的公司。
《時間線》：從倫理角度來看，在西方國家，例如美國，AI的發展遇到哪些問題和阻礙？中國擁有特殊的文化環境和較為保守的倫理邏輯，您認為當AI甚至是未來的AI機器人在步入中國普通老百姓生活中時是否會遇到更多新的問題？
JK：當我們將AI技術融入我們的生活中時，將有很多倫理問題需要我們面對。例如，無人駕駛汽車應該如何平衡和協調駕駛員與其他行人和車輛的安全？如果你要求你的機器人去幫助你實施一個犯罪行為，它應該如何拒絕？如果它看到你違反法律，它應該被要求去報告給你嗎？如果它意外傷害到別人了，你應該完全負責任嗎？這些困難的問題我們需要時間去解決和回答。
關鍵詞：人工智能；智能傳媒；美聯社；智媒實踐
中圖分類號：G702文獻標志碼：A文章編號：1001-862X（2017）03-0134-006
一、人工智能的內涵、技術梯度及其在新聞傳播領域中的應用
人工智能（Artificial Intelligence，簡稱AI），作為計算機學科的一個重要分支，是由McCarthy于1956年在Dartmouth學會上正式提出。學術界認為，人工智能是一門研究運用計算機模擬和延伸人腦功能的綜合性科學，其假設電腦系統具有人類的知識和行為，并具有學習、推理判斷來解決問題、記憶知識和了解人類自然語言的能力。人工智能的產生過程為：對于人類因問題和事物而引起的刺激和反應，以及因此而引發的推理、解決問題、判斷及思考決策等過程，將這些過程分解成一些步驟，再通過程序設計，將這些人類解決問題的過程模擬化或公式化，使電腦能夠有一個系統的方法來設計或應付更復雜的問題。[1]
人工智能在新聞生產鏈條中的運用根據算法的使用程度呈梯度分布：第一梯度是計算智能在新聞生產中的運用，能夠輔助記者儲存和快速處理海量數據，人工在新聞生產中占據主導地位；第二梯度是感知智能，機器能夠代替記者完成“看”和“聽”的相關工作，在“采、寫、編、評”的新聞生產過程中采用人工與算法相結合的方式；第三梯度是認知智能，機器可以全面輔助或者代替人類，實現幾乎完全依據算法進行新聞生產。總體上，人工智能在新聞生產中的應用處于計算智能向感知智能的過渡階段，部分領域如機器新聞寫作已步入認知智能的初級階段。
1.在新聞和信息來源方面
（1）“傳感器”新聞嶄露頭角。在新聞和信息的來源方面，“人工智能”越來越站在新聞生產的前臺。它主要是通過對相關新聞數據庫所需數據的自動化采集、處理和分析，經過人工智能算法把數據內容新聞化，即時輸出準確、客觀的新聞信息產品。目前，尤以“傳感器”新聞為引人矚目。
傳感器（sensor）是一種收集特定數據信息的監測裝置，能感受到被監測對象的信息，繼而轉換成為電信號或其他形式予以輸出，以完成信息的記錄、傳輸、存儲、顯示和控制。[2]所謂“傳感器”新聞就是通過人工智能算法對上述數據進行統計分析和判別而輸出的一種自動化的機器新聞產品。如對于地震臺網相關傳感器的數據、對于體育比賽相關傳感器的數據、對于股市相關傳感器的數據等等（未來還可能基于對人體的可穿戴設備傳感器的數據等）進行信息加工處理和判別所自動生成的新聞。這種“傳感器”新聞的特點就是與事態發生幾乎同步，并且客觀、準確。目前傳感器新聞在傳媒業的應用尚在起步階段，其中有兩個問題是人們普遍關注的：一是傳感器入侵個人的生活空間，讓人在傳感器數據收集的環境下對個人隱私的保護產生疑慮；二是傳感數據的準確程度在很大程度上依賴傳感器的質量、測量指標級算法模型的有效性、可靠性。
（2）語音識別技術極大提高了現場采訪與處理資訊的效率。人工智能雖然不能取代記者作為采訪者的角色，但在技術方面己經有較先進的人工智能技術可以大大優化和節省記者編采的時間成本。 2015年底科大訊飛股份有限公司研發出語音識別技術，讓計算機能夠“聽懂”人類的語言，提取語音中的文字信息，即時迅捷地將語音信息轉化為文字信息，不但誤差率極低，而且可以“聽懂”各種方言和人的口音。這種語音翻譯系統大大地提高了采訪資料整理的效率。
（3）“新聞人物”的虛擬影像技術取得突破性進展。2016年10月4日《中國日報》通過整合人工智能技術，采訪真人而制作虛擬視像面世，[3]這一人工智能所虛擬出來的“新聞人物”的影像可全天改變表達方式。雖然這項技術尚處于起步階段并有很大的改善空間，但它對新聞來源的使用方式提供了一個具有巨大想象力的空間。
2.在新聞的內容生產方面
（1）C器新聞寫作。人工智能在語言文字寫作方面的技術具體表現在“機器新聞寫作”上，它“是指自動根據算法將目標數據通過自然語言生成的方式輸出文章的一種人工智能技術，它的核心在于自然語言生成技術。”[4]在對資料數據進行分析后，人工智能可通過分詞法和語義理解來進行基本的情感分析，進而進行新聞角度的選擇。
目前的機器新聞寫作可以在分析信息數據所得的結果上自行提煉出新聞角度，根據新聞類型套用相應的文章模板，從而生成完整的新聞稿。從當前的發展現狀來看，算法不僅可以及時地捕捉數據信息，同時還可以對作家和記者的寫作風格進行模擬，實現特定文風的定制。[5]然而，目前新聞寫作只能把數據分晰和整合的結果進行結構化處理，重新排列組合，對模塊進行內容填充，加上一些簡單的語義加工和風格調整。
（2）語音新聞生成。以美聯社為例，2016年，他們開發了一個把文字新聞自動傳換成廣播的程序。雖然美聯社目前還沒有對此程式進行過實際演練和質量控制試驗，但可以肯定的是，這個程式己經可以識別一些篇幅短、語句偏簡潔的條目。因此，文字新聞與廣播格式新聞的自動無縫轉換將是人工智能在新聞產業的發展趨勢。
（3）直播過程的自動監播。在技術的發展下，大大小小的直播平臺不斷衍生，它們比傳統傳媒更具及時性，成本更低，而且這種類型的全民主播比專業播音員更具親民性和娛樂性，因此，直播平臺將成為傳媒界的新機遇。與電視一樣，低俗及不雅語言和內容在網絡直播中是被明令禁止的，然而，每天成千上萬的直播視頻以及用戶評論，是人工審核難以完成的。隨著人工智能的應用，對直播環境的塑造也有著嶄新的監控方法：通過人工智能去對文字、語音、圖片、視頻、直播等進行審查，利用人工智能深度學習在內容審核領域的應用，比如Gootion、網易易盾等，根據多年在安全領域違規詞庫的沉淀和神經網絡學習能力，實現了對目標文本進行精確匹配和快速識別。
3.在新聞策劃與推送方面
（1）智能化地抓取熱門話題。在2016年8月，Facebook解散了負責“熱門話題（Trending）”的團隊，改以利用人工智能算法來抓取數據，通過對用戶搜索、瀏覽的分析，對熱門搜索詞進行排序，抓取熱門話題呈現給受眾。此外，以報導科技新聞為主的新型媒體Mashable開發了Velocity人工智能數據分析系統，能在30秒內分析3億個不同的頁面鏈接數據，從而識別網絡流行趨勢，預測可能成為熱點的內容，并能監測全球社交平臺的實時熱點。Velocity還能發現新聞傳播的“飽和點”，預測新聞熱度消退的時間。這種利用人工智能技術以數據為基礎來抓取熱點新聞，可以覆蓋更多話題，大大降低了時間成本，且避免了出現人工編輯團隊可能受公司立場和員工的個人偏見影響篩選內容的情況。然而，熱門話題演算法在很大程度上依賴話題的相關文章的點擊和分享率，但高點擊和分享率并不與新聞質量掛鉤，因此這種以人工智能演算法得出的熱門話題較容易讓假新聞登上版面，致使新聞失去“把關人”的把關。
（2）海量資訊簡潔化的個性推送。面對網絡上的海量新聞，大眾要獲得有用信息可謂大海撈針；通過人工算法實現個性化推送，根據用戶的閱讀習慣、閱讀時長等各種數據分析受眾喜好，自動分類出推送內容。隨著人工智能技術的發展，出現了以對話形態獲取新聞內容的閱讀模式，通過人工智能把分析得出的相關新聞進行匯總，并運用自然語言處理技術，提取信息的核心內容，方便用戶更快捷地獲取具有針對性的信息。如“百度”推出的“聊新聞”通過對新聞信息進行分類及結構分析、信息特征學習等，自動為用戶提供最核心的信息[6]，以深入聊天的方式呈現用戶所想要了解的新聞內容要素。這種以人工智能來進行個性化推送的模式可以為用戶節省搜索時間，方便用戶進行簡潔化的閱讀。
二、美聯社的實踐：一個智能傳媒的先行探索
通訊社與報社、廣電機構等傳媒形態有明顯不同，扮演著位于新聞生產鏈前端的批發商或“龍頭”的角色，這種組織形態是一種適應市場經濟條件與大規模生產的組織形式和運行模式。為了與這種規模化生產相適應，美聯社正在嘗試利用機器學習將新聞生產過程實現自動化轉換，并借此緩解記者的壓力，提高新聞報道量，拓展報道范圍與業務領域。 2015美聯社制定了一個5年（2015―2020）戰略規劃，2017年美聯社將有可能實施7個項目，其中包含新聞的智能化生產。美聯社戰略及企業發展部高級副總裁Jim Kennedy希望美聯社在2020年之前，80%的新聞內容生產都能實現自動化。
1.新聞內容采集
（1）數據資源采集方式的轉變。美聯社的機器新聞生產利用了Automated Insight公司開發的Wordsmith 平臺，該平臺以自動化技術為基礎，能接受任何格式的數據，通過算法運算生成圖文并茂的報道，最后通過云服務進行多渠道實時。數據資源的獲取與處理是Wordsmith基礎工作的，可以對來源與客戶的各種形式或格式的數據進行規模化和快速化處理。Wordsmith 智能化數據采集具有以下特點：
――數據來源的多樣化： Wordsmith可以對客戶的各種形式或格式的數據進行收集和處理，這些數據包含如Google Analytics等第三方提供的相關客戶的運營、業績、報道、批評、引述等相關數據；大數據技術也使得新聞數據源從傳統記者轉變為個體用戶，涉及用戶生成內容時，美聯社與其投資的社交媒體內容管理系統SAMDesk合作創建了一個工具，將美聯社的渠道策略和SAMDesk的用戶生成內容源相結合。
――數據獲取的規模化。Wordsmith 超強的數據采集、分析與處理能力能夠大幅度提高效率，使新聞報道實現規模化生產。美聯社的季度財報稿件的數量從 300 篇增長到 4400 篇，這種高效率、規模化的新聞生產方式是過去任何時代所無法企及的。[7]
――數據處理的高效性。Wordsmith 采用制式化新聞撰寫方式，只需要將采集的數據輸入已有的程序，便可立刻生產出新聞稿件，即時通過 Twitter、E-mail 等渠道，加快傳播速度。例如，美聯社在最短時間內蘋果公司的財報新聞，其時效性遠超其他媒體。時效性凸顯新聞價值，使美聯社在此類報道中脫穎而出。
（2）圖像素材采集方式的轉變。在圖像素材的采集方面，美聯社正通過智能硬件的輔助來實現新聞素材獲取的規模化及高度時效性。攝影師們在里約奧運會上開始廣泛使用的一種智能輔助拍攝設備，美聯社除了調動了61位攝影師進行賽場拍攝，還提前在現場安裝了八部機械人和數十部遙控相機，這種遠程遙控相機可以自動變換角度以及鏡頭變焦。此外，遠程控制的水下機器人可在最佳時機自動捕捉到最佳畫面，能夠動態實時地捕捉游泳運動員在水下的位置，然后將拍攝到的畫面實時回傳到攝影師的電腦上。這種水下相機不需要攝影師把握拍攝時機，攝影記者只需要更準確地調整基座和相機位置，進行拍攝。此外，美聯社還使用智能手臂輔助攝影記者拍攝，這些實踐都涵蓋了人工智能技術的運用。
2.新聞內容制作
（1）自踴生成：機器寫作及智能播報。Wordsmith讓美聯社實現了從以數據獲取為中心的數據新聞到以規模化數據和人工智能算法為中心的機器新聞的演變，機器新聞寫作超越了數據新聞寫作“數據處理”的工作范疇，可以代替新聞工作者生成知識、見解和建議，按照Automated Insights公司的觀點，這是一種“從大數據到高見”的跨越。從其關鍵技術領域而言，這應該是整合了數據庫知識發現（KDD）以及自然語言處理（NLP）兩個領域，屬于人工智能范疇。
Wordsmith對信息價值的挖掘，包含分析數據與提煉觀點兩個部分。在新聞內容的呈現方面，主要是針對內容的結構和格式。Wordsmith 平臺需要用其自然語言生成功能對此前的分析和提煉得到的觀點進行故事化敘述，并按照需要生成適應的篇幅長短的新聞、推文，以及標題導語、可視化圖表為主的內容等形式的文本。
在與風險投資基金Matter Ventures的合作過程中，5名美聯社員工組成的團隊嘗試利用人工智能技術進行智能播報，將篇幅短、語句簡潔、數據詳實的新聞文字自動轉換為廣播版本。這個項目并不是簡單的將新聞從文字到語音的形式轉換，而是制造一個基于算法的模型，將用于識別文字中需要轉化成廣播格式的元素。這項試驗是美聯社將自動化應用于新聞領域的重要嘗試。目前，這個項目還處于初級階段，新聞廣播版本后期依舊需要經過記者的人工審核與校準，以確保寫出規范和準確的新聞。項目的最終目標是在智能技術的協助下，讓文字到廣播的自動轉化達到不需要人工編輯和審校即可的水準。
（2）可視化呈現：數據新聞。數據與圖表之間的智能轉換是美聯社在可視化呈現層面的重要嘗試。目前，Wordsmith平臺可以將文字處理圖表轉換為數據，可以對APIs、XML、CSCs以及各種文字處理圖表等形式的數據進行“消化”，為下一步的數據分析與信息價值挖掘提供更為豐富的數據來源。Wordsmith還可以將數據自動轉換成圖表，運用自然語言生成技術對此前的分析和提煉得到的觀點進行故事化敘述，新聞內容能夠依據需求通過可視化圖表的形式呈現。
（3）沉浸式體驗：虛擬現實報道。美聯社拓展人工智能版圖另一個動作是在VR設備終端、360度全景式視頻手機端等智能硬件上進行虛擬現實報道。美聯社目前與密蘇里大學唐納德?W?雷諾茲新聞學院的研究者、AMD芯片制造商建立合作關系，推動虛擬現實技術在新聞報道領域的應用。從2016年7月份的法國尼斯恐怖襲擊到里約奧運會，美聯社已經制作了20個虛擬現實和360度全景式視頻。美聯社還推出了觀賞性的奢華生活體驗虛擬現實視頻，但大多是針對特定內容進行虛擬現實報道，如地震、難民等，可以在關塔那摩監獄體驗囚徒、在難民營體會難民生活等。虛擬現實新聞報道的新技術也將帶來新的一場新聞革命，美聯社的虛擬現實報道目前還停留在用戶體驗階段，雖然只是低成本的制作虛擬現實報道，交互依舊是個難點。美聯社還拓展直播版塊，目前直播領域主要有AP Direct和AP Live Choice兩大業務，全天候向用戶提供重大突發新聞和地區性重大活動的直播視頻，其中AP Live Choice能夠通過3個頻道同時直播三個事件。
3.新聞內容投送
人工智能驅動下的信息通路趨向于窄眾化的內容生產與投送，美聯社新聞內容的傳播路徑從過去的“面―點―面”模式轉變為如今的“點―面―點”模式。借助于人工智能技術的支持，美聯社通過對碎片化內容的聚合重組，利用標簽聚類和差異化語言風格進行個性化的投送。當前美聯社的新聞內容投送存在以下特征：
（1）碎片化聚合，個性化投送。目前美聯社通過與智能平臺“強強聯合”，完成對碎片化文本進行結構性處理，實現精準個性化的內容投送。Wordsmith平臺可以根據組織和個體的碎片化數據，如員工的表現評估、企業績效分析報告、行業分析、行業競爭態勢分析等，在數據聚合的基礎上分析其情況與需求并實現定向內容投送，為用戶提供精準個性化內容。美聯社Wordsmith系統尤其擅長進行客戶的財務情況和客戶運動、健身情況的分析，實時收集動態數據，并能夠將所生成的文章，通過多種方式，實時到客戶指定的平臺上。對聽眾制定個性化的內容，是美聯社拓展新聞產智能化板塊的另一個舉措。美聯社體育編輯嘗試利用人工智能技術為賽事雙方的支持者分別提供不同的新聞；記者們也考慮用不同的方式向國內外的聽眾分別提供廣播。
（2）標簽聚類、智能匹配。包括美聯社在內的2000 家媒體加入了聚合類新聞 App ――News Republic，達成了新聞內容版權的合作 。News Republic可以對每一條信息來源做出單一信息來源或多重信息來源的判斷，為新聞生成智能化標簽并聚類，與不同受眾群體相匹配。目前News Republic利用自己的語義分析系統分析每篇文章的意義，證實文章的原創性并將文章分類，在用戶挑選的分類中生成頭條新聞，為用戶提供快速即時的閱讀體驗。
（3）機器新聞語言的風格化差異化。隨著受眾群體的不斷細分，不同人群的語言風格差異愈發明顯。美聯社正嘗試利用人工智能技術完成對各種語料庫語言風格的智能學習，為不同群體傳送不同風格的新聞報道。通過語言風格的差異化處理，同一條新聞報道可以同時適應高端人群、中層階級、低收入群體等不同用戶群體的閱讀習慣及語言風格，大大提高了新聞生產的實用性和可讀性。基于語言風格的智能化學習，美聯社能精準匹配用戶的語言風格，進行個性化的新聞表達，形成不同版本新聞的規模化生產。
三、人工智能范式驅動下傳媒業的“洗心革面”
1.傳播內容：從單一傳播到全息傳播
美聯社的智媒實踐表明，人工智能技術邏輯下的內容生產方式事實上改變了以往利用單一途徑進行新聞生產的模式，通過多種人工智能技術的融合最大限度地形成了對某一新聞事件的全息傳播：基于海量數據的支撐和算法的精準制導，美聯社在獲取數據后分析、提煉觀點，并結合固有的結構和模式進行故事化敘事。與此同時，快速生成的文本還可以配合智能播報技術提供語音信息，配合可視化圖表完成可視化新聞的轉變，配合VR及AR技術實現讀者的沉浸式體驗。
@種融合機器新聞寫作、智能播報、新聞可視化和VR技術的全方位新聞生產模式能夠充分還原社會實踐發生發展的過程，表達新聞事件的全息原貌，有效地規避了過去新聞受制于媒介傳播的弊端與局限。基于數據和算法的準信息采集、加工的全面智能化，在互動傳播、互動體驗高度發達的助力下，能夠達到全息傳播的境界。而人工智能支撐下的VR（虛擬現實）、AR（增強現實）、MR（混合現實）技術將徹底顛覆大眾傳播時代的選擇性傳播，實現社會信息原汁原味的全息傳播。
2.傳播方式：由同質化到分眾化、精準化
互聯網技術的發展使得新聞資訊的獲取更為便捷化、免費化，傳統媒體和新興媒體在競爭中也推動了傳媒行業的融合變革，海量信息的生產帶來的是同質化新聞的嚴重超載。單一、同質的新聞資訊已經難以滿足不同受眾人群的需求，有效采集“長尾資訊資源”的分眾化、個性化的新聞成為了眾多資訊用戶的迫切需求。
機器新聞寫作能通過對不同語料庫語言風格的智能化學習，可以自動生成適應不同人群語言習俗的表達方式。美聯社與News Public的合作增強了新聞資訊在傳播渠道投放的精準性。人工智能驅動下的傳媒產業正在通過對不同語言風格的智能學習，將聚類、標簽化的新聞資訊精準投送給不同的受眾群體。當前人工智能技術驅動下的傳媒業正往分眾化、精準化的趨勢快速發展。當然，事實上，目前用戶洞察數據的“聰明算法”還遠不夠聰明，容易造成 “信息繭房”的負面效應。但如果我們看到：算法本身是可以進一步優化的，尤其是以目前的行為數據匹配上用戶間社會關系的屬性數據；再輔之以通過“人機對話”聊新聞的方式、通過資訊類別的組團化、標簽化處理，在可預見的未來，“聰明算法”對于人們真實需求的逼近是可能的和必然的。
3.傳播主體：由受眾到人機協調
在人工智能全面滲透到信息傳播的全環節全要素之后，人的價值何在？控制論的創始人諾伯特?維納（Norbert Wiener）深刻地指出：“人有人的用處！”
機器學習是人工智能的第一項普及化技術。一些簡單重復、數量龐雜的工作可以用人工智能中的機器學習的方式來替代，減輕人信息加工的負擔。根據現階段技術發展的邏輯，我們有理由預計，2017年用于數據處理的人工智能技術將會有一些重大突破。現在對基于用戶洞察和基于數據找尋信息傳播的路徑這一塊的要求越來越高，這是傳播績效最基本的要求。而要開發非共性的“利基市場”、開發分眾化的“長尾市場”，一定要有相關的數據作為路徑導引和技術支撐。因此明年在這一領域會有比較大的提升。用戶洞察、數據路徑輔之以機器學習，會成為傳媒業普遍使用的人工智能的一種方式。
在人際交互方面，人工智能也能幫助人去采集必要的相關資訊。《環球時報》的總編胡錫進就某一爭議性話題撰寫社論前，他通常會從其專家庫中挑選左右各派的幾位專家，在聽取他們的意見后才下筆撰稿。這種傳統工業化流程的社論撰稿模式其實是可以借助人工智能來完成的。人工智能能判斷出眾多專家的立場和政治標簽，通過綜合各派專家觀點，如此一來在撰寫評論時，話語空間和結構性把握相對來說會更加到位、更有把握。這就是人C如何互動的具體應用。
其實有些東西對人來說是困難的，但對機器來說是簡單的。只要符合一定的規則，進行重復性的檢索和采集對機器來說是再簡單不過了。相反，如果我們要從跨界的角度來（下轉第150頁）（上接第138頁）找到兩者的關聯，機器卻很難做出一些超越其界限的評判，因為機器是在人制定的規則范圍內運行的。李世石和Alpha Go在圍棋對決中贏了一局恰恰是因為李世石下了一招很陌生的棋，但這步棋卻超出了Alpha Go的認知范圍，從而導致Alpha Go在后面的應對中顯得很業余。現在機器對于規范性的文本可以進行很高效的處理，但一旦規則變了，機器就跟不上，這時候就需要人的幫助。因此人是跨界的實現者和設計者，人知道如何實現不同資源的調度和“混搭”，而機器卻很難實現這種“混搭”。這其實是未來一段時間內人和機器之間最大的不同。人有天生的直覺和跨界的通感能力，現階段的機器還沒有這類跨界與通感能力。我們可以通過直覺和頓悟去把握一個人、一種事態的感覺，但機器卻無法理解和模仿這種行為。
事實上，人工智能對傳媒行業的重構離不開新聞工作者的專業支持。未來自動化、智能化技術搭配新聞從業者的專業經驗和智能的指導能極大地解放新聞生產力，推動傳媒行業的發展與創新。
參考文獻：
[1]廉師友.人工智能技術導論[M].西安：西安電子科技大學出版社.2002.
[2]許向東. 數據新聞中傳感器的應用[J]. 新聞與寫作， 2015，（12）：70-72.
[3]中國日報實現世界首例人工智能視頻采訪[N].中國日報，2016-10-04.
[4]龔雋鵬，任文，張鵬洲.機器寫作在新聞領域應用的思考.中國傳媒科技，2016，（5），58-50
[5]申云.“機器人新聞寫作”對新聞采編的機遇和挑戰[J].今傳媒，2016，（11）：115-116.
一場由阿爾法狗與棋手間展開的圍棋比賽，讓世界關注到人工智能（Artificial Intelligence，簡稱“AI”）技術的發展。百度百科對AI如此定義――它是對人的意識、思維等信息過程的模擬。AI雖不是人的智能，但卻能像人那樣思考、也可能通過深入的語言識別、圖像識別、自然語言處理等功能，超過人的智能。
盡管阿爾法狗只會下棋，但人類已經意識到，其背后的技術力量正在帶來革命。特別隨著現代科學應用技術的不斷發展，AI的智能程度逐漸提高，其思維的邏輯性和復雜程度已經與人類的大腦相差無幾。AI技術在真實的應用場景中正在對金融、醫療、教育等各個垂直領域產生顛覆性的變革。
就在日前剛剛結束的全球移動互聯網大會（GMIC）上，創新工場的創始人李開復曾著重強調了AI技術與金融行業的結合。在他看來，AI所需的數據量大、有屬性標注且領域單一的特性，決定了AI技術必將在金融行業引發一次技術主導的產業革新。
《中國經濟信息》記者了解到，AI技術憑借深入的機器學習等優勢，正對金融行業的產品、渠道、風控、授信、決策等諸多方面產生深刻的影響，不僅推動了金融服務的個性化體驗，更讓用戶的財富管理趨向智能化。
加速布局AI應用
“金融是一個不直接產生價值的行業。”讀秒CEO周靜在接受《中國經濟信息》記者采訪時指出，多年來，金融作為一項服務，卻占用了消費者較多的時間與體驗環境。
據了解，過去要是去銀行取款需要排隊，轉賬需要等待，支付更需要刷卡簽字等，而一旦開展了AI在金融行業的應用，“不僅快速提高了金融效率，降低了金融邊際成本。”
周靜認為，在推動金融普惠的過程中，無論是傳統金融機構、互聯網金融企業還是金融科技公司，通過對大數據、AI等新技術的運用，能夠幫助降低金融服務成本，提升服務效率。
不僅如此，當AI技術與同樣飛速發展的金融科技相結合時，還會十分有效地將核心的金融風控系統進一步量化，使金融變得更加規模化，而用戶享受到的金融服務也會更優化，普惠金融的步伐自然加快。
在中國，不僅有像螞蟻金服、宜信普惠、京東金融等金融科技的巨頭，更有像讀秒這樣“年輕化”的金融科技探索者，在積極地依托其天然的大數據等優勢，將AI技術創新地嵌入到其產業鏈金融的各個應用場景中，不僅使風控體系優化成效顯著，更讓客戶的體驗愈發高效、智能。
在采訪過程中，周靜指出，AI技術對金融產業的價值點，主要在于通過一系列的自主邏輯判斷和大數據運算，很可能會解決“風險控制”這個金融行業長久以來一直存在的痛點。
讓金融風控再升級
首先，傳統的金融風控流程冗長，包括紙質進件、錄入、復核、客戶預審、盡職調查、電核審批等，這導致人力成本、時間成本、運營成本的增加，也降低了運營效率。“而AI技術的手段或應用實現了流程自動化，可以予以解決這一低效問題。”
此外，傳統金融風控往往只考慮強金融屬性的征信與風控，鑒于央行征信覆蓋率不足，一定程度上造成了信息不全，客戶畫像不夠立體。“目前以大數據和AI技術為基礎的智能信貸技術，可以全方位捕捉到網購信息、運營商數據、社交信息等弱金融數據，通過大數據交叉驗證，讓用戶畫像更精準、豐富。”
其次，在反欺詐的運用中，傳統風控往往依賴工作人員的經驗，存在人為操作失誤和經驗不足。“AI技術使金融風控具備了智能的人臉識別、設備指紋，可以更智能地進行鑒別欺詐。”
周靜認為正是以往金融風控存在的痛點，才讓不少金融巨頭主動擁抱AI技術，或與具有智能技術優勢的企業開展聯合風控。像讀秒就作為智能信貸技術提供商，與華瑞銀行、新網銀行、中信證券、諾亞財富等展開聯合風控。
“在合作期間，讀秒提供的智能信貸技術，可以很好地輔助金融機構，完成更加精準的獲客，更立體的用戶畫像，更智能地反欺詐以及更高效的風控。”在周靜看來，像讀秒這樣具備大數據優勢及AI技術創新開發的金融科技公司，在精準的獲客、互聯網化的運營等方面，可以為金融機構補足短板。
回顧中國信用借貸的歷史可知，“風控”一直都是金融行業的命脈。誰提高了風控的準確率和風險評估的速度，誰就能夠引入更大的流量、涉足更大的市場。但值得注意的是，“在整個貸前、中、后過程當中，AI技術只是提高金融的一種手段，整體的金融邏輯與核心是不變的。”周靜強調，像各金融機構以大數據的形式采集數據，以AI技術創新開發應用場景，目的是評價用戶的欺詐風險、還款意愿、還款能力等，“本質上是傳統金融考慮的核心因素。”而像一些金融機構舉著“AI+金融”的大旗，宣稱可以用星座、血型等指標來智能風控，卻是噱頭大于實際功效，與傳統金融的本質并不相符。
邁向金融3.0時代
“銀行3.0時代已經來臨。”中國銀監會主席郭樹清曾表示，銀行業要利用金融科技，依托大數據、云計算、區塊鏈、人工智能等新技術，創新服務方式和流程，整合傳統服務資源，聯動線上線下優勢，提升整個銀行業資源配置效率，以更先進、更靈活、更高效地響應客戶需求和社會需求。
實際上，這個“銀行3.0時代”僅僅是金融科技的一個縮影。從當前金融行業的發展現狀可見，以大數據、人工智能等技術服務為核心的金融科技已經從概念階段，逐步邁入了實踐落地的層面，不僅真正體現在金融機構或者各互金平臺的日常運營層面，更讓金融與AI技術實現了場景間的融合創新。
如上文所言，融合發展的背后，就意味著顛覆和改變。如今由于AI技術的助力，不僅讓傳統金融的信息采集來源擴容，風險定價模型智能化，投資決策過程規范化、信用中介角色正規化等，還大幅提升了傳統金融的效率，解決傳統金融的痛點。
需要明確的是，“AI+金融”的結合效應還遠不止于此。通過洞悉用戶的需求，以及和AI技術的結合，金融機構或金融科技公司可以根據用戶的行為軌跡洞察到他的需求和風險偏好，自動為其進行資產配置，并幫助用戶追蹤、監控風險，使得有理財需求的用戶享受到“智能”級別的資產配置服務。
理性選擇理論對行為主體“認知”問題的學術處理，從“經濟人”到“理性經濟人”并沒有顯著的變化。古典經濟學框架下的理性選擇理論以完全信息假設為前提，將行為主體（個人）界定為無本質差異和不涉及個體間行為互動，不受認知約束的單純追求自身福利的“經濟人”（約翰·伊特韋爾等，1996）。新古典經濟學的理性選擇理論將行為主體界定為“理性經濟人”，它同樣以完全信息假設為前提，研究了被古典經濟學忽略的選擇偏好，通過對“偏好的內在一致性”的解析，論證了個體能夠得知選擇結果的抽象認知(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954)。這里所說的抽象認知，是指行為主體沒有經歷具體認知過程而直接關聯于效用函數的一種認知狀態，這種狀態在新古典理性選擇理論中的存在，表明“認知”是被作為外生變量處理的。
現代經濟學的理性選擇理論開始嘗試將“認知”作為內生變量來研究。現代主流經濟學從人的有限計算能力、感知、意志、記憶和自控能力等方面研究了認知形成及其約束（Salvatore， 1999；Schandler，2006；Rubinstein，2007），認為認知是介于偏好與效用之間，從而在理論研究上處于不可逾越的位置，只有對認知進行研究，對偏好和效用的研究才能接近實際。現代非主流經濟學注重于運用認知心理學來研究人的認知形成及其約束（Kahneman and Tversky，1973，1974，1979；Smith，1994），它通過實驗揭示了一些反映認知心理進而影響選擇行為的情景，如確定性效應、錨定效應、從眾行為、框架依賴、信息存疊等，以論證傳統理論忽視認知分析而出現的理論與實際之間的系統性偏差。
但是，經濟學理性選擇理論對認知的分析和研究，是在預先設定規則的建構理性框架內進行理論演繹和推理的，它們對認知的解釋，通常表現為一種規則遵循。例如，新古典理性選擇理論關注個體應怎樣符合理性（最大化）的選擇，而不是關注個體的實際選擇，它對認知的學術處理是從屬于效用最大化的（Harsanyi，1977）。現性選擇理論所關注的，或是在忽略認知的基礎上建立解釋和預測實際選擇的理性模型來說明實現效用最大化的條件，以闡釋個體如何選擇才符合理性（Edgeworth，1981）；或是通過行為和心理實驗來解說實際選擇的條件配置，以揭示實際選擇的效用函數（Kahneman and Tversky，1973，1974，1979；Smith，1994），因而對認知的學術處理同樣是從屬于效用最大化的。基于選擇的結果是效用，而認知與偏好都內蘊著效用形成的原因，我們可以認為，經濟學在將個人追求效用最大化視為公理的同時，也在相當大的程度上表明理性選擇理論對效用函數的描述和論證，不是依據數據分析而是一種通過理論預設、判斷和推理得出的因果思維模式。
因果思維模式在信息完全和不完全情況下的效應是不同的。在信息不完全狀態下，如果研究者以信息完全預設為分析前提，依據自己掌握的部分信息對問題研究做出因果邏輯判斷和推論，則其不一定能得到正確的認知。在信息完全狀態下，研究者不需要有預設的分析假設，也不需要依賴邏輯判斷和推論，而是可以通過數據高概率地獲取正確的認知。經濟學的信息完全假設對認知研究的影響是廣泛而深刻的。例如，新古典經濟學假設選擇者擁有完全信息，能夠實現效用最大化，它對偏好與認知以及認知與效用之間因果關系的邏輯處理，是通過可稱之為屬于該理論之亞層級預設的“給定條件約束”實現的（信息完全假設是第一層級預設）。在該理論中，偏好被規定為是一種處于二元化的非此即彼狀態，認知在“選擇者知曉選擇結果（效用）”這一亞層級預設下被跳越。很明顯，這種因果思維模式有助于使其建立精美的理性選擇理論體系，但由于沒有對認知階段作出分析，它很容易嚴重偏離實際。
現代主流經濟學的理性選擇理論偏離現實的程度有所降低，原因在于開始重視認知的研究。半個多世紀以來的經濟理論研究文獻表明，現代主流經濟學的理性選擇理論正在做逐步放棄完全信息假設的努力，它對偏好與認知以及認知與效用之間因果關系的邏輯處理，是在質疑和批評新古典經濟學偏好穩定學說的基礎是進行的，該理論用不穩定偏好取代偏好的內在一致性，解說了認知的不確定性，以及不完全信息和心理活動變動等如何對認知形成約束，以此質疑和批評新古典經濟學的期望效用函數理論，并結合認知分析對個體選擇的效用期望展開了深入的討論。相對于新古典經濟學的理性選擇理論，雖然現代主流經濟學的理性選擇理論仍然是因果思維模式，但它有關偏好與認知以及認知與效用之因果鏈的分析銜接，明顯逼近了實際。
現代非主流經濟學的理性選擇理論不僅徹底放棄了完全信息假設，而且徹底放棄了主流經濟學中隱性存在的屬于新古典理論的某些“給定條件約束”。具體地講，它對偏好與認知以及認知與效用之間因果關系的論證，不是基于純理論層次的邏輯分析，而是從實驗過程及其結果對這些因果關系做出解說。至于效用最大化，該理論則認為認知與效用最大化的關聯，并不像先前理論描述的那樣存在直接的因果關系。現代非主流理性選擇理論通過實驗得出一個試圖取代傳統效用函數的價值函數（Kahneman and Tversky，1979），該函數體現了一種以實驗為分析底蘊的不同于先前理論的因果思維模式，開啟了以實驗數據作為解析因果關聯的理論分析先河。但由于現代非主流理性選擇理論畢竟還是一種因果思維模式，因而同先前理論一樣，在理論建構上它仍然具有局限性。
從理論與實踐的聯系看，經濟學理性選擇理論的因果思維模式之所以具有局限性，乃是因為它用于分析的信息是不完全和不精確，甚至有時不準確，以至于造成認知不正確和決策失誤。當研究者以不準確或不精確的信息來探尋因果關系時，極有可能致使認知出現偏差；而當認知出現偏差時，理論研究和實際操作就會出問題。誠然，因果思維模式本身并沒有錯，但問題在于，單純從現象形態或單純從結果所做出的理論判斷和推論，不足以讓研究者揭示真實的因果關系。人們對因果關系的理解過程伴隨著認知的形成過程，在非數據支持的因果思維模式存在局限性的情況下，經濟學家依據這種模式所構建的理性選擇理論，難以得到符合實際的認知理論。那么，在未來世界是什么影響和決定認知呢？人類認知有沒有可能達到準確化呢？我們把目光聚焦于大數據，或許能夠找到問題的答案。
二 、運用大數據能獲得正確認知嗎？
在迄今為止的經濟理論研究文獻中，經濟指標或行為指標所選用的樣本數據，不是互聯網和人工智能時代所言的大數據。大數據具有極大量、多維度和完備性等特征，極大量和完備性表明大數據有可能提供完全信息，多維度意味著信息可以通過大數據的相關性得到甄別和處理。廣而論之，人類的行為活動表現為一個龐大的數據堆積，個別行為所產生的數據只是這個龐大數據的元素形式。如果我們以人們的投資和消費活動作為考察對象，對大數據蘊含的因果關系以及由此得出的認知進行分析，那么，我們可認為投資和消費不僅在結果上會產生大數據，而且在運作過程中也會產生大數據。換言之，投資行為和消費行為在“結果”上顯示極大量數據的同時，也在“原因”上留下了極大量數據讓人們去追溯。因此，人類要取得因果關系的正確認知，離不開大數據，而在樣本數據基礎上經由判斷和推理得出的針對因果關系的認知，至少是不全面的，它不足以作為人們投資和消費選擇的科學依據。
1、運用大數據分析因果關系的條件配置
人類認知的形成離不開因果關系分析，但運用大數據來分析因果關系以求獲取正確的認知，必須具備以下條件配置：1、移動設備、物聯網、傳感器、社交媒體和定位系統等的覆蓋面要足夠大，以便能搜取到極大量和完備性的數據；2、需要探索對極大量（海量）數據的算法，能夠對大數據進行分類、整合、加工和處理；3、需要厘清和區別數據的不同維度及權重，以至于能夠運用大數據來甄別因果關系的內在機理。顯然，人類從兩百年前的工業革命到今天的信息革命，對數據的搜集、整合、加工和處理還不全然具備以上的配置條件，人類運用大數據來分析因果關系，還剛剛處于起步階段。
聯系經濟學理論看問題，經濟學家分析投資行為和消費行為以及對其因果關系的研究，主要是在抽象理論分析基礎上運用歷史數據來完成的。其實，對投資行為和消費行為的研究，不能只是從結果反映的數據來考量，即不能只是局限于歷史數據分析，還需要從即時發生的數據，乃至于對未來推測的數據展開分析。這可以理解為是運用大數據思維來研究經濟問題的真諦。從大數據觀點看問題，投資和消費的因果關系應該是歷史數據流、現期數據流和未來數據流等三大部分構成的。經濟學實證分析注重的是歷史數據流，很少涉及現期數據流，從未考慮過未來數據流，因此，現有經濟理論文獻的實證分析以及建立其上的規范分析，很難全面反映或揭示經濟活動的真實因果關系。
2、未來幾十年大數據揭示因果關系的可行性
在互聯網悄然改變人類經濟、政治和文化生活的當今社會，互聯網的發展歷史可理解為經歷了三個階段：從前期“人與信息對話”的1.0版本，經由中期“信息與信息對話”的2.0版本，近期正走向“信息與數字對話”的3.0版本，互聯網版本的不斷升級是大數據運用范圍不斷擴大的結果，這是問題的一方面。另一方面，隨著互聯網、移動互聯網以及物聯網技術等的廣泛運用，人類各種活動的數據將極大量地被搜集，人們行為的因果關系也會以迂回方式通過數字關系顯露出來。特別地，若互聯網在將來發展成“數字與數字對話”的4.0版本，這樣的發展方向則明顯預示著數字關系將取代因果關系，或者說，數據思維將取代因果思維，人類將全面進入大數據和人工智能時代。
如果我們把互聯網版本的不斷升級以及大數據運用范圍的無邊界擴大，看成是未來幾十年運用大數據來分析因果關系的重要配置條件，那么，如何對大數據的整合、分類、加工和處理，以及如何通過大數據的完備性和相關性來獲取因果關系的真實信息，則是另外兩個重要的配置條件。工業革命后的人類科學文明對因果關系揭示的主要方法和路徑，是先利用掌握的信息再通過抽象思維建立復雜模型，然后在實驗室通過試錯法來設置能反映因果關系的參數使模型具有操作性；但這種方法和路徑涉及的數據，是樣本數據而不是大數據。在大數據和人工智能時代，智慧大腦是使用“數據驅動法”來設置模型和參數的（吳軍，2016）。具體地講，是用云計算集約化及其運算模式來整合、分類、加工和處理大數據，通過數據之間的相關性來探尋在樣本數據基礎上無法判斷和推論的信息；同時，對模型的處理，不是建立復雜模型而是建立許多簡單模型，并通過數以萬計的計算機服務器對模型進行優化和設定相應的參數，以至于完完全全地運用大數據來揭示因果關系。
有必要說明的是，數據驅動法使用的數據不僅包括“行為數據流”，而且在某些特定場景中，還包括“想法數據流”；前者是指歷史數據和當前發生的數據，后者是指從已知數據的相關性所推測的未來數據。社會物理學認為，人們實際行為與“想法流”之間有著可以通過大數據分析而得到的可靠數量關系，這種關系會通過互聯網成為一種改變人們選擇行為的重要因素（阿萊克斯?彭特蘭，2015）。誠然，在未來幾十年，數據驅動法是否能成功地成為解析因果關系的有效方法，尚有待于大數據運用的實踐，特別是有待于它在人工智能運用上之成效的檢驗。不過，數據驅動法作為解析因果關系的一種重要方法，無疑是智慧大腦的人機結合在大數據思維上的重要突破，它至少在如何展開大數據思維上打開了解析因果關系的窗口。
3、運用大數據分析因果關系所獲取的認知，包括對歷史數據分析的歷史認知，對現期數據分析的現期認知，以及推測未來數據而形成的未來認知
經濟學家運用大數據來研究經濟現象的因果關系，對經濟現象原因和結果關聯的解讀，只有以極大量、多維度和完備性的數據為依據，才是大數據意義上的思維。大數據思維較之于傳統邏輯思維，最顯著的特征是它可以通過對不同維度數據之間相關性的分析，得到比傳統邏輯思維要精準得多的信息。這里所說的精準信息，是指由大數據規定且不夾帶任何主觀判斷和推測的信息。例如，經濟學家要得到特定時期某類（種）產品的投資和消費的認知，其大數據思維過程如下：1、搜集、整理和分類前期該類產品的投資和消費的極大量和完備性的數據；2、加工和處理業已掌握的數據，并在結合利潤收益率、投資回收期、收入水平和物價水平等的基礎上解析這些不同緯度的數據；3、根據不同緯度數據的相關性，獲取該類產品投資和消費的精準信息，從而得出如何應對該產品投資和消費的認知。當然，這只是在梗概層面上對運用大數據分析而獲取認知的解說，現實情況要復雜得多。
然則，現有的關于投資和消費的模型分析以及建立其上的實證分析，主要是以非大數據的歷史數據作為分析藍本的，因此嚴格來講，經濟學對投資和消費的因果關系分析所形成的認知，屬于典型的對歷史數據分析所形成的歷史認知。眾所周知，自經濟理論注重實證分析以來，一直存在著如何“從事后評估走向事前決策”問題的討論。由于經濟學家對投資和消費展開實證分析所使用的數據，幾乎完全局限于（樣本）歷史數據，這便導致對投資和消費的因果關系分析對現期認知和未來認知的缺位，它不能解決“從事后評估走向事前決策”問題。國內一些著名的成功人士指責經濟學家不能解決實際問題。在我們看來，不熟悉大數據的成功人士的這種指責是可以理解的，但深諳大數據的成功人士帶有調侃風味的指責就不公允了。經濟學家要在理論上立竿見影地解決實際問題，必須能得到現期數據和未來數據（而不僅僅是歷史數據），這需要計算機學家的配合和支持，否則便不能在精準信息的基礎上分析投資和消費的因果關系，但經濟學家又不是計算機學家，因此，經濟理論的科學化需要大數據挖掘、搜集、整合、分類、加工、處理、模型和參數設置、云計算等技術及其手段的充分發展。
歷史數據是存量，目前計算機對其處理的能力已綽綽有余，難點是在于模型和參數設置；現期數據是無規則而難以把控的流量，對這種流量數據的挖掘、搜集、整合、分類、加工和處理，取決于移動設備、物聯網、傳感器、社交媒體和定位系統的覆蓋面，以及云計算的集約化的運算能力；未來數據是一種展望流量，它依賴于對歷史數據和現期數據的把握而通過大數據思維來推測。如果說經濟學家對投資和消費的因果分析以及由此產生的認知，主要取決于歷史數據和現期數據，那么，解決“從事后評估走向事前決策”問題，既要依賴于歷史數據和現期數據，也離不開未來數據。也就是說，在“歷史數據 + 現期數據 + 未來數據 = 行為數據流 + 想法數據流”的世界中，經濟學家要解決實際問題，其理論思維和分析手段都受制于大數據思維，經濟學家運用大數據分析因果關系而得到正確認知的前提條件，是必須利用歷史數據、現期數據和未來數據以獲取精準信息。
就人類認知形成的解說而論，現有的社會科學理論是以信息的搜集、整理、加工、處理、判斷和推論，作為分析路徑來解釋認知形成的。當認知被解釋成通過數據的挖掘、搜集、整合、分類、加工和處理而形成，對認知形成的解釋，就取得了大數據思維的形式。大數據思維是排斥判斷和推論的，它否定一切非數據信息，認為產生精準信息的唯一渠道是大數據。在現有的社會科學理論中，經濟學的理性選擇理論對人類認知的分析和研究具有極強代表性，經濟學家對投資選擇和消費選擇的解釋，便是理性選擇理論的代表性運用。基于人類認知形成和變動的一般框架在很大程度上與理性選擇理論有關動機、偏好、選擇和效用等的分析結構有很強的關聯，我們可以結合這個理論來研究大數據思維下人們對經濟、政治、文化和思想意識形態等的認知變動。事實上，經濟學關于動機、偏好、選擇和效用等關聯于認知的分析，存在著一種可以通過對大數據思維的深入研究而得以拓展的分析空間，那就是大數據思維會導致人類認知的變動。
三 、大數據思維之于認知變動的經濟學分析
我們研究這個專題之前有必要指出這樣一個基本事實：大數據思維可以改變人的認知路徑，可以改變不同階段或不同場景下的認知形成過程，但改變不了影響認知的動機、偏好、認知和效用等的性質規定。如前所述，傳統經濟學理性選擇理論在完全信息假設下，認為個體選擇的動機和偏好以追求最大化為軸心，傳統理論的這個真知卓見從未被后期理論質疑；但由于傳統理論的完全信息假設存在著“知曉選擇結果”的邏輯推論，因而認知在傳統理論中是黑箱，也就是說，傳統理論無所謂認知的形成和變動問題。現代主流經濟學尤其是現代非主流經濟學在不完全信息假設下開始重視對認知的研究，在他們看來，認知形成過程是從理智思考到信息加工和處理的過程；他們特別注重從心理因素來考察認知變動（Schandler，2006；Rubinstein，2007；），注重通過實驗且運用一些數據來分析和研究認知（Kahneman and Tversky，1974，1979；Smith，1994），但這些分析和研究不是對極大量、多維度和完備性的數據分析。因此，經濟學理性選擇理論發展到今天，還沒有進入對大數據思維改變人類認知問題的討論。
1、經濟學家能否對選擇動機、偏好和效用期望等進行數據分析，決定其認知分析是否具有大數據思維的基礎
經濟學關于人類選擇動機、偏好和效用期望等反映人們追求最大化的基本性質分析，以及從這三大要素與認知關聯出發，從不同層面或角度對認知形成的分析，主要體現在理性選擇理論中。但這方面顯而易見的缺憾，是不能對動機、偏好、認知和效用等展開數據分析。現實的情況是，在大數據、互聯網、人工智能和機器學習等沒有問世或沒有發展到一定水平以前，經濟學家對這些要素只能做抽象的模型分析。經濟學理性選擇理論要跳出抽象模型分析，必須選擇具有解釋義或指示義的指標對動機、偏好和效用期望等進行數據分類分析，以便給認知的數據分析提供基礎，顯然，這會涉及抽象行為模型的具體化和參數設計的具體化，需要得到大數據和云計算集約化運算模式的支持（吳軍，2016）。作為對未來大數據發展及其運用的一種展望，如果經濟學家能夠圍繞最大化這一性質規定來尋覓動機、偏好和效用期望等的特征值，并以之來設置參數和模型，則有可能對直接或間接關聯于動機、偏好和效用期望的大數據進行分析，從而為認知分析提供基礎。
大數據的極大量和完備性有可能消除信息不完全，這給認知的數據分析提供可行性。誠然，選擇動機、偏好和效用期望等只是反映人們選擇的現期意愿和未來愿景，其極強的抽象性決定這樣的數據分析還有很大困難，但由于選擇動機、偏好和效用期望等會通過實際行為迂回地反映出來，因而我們可以找到解決這一困難的路徑。例如，人們在準備投資和消費以前，一般有各種調研活動，即對影響投資和消費的信息進行搜集、整合、分類、加工和處理，值得注意的是，這些調研活動會在移動設備、物聯網、傳感器、定位系統和社交媒體中留下大數據的痕跡，這些數據痕跡會從某個層面或某個角度顯現出投資者和消費者選擇動機、偏好和效用期望的傾向或意愿。
智慧大腦依據什么樣的標準來數據化這些傾向或意愿，從而對選擇動機、偏好和效用期望以及進一步對認知展開數據分析呢？這里所說的標準，是指通過云計算和機器學習等對人們實際行為的數字和非數字信息進行相關性分類，把反映選擇動機、偏好和效用期望的具有共性特征的傾向或意愿進行整理和歸納，以確定符合選擇動機、偏好和效用期望之實際的參數。如果智慧大腦能夠利用大數據、互聯網、人工智能和機器學習等完成以上工作，根據認知是偏好與效用的中介這個現實，智慧大腦便可以對認知進行大數據分析。如果經濟學家能夠利用智慧大腦提供的大數據分析成果，經濟學理性選擇理論將會隨著信息不完全假設前提變為信息完全假設前提，選擇動機、偏好和效用期望的抽象分析變為數據分析，認知的抽象框定或心理分析變為數據分析而發生重大變化。以上的分析性討論，是我們理解大數據思維改變人類認知之經濟學解釋的最重要的分析基點。
2、運用大數據思維進行偏好分析會改變認知形成的路徑，使經濟學理性選擇理論接近現實
現有的理性選擇理論有關動機和偏好的分析和研究（這里集中于偏好的討論），主要集中于偏好如何界定和形成以及如何隨認知和效用期望調整而發生變動等方面，并且這些分析和研究是采用“個體行為”為基本分析單元的個體主義方法論。在大數據時代，雖然個人、廠商和政府的選擇偏好仍然是追求最大化，個體選擇行為仍然是整個社會選擇的基礎，個體主義方法論仍然在一定程度和范圍內存在合理性，但互聯網平臺改變了選擇偏好的形成過程和機理。具體地說，現今人們的選擇偏好已不是經濟學理性選擇理論意義上的選擇偏好，而更多地表現為是一種以最大化為底蘊的具有趨同化特征的偏好。例如，某種產品投資或消費的介紹會和研討會，對某種產品投資或消費的點贊和評價，中央政府和地方政府關于某種產品投資或消費的統計數據，專家和新聞媒體對某種產品投資或消費的評說和報道，等等，都會成為人們選擇偏好出現一致性的催化劑。因此，經濟學理性選擇理論跳出抽象模型分析，已經在偏好分析上具備了大數據思維的條件和基礎。
智慧大腦與非智慧大腦的區別，在于能對人們消費和投資的偏好展開大數據分析，能通過大數據的搜集、整合、加工和處理，運用云計算得到來自不同維度數據之間相關性的精準信息，以至于能獲取建立在大數據分析基礎之上的認知。從理論上來講，偏好會影響認知但不能決定認知。就偏好影響認知而論，它主要是通過利益訴求、情感驅動、身心體驗和時尚追求等對認知產生誘導或牽引作用。但在非大數據時代，這些誘導或牽引作用無法數據化，于是經濟學家對偏好影響認知的研究便只能以抽象模型來描述。大數據思維對偏好影響認知的處理，是使用以許多簡單而相對具體的模型取代高度抽象的單一模型，運用數據驅動法來設置參數和模型，對利益訴求、情感驅動、身心體驗和時尚追求等偏好特征進行解讀，這樣便實現了很多非數據化信息的數據化，從而使以偏好為基礎的在理論上對認知變動的研究有了新的分析路徑。
阿里巴巴公司正在奮力打造的線上和線下相結合的“新零售”模式，是以大數據分析和運用的阿里云平臺為背景和依托的。這個模式試圖通過充分搜集、整合、分類、加工和處理已發生的歷史消費數據，正在發生的現期消費數據和有可能發生的未來消費數據，捕捉人們消費偏好的動態變化，以期構建符合大數據思維的全新商業業態。撇開新零售模式在運營過程中的諸如數據處理、機器學習和人工智能運用等技術問題，僅以該模式對人們消費行為的系統梳理、分級整合及相關處理來說，它無疑會在引領人們消費行為的同時促動消費趨同化偏好的形成。尤其值得關注和研究的是，隨著該模式運營所積累的數據量全然達到大數據的標準，人們的消費認知將會在消費趨同化偏好的導引下發生變化，這種情形不僅會發生在消費領域，投資領域也會出現投資趨同化偏好。很明顯，趨同化偏好具有共性特征，它在很大程度上是對個體選擇偏好的否定，對于這種偏好所導致的認知應該怎樣理解呢？這個問題需要進一步研究。
3、在大數據時代，趨同化偏好會改變認知形成過程，消費者和投資者的認知不再是自己獨立思考和理智判斷的產物，而是在趨同化偏好驅動下對智慧大腦認知的認同
廠商的投資選擇偏好是追求利潤最大化，這一永恒的事實不妨礙或排斥投資趨同化偏好的形成。一般來講，大數據發展初期的互聯網平臺對選擇趨同化偏好形成的作用力，在消費領域要比投資領域來得更加直接和迅速。究其原因，是兩大領域的機會成本和風險程度不同的緣故。但隨著大數據、云計算和機器學習等的充分發展，智慧大腦有可能對歷史、現期和未來的大量投資數據進行搜集、整合、加工和處理，有可能通過云計算集約化模式來分析不同維度數據之間相關性而獲得精準信息，同時，智慧大腦會根據市場“行為數據流”折射出“想法數據流”而產生預見能力，尋覓和遴選出高收益的投資方向和投資標的。若此，智慧大腦投資選擇的勝算率（利潤率）將會大大提高，廠商會效尤智慧大腦進行投資選擇，從而出現投資趨同化偏好。經濟學曾經對諸如“羊群效應、蝴蝶效應、從眾行為、信息重疊”等現象有過許多研究（羅伯特?希勒，2001），但嚴格來講，這些研究是描述性的，不是聯系偏好和認知等的分析性研究。
消費和投資的趨同化偏好主要是針對消費者和投資者的選擇行為方式而言的，它不改變消費和投資選擇偏好的追求效用最大化的性質規定，這是問題的一方面。另一方面，在將來大數據充分發展的鼎盛時期，消費和投資的趨同化偏好會改變認知形成過程，這可以從兩種意義上來理解：1、從原先通過對信息進行搜集、整合、分類、加工和處理來獲取認知，轉變為通過對數據的搜集、整合、分類、加工和處理來獲取認知；2、消費者和投資者的認知不再是自己獨立思考和理智判斷的產物，而是在趨同化偏好的驅動下認同智慧大腦的認知。關于第一點，大數據思維的認知之所以會取代獨立思考和理智判斷的認知，乃是因為它能夠運用云計算集約化模式將消費和投資的歷史數據、現期數據甚至未來數據進行分類處理和相關性分析，能夠運用數以萬計的計算機服務器對特定事物的因果關系展開深度機器學習，從而通過分類和歸納不同維度數據而得到精準信息（精準醫療就是基于此原理）。人類對因果關系探索的手段和路徑發生變化，認知的形成過程及其機理就會發生變化。
關于第二點，消費者和投資者在未來放棄對信息的搜集、整合、分類、加工和處理，認同和效尤智慧大腦的認知來進行選擇，這可理解為是他們進行效用比較（投入與收益）時的“幡然悔悟”。尤瓦爾?赫拉利（2017）有關一切有機和無機實體都可以運用算法來解構的前景預期，（吳軍，2016）關于未來制造業、農業、醫療、體育、律師業甚至新聞出版業都將由大數據統治的觀點，凱文?凱利（2014）以大數據和人工智能為分析底蘊對新經濟十大重要準則的論述，均認為具有大數據思維且不作出主觀判斷的智慧大腦將是未來世界的操控者，而Master和AlphaGo戰勝世界頂級圍棋高手的實踐，則顯露了人工智能完全有可能戰勝人腦的端倪。現實中的普通消費者和投資者通常只是依據有限或不準確的信息進行消費和選擇，經濟學家也只是根據有限或不準確的信息進行因果關系分析而得出認知，因此，相對于智慧大腦的選擇效用，消費者和投資者是相形見絀，經濟學家的理論見解和政策主張往往不吻合實際。
智慧大腦是運用大數據思維而超越一般智人大腦的大腦。不過，從性質上來講，極少數擁有智慧大腦的人通過對數據的搜集、整合、分類、加工和處理所得到的認知，仍然屬于人的認知。需要強調指出的是，這種認知不同于經濟學理論及其他社會科學理論所闡述和論證的認知，它是在大數據思維驅動下的人類認知。對于這種新型認知的理解，如果我們結合經濟學理性選擇理論對其展開解說，則有著基礎理論的分析價值。
4、在未來，智慧大腦的認知將引領非智慧大腦的認知，其結果是導致認知趨同化
熟悉經濟學理性選擇理論的學者知道，無論經濟學家是從信息的搜集、整合、分類、加工和處理獲取認知，還是通過心理分析或行為實驗獲取認知，他們都是在不完全信息或有限理性約束下進行的，這不僅存在著以不精準信息推論認知的問題，而且存在認知形成過程的主觀判斷問題。智慧大腦運用大數據思維所形成的認知的最大特點，是在接近完全信息基礎上獲取認知的，并且不夾帶任何主觀判斷。現代未來學家曾分別從不同角度和層面對大數據、互聯網和人工智能展開了許多討論，他們的共同見解是認為大數據的極大量、多維度和完備性將有可能解決信息不完全問題（包含信息不對稱），并且能夠給人類選擇提供精準信息。倘若如此，人類的認知問題便完全成為智慧大腦對數據的搜集、整合、分類、加工和處理問題，一旦人類可以通過大數據思維獲取精準信息和完全信息，經濟學理性選擇理論將會在根基上被顛覆。
智慧大腦只有極少數人才具備，絕大部分人（包括智人）都是非智慧大腦。在未來世界，智慧大腦將引領非智慧大腦進行選擇。這一引領過程是由前后相繼的兩個階段構成：一是智慧大腦運用大數據對偏好進行分析，通過互聯網將偏好傳送給具有從眾心理和從眾行為傾向的非智慧大腦，形成非智慧大腦的趨同化偏好；另一是智慧大腦運用大數據分析獲取認知，同樣是通過互聯網讓非智慧大腦效尤智慧大腦的認知，形成趨同化認知，從而使非智慧大腦以智慧大腦的認知為認知來選擇。這些情形表明，未來人類智慧大腦將決定非智慧大腦的偏好和認知，進一步說，則是智慧大腦將影響非智慧大腦的選擇行為。這里有一個極其重要問題須討論：對絕大部分非智慧大腦而言，他們在選擇過程中是否還存在認知？事實上，無論是趨同化偏好還是趨同化認知，非智慧大腦的偏好和認知并沒有徹底消失，只是形成的路徑和內容發生了變化。關于這個問題的討論，聯系經濟學的認知理論進行比較分析，或許會有更深的理解。
如前所述，傳統經濟學以完全信息為假設前提，將認知作為理性選擇模型的外生變量，“認知”是被理論分析跳越的。現代經濟學以不完全信息為假設前提，在理性選擇模型中，努力通過心理和實驗分析把認知作為內生變量，易言之，“認知”被解釋為個體對信息進行搜集、整合、分類、加工和處理的結果，顯然，以上分析在分析對象、分析方法和分析路徑上，是與大數據思維不同的。現代經濟學理性選擇理論所分析的個體，是通過邏輯推論所抽象出來的蕓蕓眾生；雖然智慧大腦也可以看成是個體，但人數極少，是具有大數據思維之共同特征的個體。現代經濟學理性選擇理論是借助于偏好分析來研究認知的，雖然認知已在一定程度上被視為內生變量，但分析方法和路徑仍然是邏輯判斷或推論為主；大數據思維對認知分析將會采用的方法和路徑，是搜集、整合、分類、加工和處理數據，試圖從極大量、多維度和完備性的數據中獲取精準信息以得出認知。因此，盡管認知出現了趨同化，人類在大數據思維下仍然存在認知，只不過是非智慧大腦放棄自己的認知而統一于智慧大腦的認知罷了。
總之，偏好和認知的趨同化顯示了大數據思維的魅力，這種魅力根植于大數據能夠經由智慧大腦而產生精準信息。其實，智慧大腦如何設置參數和模型，如何運用云計算集約化模式，如何利用互聯網以及尋覓廣泛使用人工智能的方法和途徑等，主要是計算機運用層面上的技術問題。我們研究大數據思維下人類認知變動需要重點關注的，是非智慧大腦究竟還有沒有認知，其效用期望會呈現什么樣的格局？既然非智慧大腦只是沒有獨立認知而不是完全跳越了認知，那么非智慧大腦便存在著效用期望，關于這種效用期望，我們可以聯系效用函數來解說。
四 、認知結構一元化與效用期望變動的新解說
經濟理論對選擇行為與效用期望之間動態關聯所建立的基本分析框架，展現出一幅“偏好認知選擇效用期望”的圖景。各大經濟學流派的理性選擇理論對這幅圖景中的 “”有不同的解說和取舍（前文有所涉及），概括來說，或側重于分析這些箭頭前后要素之間的相互關聯，或側重于分析這些箭頭前后要素之間的影響和決定作用。但就人們選擇動機和目的與效用之間的關聯而論，幾乎所有理論都不懷疑“追求自身利益最大化”的公理性，于是，“最大化”在成為效用函數核心變量的同時，也在一定程度上被作為理性選擇的判斷標準。以上圖景的邏輯分析鏈是建立在信息不完全分析假設上的，各大經濟學流派的理性選擇理論對這條邏輯分析鏈各環節的不同解說所產生的理論分歧，可歸結為是在信息不完全假設分析框架內的分歧。值得學術界關注的是，當大數據在未來有可能提供完全信息時，這些分歧將會讓位于新的理論探討。
經濟學家對效用函數的研究是與認知分析緊密相聯的。但無論是傳統經濟理論還是現代經濟理論，他們對效用函數以及最大化問題的研究存在著共性，即這些研究都是建立在抽象的認知結構一元化基礎上的。具體地說，傳統經濟理論在完全信息假設上認為，選擇者可以得到“獲悉選擇結果的認知”，從而主張用“最大化”來描述選擇者的效用函數。現代主流和非主流經濟理論在不完全信息假設上認為，選擇者受有限理性約束不可能得到“獲悉選擇結果的認知”，從而主張不可用“最大化”來描述選擇者的效用函數。這里所說的抽象認知結構一元化，是指不是以具體的認知主體作為分析對象，而是把整個人類描述為一個同一的抽象主體，讓“最大化”問題成為效用函數的核心問題。在大數據思維的未來世界，隨著信息有可能出現完全化，“最大化”問題將會成為不是問題的問題。
誠然，智慧大腦對大數據進行搜集、整合、分類、加工和處理，并通過云計算、機器學習乃至于根據人工智能實踐來選擇參數和設置模型，仍然沒有越出追求自身利益最大化這一效用函數的性質規定，但由于智慧大腦的認知形成過程是建立在具有極大量、多維度和完備性的大數據基礎之上的，大數據能夠提供完全信息的特點有可能會讓智慧大腦取得效用最大化。人類絕大部分選擇者是非智慧大腦者，從科學意義上來講，大數據對他們可謂是長期的黑箱，而他們依據自己認知所做出的選擇又不可能實現效用最大化，于是，非智慧大腦者將以智慧大腦者的認知作為自己認知而做出選擇，這便形成了大數據時代實際意義上的一元化認知結構。如果說我們劃分智慧大腦和非智慧大腦是對人類選擇主體的一種新界定；那么，我們揭示這兩大選擇主體實際意義上的一元化認知結構，則是對大數據時代人類認知問題的一種新解說。
大數據背景下人類實際意義上的認知結構一元化，將是未來發展的一種趨勢，相對于經濟理論抽象意義上的認知結構一元化，它容易把握和理解。但它在將來能否成為一種固定化趨勢，取決于智慧大腦在經濟、政治、文化和思想意識形態等領域進行選擇時獲得的效用函數值。對于該效用函數值的預期，大數據思維下的智慧大腦是具備這種能力的。從經濟理論分析看，對效用函數值的討論，將涉及內蘊且展示效用函數的效用期望問題的討論。傳統經濟學的期望效用函數理論，是一種運用數學模型論證選擇者能夠實現最大化的理性選擇理論（(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954），現代非主流經濟學是在分析風險厭惡和風險偏好的基礎上，用一條S型的價值（函數）曲線取代傳統的效用函數，并通過相對財富變動對選擇者感受的分析，解析了選擇者的效用期望會不斷發生調整的情形（Kahneman and Tversky，1979）。那么，大數據時代選擇者的效用期望會發生怎樣變動呢？
人類社會發展的歷史表明，人的主觀期望與實際選擇結果之間會發生經常性偏離。選擇者的效用期望能否實現最大化，一是取決于選擇者能否得到完全信息，另一是取決于選擇者認知過程的科學化。事實上，現代經濟學對傳統經濟學以最大化為核心的效用函數的質疑和批評，主要是圍繞信息不完全和忽略認知過程展開的。大數據時代存在著提供完全信息的可能性，而智慧大腦利用互聯網和運用云計算、機器學習和人工智能等手段，正在實現著認知過程的科學化，這便提出了經濟學必須回答的兩大問題：1、大數據思維下的人類選擇是否可以實現最大化，2、大數據思維下選擇者的效用期望會不會發生調整。這是現代經濟學沒有提及的兩大問題，但當我們分別從智慧大腦和非智慧大腦來討論這兩大問題時，結論或許會讓篤信經濟學經典理論的學者大跌眼鏡。
在未來世界，隨著互聯網平臺的日新月異以及移動設備、物聯網、傳感器、社交媒體和定位系統等搜集大數據手段的覆蓋面的日益擴大，大數據的極大量、多維度和完備性給人類選擇提供了完全信息的基礎。智慧大腦在云計算、機器學習和人工智能等的支持下，以數據分析為基礎的認知過程也越來越科學化，于是，智慧大腦便可以知曉選擇過程的結果，有可能實現最大化，這說明智慧大腦不存在效用期望的調整問題。另一方面，非智慧大腦以智慧大腦的認知為自己的認知，其效用期望完全依附于智慧大腦的效用期望。具體地說，非智慧大腦不對數據進行搜集、整合、分類、加工和處理，跳越了認知過程，同樣不存在效用期望的調整問題。非智慧大腦效用期望完全依附于智慧大腦效用期望的情形，或者說，非智慧大腦以智慧大腦效用期望為自己效用期望的情形，統一于智慧大腦與非智慧大腦的認知結構一元化。如果要追溯非智慧大腦效用期望的變動，那就是從原先屬于自己的效用期望轉變成了智慧大腦的效用期望。
智慧大腦有可能實現最大化，以及不存在效用期望調整是一回事，但智慧大腦能否在所建模型中給定效用期望值卻是另一回事。效用期望作為一種主觀預期或判斷，它不會在互聯網上留下可供大數據分析的歷史數據流、現期數據流和未來數據流，也就是說，不會在互聯網上留下可供大數據分析的行為數據流和想法數據流，這在決定智慧大腦難以跟蹤、模擬和推論效用期望值的同時，也給非智慧大腦放棄認知而效尤智慧大腦提供了某種聊以。推崇人工智能可以替代人腦的學者，好用Master和AlphaGo戰勝世界頂級圍棋高手的事實作為這種替代的立論依據，但無論我們怎樣在大數據分析、機器學習和人工智能運用等方面進行深度挖掘，也找不到智慧大腦能在所建模型中給定效用期望值的科學依據。智慧大腦不能確定效用期望值，也就規定了非智慧大腦不能確定效用期望值。這又提出了一個在理論上有必要回答的問題：非智慧大腦還有沒有效用期望？
在經濟社會，智慧大腦和非智慧大腦的投資和消費選擇的效用期望都是追求最大化，這一點是永恒的。但問題在于，非智慧大腦以智慧大腦的認知為自己認知，以智慧大腦的選擇作為自己選擇的情形，會使自己的效用期望完全停留在期望智慧大腦選擇結果的形式上，這可以解釋為大數據時代非智慧大腦的效用期望的一種變動。但對于這樣的效用期望的理解，與其說它是一種效用期望，倒不如說它是一種效用期待。社會經濟的精英是人數極少的智慧大腦群體，但推動投資和消費的是占人口絕大多數的非智慧大腦群體。因此，非智慧大腦群體的偏好、認知、選擇和效用期望，應該是理性選擇理論研究的重點。關于這一研究重點的邏輯和現實的分析線索，是大數據思維趨同化偏好趨同化認知認知結構一元化最大化效用期望。不過，這條分析線索包含著許多本文或有所涉及或尚未涉及的交叉性內容，它需要我們在繼續研究大數據思維改變人類認知這一理論專題時，做出進一步深入的探討。
關鍵詞：數字經濟；財務會計；管理會計；人工智能
隨著大數據、云計算、區塊鏈、人工智能等技術的創新、應用和推廣，數字經濟已深入到各個領域、各個層面，會計信息出現幾何式地爆發增長，數字經濟逐漸凸顯出顛覆和重塑財務管理領域的威力，使得單純的財務會計或管理會計難以滿足現代企業高速發展的需要，現代企業的發展需要財務會計和管理會計的協同發展。
一、財務會計與管理會計的內涵及關系
財務會計是對企業經濟業務進行確認、記錄、計量和報告，向信息需要者提供財務信息的經濟管理活動。管理會計是深度參與企業戰略規劃、管理決策、內部控制與績效管理活動，并為這些活動提供有價值的信息，以促進企業順利實現戰略目標的經濟管理活動。1.財務會計與管理會計的共通點一是同屬于會計體系，財務會計與管理會計共同構成了有機的會計系統，兩者相互依存、制約和補充。二是目標相同，財務會計與管理會計作為會計的兩個分支，兩者共同為實現企業價值最大化服務。2.財務會計與管理會計的差異一是遵循準則不同。財務會計必須嚴格按照會計制度、會計準則、稅務法律法規等強制要求定期出具財務報表、進行稅金申報等。管理會計沒有固定的方法、標準、周期，根據管理者的需求和實際情況設定指標，一切以提高企業效率為準繩。二是服務對象、報告目的不同。財務會計主要通過對外報送各類報表、報告、披露財務信息等，服務單位外部具有經濟利益關系的相關者，主要起到“反映”的作用，通常被稱為“外部會計”。管理會計主要分析、研究經營活動中的具體問題、具體事項，提出、優化解決方案，為內部各層級管理者提供決策依據，主要起到“控制”的作用，通常被稱為“內部會計”。三是工作核心不同。財務會計的工作核心為業務反映，合法合規地反映企業在過去經營管理過程中人力、財力、物力等要素在供應、生產、銷售各個階段、各個環節上的采購、使用、消耗、分布等情況，保證企業定期財務報告的財務狀況、經營成果、現金流量的真實性、準確性、完整性，財務會計反映的業務主要發生在過去，是過去實際已經發生的經營管理活動。管理會計的工作核心為過程管理，對經營管理活動在事前進行預測、在事中進行跟進和控制、在事后進行回顧和分析，做到總結過去，汲取過去的經驗、教訓，從而更好地控制現在和指導未來；管理會計報表不受時間的約束和限制，可以編制未來的報表，也可以編制業務進行中的報表，還可以編制各期對比分析報表，時間維度、報表內容可以完全根據管理過程的需要而編制。四是工作內容、報告格式不同。財務會計的工作內容是企業全部的會計要素，是完整反映、監督企業的全部生產經營過程，所編制的報告信息需要按照統一格式。管理會計的工作內容可以是企業整體，也可以是企業內部的一部分，所提供的內部報告沒有統一格式，甚至報告的種類也沒有統一規定。
二、數字經濟時代財務會計與管理會計協同發展的必要性
1.相關概念（1）數字經濟。數字經濟是指以使用數字化的知識和信息作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。大數據、云計算、區塊鏈和人工智能是數字經濟的重要構成要素，數字經濟的發展主要依賴這些技術的共同發展。（2）大數據。大數據是指一種數據集合。大數據技術的核心在于對海量數據進行專業化的挖掘、穿透、分析等加工處理，最終實現數據增值的成果。（3）云計算。云計算是一種互聯網下的信息技術，本質是數據、信息、資源的集中和共享。（4）人工智能。人工智能就是使計算機去做過去只有人才能做的智能工作。人工智能的實質是算法和數據，是大數據、云計算、區塊鏈結合發展的更高階段。2.數字經濟時代對會計發展的要求一方面，財務轉型源于企業生存和發展的內在需求。隨著市場競爭日趨激烈，為爭取更大的市場份額，在成本壓力上升、利潤壓縮的環境下，大多數企業只能通過選擇提高決策水平、提升內部管理能力實現企業價值的最大化，這要求財務人員必須參與到企業決策和管理的全過程，收集分析財務信息、提供財務判斷，以支持企業決策和管理的科學性、準確性、及時性。另一方面，數字經濟技術為轉型提供了可行性。互聯網、大數據等技術的飛速發展，人工智能具備了完成基礎財務會計工作的能力，并且完成的準確性、時效性大幅度提高，釋放出了大量的財務基礎操作人員、復核人員，使得財務人員把時間和精力投入更高附加值的工作中成為可能。如，參與企業戰略制定、預算管理、成本管控等工作，并為這些工作提供有價值的信息。同時，數字經濟技術可以準確、快速地提供、加工、處理大量的數據信息。可見，數字經濟時代，當企業同時存在轉型需求，又具備轉型條件時，轉型成為必然。但是，財務會計向管理會計轉型并不意味著管理會計取代財務會計。之所以目前企業都在提倡財務轉型，是因為過去我國企業沒有開展管理會計工作，在目前數字經濟時代，需要有一部分財務人員轉而從事管理會計工作。但是這并不意味著財務會計不再重要，因為財務會計是管理會計的基石。同時，管理會計的發展又能倒逼財務會計提供更多、更規范、更有價值的企業經濟活動信息，促進財務會計更好發展。因此，只有財務會計和管理會計協同發展，才能更好地為企業管理與決策服務，更好地促進企業發展。
三、財務會計與管理會計協同發展存在的問題
1.Y公司簡介及財務會計與管理會計發展現狀Y公司是A股上市的快消品行業公司，行業的市場增長率25%。Y公司產品的市場占有率65%、市場增長率40%。Y公司作為A股上市公司，在完善財務會計體系的基礎上建立了管理會計體系，但目前財務會計體系與管理會計體系獨立運行。管理會計體系建立背景：在Y公司年度經營匯報會上，對于廣告費的投放金額，市場部匯報的是800萬元，財務部匯報的是1000萬元。對此，市場部的觀點是企業本年度簽訂了800萬元的合同。財務部的觀點是雖然當年公司簽了800萬元的廣告合同，約定自當年6月份開始在電視上播放8個月，當年共播放7個月，按照權責發生制原則入賬，廣告費當年的入賬金額應當為700萬元。但是，按照同樣的權責發生制原則，上一年度簽訂的廣告合同在本年度播放，應當計入本年度的費用是300萬元，合計1000萬元，并且在財務報表中只能按照1000萬元報出。為解決該類問題，財務部門牽頭梳理各管理層級、各部門的需求，協同信息管理部門利用數字經濟技術建立財務會計與管理會計協同發展體系：維護管理會計基礎信息，建立管理會計取數邏輯，自動生成管理報表，提供給內部管理者；維護財務會計基礎信息，建立財務口徑取數邏輯，自動生成財務報表，提供給外部利益相關者。2.財務會計與管理會計協同發展存在的問題及困境（1）將財務會計與管理會計獨自運行，而不是協同發展。某種意義上，財務會計是管理會計的基礎，管理會計是財務會計的提升，Y公司建立的管理會計體系獨立于財務會計體系運行，財務會計以權責發生制為基礎，管理會計以收付實現制為基礎，因此目前不能解決它們之間數據不一致的本質問題，阻礙了管理會計的應用與發展。（2）將無財務會計經驗的人員配備到管理會計崗位。目前，Y公司將個別無任何財務會計經驗的人員配備到管理會計崗位，管理會計只能出具管理角度的數據，對于與該管理角度數據相關的財務會計數據，沒有理論基礎和實務經驗，導致管理會計與財務會計完全是兩組數據，極端情況下出現滿足管理需求的數據未在財務會計角度進行及時披露。如上述管理廣告費的管理會計人員，其專業是品牌設計，無任何財務經驗，在年度預測時，提報的廣告費用是800萬元，但財務會計最后決算出的廣告費用是1000萬元。這也就意味著，年度決算利潤比預測利潤少了200萬元，該差異直接導致Y公司應當披露預測數據但沒有披露，造成Y公司信息披露不合規。（3）出現重管理會計、輕財務會計的傾向。Y公司為推進管理會計的順利實施，配備了大量的人力、物力、財力至管理會計，甚至抽調了一部分理論基礎扎實、執行能力強的財務會計人員至管理會計項目組，以致出現財務會計人員緊張的情況。實際上，Y公司作為A股上市公司，對財務會計信息承擔定期披露的義務，披露信息的準確性、及時性至關重要，不能在發展的過程中顧此失彼。（4）存在基礎數據重復維護現象。自從Y公司建立管理會計以來，經常聽到財務人員抱怨“天天在維護基礎數據”，財務會計系統維護一次，管理會計系統維護一次，兩套基礎數據在很大程度上是相同的。如在維護廣告費用的基礎信息時，項目名稱、合同金額、供應商名稱等接近90%的信息是相同的，財務會計系統僅需要增加維護受益期間。在這種情況下，相同數據維護兩次，造成人力資源的極大浪費。（5）存在取數邏輯重復設置問題。信息管理部在設置取數邏輯時發現，管理會計的某一段取數邏輯，在設置財務會計系統的取數邏輯時已經設置過，存在取數邏輯重復設置。取數邏輯的重復設置，一是造成不必要的取數環節增加，降低取數效率；二是造成存儲空間的浪費。
四、數字經濟時代財務會計與管理會計協同發展對策
1.建立科學的財務會計與管理會計協同發展模式財務會計與管理會計最好的關系是協同發展。財務會計要做到的是保證數據核算嚴格按照會計準則、政策法規；管理會計要做到的是既要能聽得懂業務在說什么、理解到業務需要什么，又需要深入領悟財務會計的核算原理，只有同時做到，才能有效地提出財務會計與管理會計協同發展的方案。如在系統中設置由權責發生制轉換為收付實現制的換算算法，確保兩者數據本質上的一致性等。以廣告費用為例，假設廣告費用的年度預算是800萬元，按照權責發生制以前年度簽訂合同受益期在今年的金額是300萬元。財務人員應當非常清楚今年簽訂的合同受益期在今年的金額不應超過500萬元，同時要輔導市場部理解：預算800萬元，不是可以簽訂合同的金額是800萬元；當合同的受益期部分在以后年度時，可以簽訂合同的金額可能高于或等于800萬元；當合同的受益期全部在當年時，可以簽訂合同的金額不高于500萬元。在此基礎上，利用數字經濟技術生成包括已簽合同金額、費用已入賬金額、尚可簽訂合同金額、費用尚可入賬金額等信息的報表，及時動態地反饋至市場部、管理者，以作為市場部簽訂廣告合同、管理者審批廣告合同的信息基礎。通過該過程，將廣告費用的管理會計數據同財務會計數據進行有效銜接，實現有效控制廣告費用的預算超支抑或廣告費用投入的不足。2.避免重復工作、提高運行效率維護一套全面、真實、完整的基礎數據，形成數據庫系統，同時建立財務會計、管理會計的取數邏輯、分析邏輯、穿透邏輯、報表模型等，根據各自的需求自數據庫系統讀取基礎數據，實現一套基礎數據同時生成財務會計報告和管理會計報告的需求，最大程度避免基礎數據的重復維護，提高數據提取效率。可行的情況下，將財務會計數據設計為管理會計數據的來源，避免取數邏輯的重復設置，以最少的數據維護，滿足財務會計和管理會計數據的提取。3.充分運用數字經濟技術借助大數據、云計算、區塊鏈等數字經濟技術對原始數據信息進行有效整合和管理，深入地、全方位地挖掘數據價值，人工智能完成基礎的、指令性的財務會計工作，釋放更多人力、時間完成財務會計的高難度工作、管理會計工作，以及財務會計與管理會計的協同發展工作。
五、結語
綜上所述，數字經濟技術已經深入到各領域，更是顛覆和重塑著財務管理領域，在此背景下，財務會計與管理會計的協同發展勢在必行，同時數字經濟技術又為兩者的協同發展提供了技術可行性。充分利用數字經濟技術實現財務會計與管理會計的協同發展，財務人員必須順勢挑戰、創新思維，由管理兼具賦能，由會計核算兼具支持管理和業務決策，必須夯實財務會計基礎，提高管理會計水平，實現財務管理的價值，實現企業增值的目的，最終實現股東財富最大化的目的。
參考文獻
1.陳婭.新形勢下管理會計與財務會計的融合思考.經濟管理文摘，2021（17）.
2.董潔.企業管理會計與財務會計融合策略思考.財經界，2021（24）.
3.劉小玲.如何促進企業財務會計和管理會計協同發展研究.商場現代化，2019（24）.
4.周彩英.互聯網視角下紡織企業財務會計與管理會計協同發展展望.市場觀察，2019（11）.
關鍵詞：繼電保護 自動化技術 人工智能
Abstract: the safety of the electricity system relay protection is an important link in the production system. The relay protection system stability and the design principle, configuration and setting closely related. This paper is mainly to the analysis of the present situation and relay protection narration, this paper expounds the development direction of the relay protection.
Keywords: relay protection automation technology of artificial intelligence
中圖分類號：F407.61文獻標識碼：A 文章編號：
1繼電保護的基本概念
繼電保護是對運行中電力系統的設備和線路，在一定范圍內經常監測有無發生異常或事故情況，并能發出跳閘命令或信號的自動裝置。因在其發展過程中曾主要用有觸點的繼電器來保護電力系統及其元件使之免遭損害，所以沿稱繼電保護。電力系統繼電保護的基本任務是：當電力系統發生故障或異常工況時，在可能實現的最短時間和最小區域內自動將故障設備從系統中切除，或者給出信號由值班人員消除異常工況的根源，以減輕或避免設備的損壞和對相鄰地區供電的影響可靠性是指一個元件、設備或系統在預定時間內，在規定的條件下完成規定功能的能力、可靠性工程涉及到元件失效數據的統計和處理，系統可靠性的定量評定，運行維護，可靠性和經濟性的協調等各方面。
2繼電保護現狀
現階段各種主電氣設備、低高壓線路都有相對應的微機保護裝置對其進行保護，特別是線路保護已形成系列產品，并得到廣泛應用。在實際的工作生活中微機保護是比較高的，遠遠高于其他的各種保護措施。目前對于220KV的繼電保護裝置已經基本是國產的，我國繼電保護技術發展非常迅速，國產的繼電器優勢方面非常明顯。
2繼電保護的發展
繼電保護是否能安全可靠的工作直接關系到整個電力系統的安全運行情況。因此在電力系統中對繼電保護有很高的要求。傳統上采用獨立的裝置有專門人負責，希望繼電保護裝置能快速有效地檢出，切除、隔離故障，并能快速恢復供電。電力系統繼電保護先后經歷了不同的發展時期，機電式繼電保護、晶體管繼電保護、基于集成運算放大器的集成電路保護，到了20世紀90年代繼電保護技術進入了微機保護時代，微機保護有強大的邏輯處理能力，數值計算能力和記憶能力。對于微機型繼電保護裝置由于其性能的優越運行可靠，越來越得到用戶的認可而在電力系統中大量使用。
4繼電保護發展趨勢
4.1人工神經網絡
人工神經網絡下簡稱是模擬生物神經元的結構而提出的一種信息處理方法。具有本質的非線形特征并行處理能力強魯棒性以及自組織自學習的能力其應用研究發展十分迅速。目前主要集中在人工智能信息處理自動控制和非線性優化等問題。近年來電力系統繼電保護領域內出現了用人工神經網絡來實現故障類型的判別故障距離的測定方向保護主設備保護等。例如在輸電線兩側系統電勢角度擺開情況下發生經過渡電阻的短路就是一非線性問題。距離保護很難正確作出故障位置的判別從而造成誤動或拒動。如果用神經網絡方法經過大量故障樣本的訓練只要樣本集中充分考慮了各種情況，則在發生任何故障時都可正確判別。其它如遺傳算法、進化規劃等也都有其獨特的求解復雜問題的能力。將這些人工智能方法適當結合可使求解速度更快。可以預見對于電力系統這個存在著大量非線性的復雜大系統來講。人工智能理論在電力系統中的應用具有很大的潛力。目前已涉及到如暫態，動穩分析、負荷預報機 組最優組合，警報處理與故障診斷，配電網線損，計算發電規劃經濟運行及電力系統控制等方面。
4.2自適應控制技術
自適應繼電保護是為能根據電力系統運行方式和故障狀態的變化而實時改變保護性能、特性或定值的新型繼電保護。自適應繼電保護的基本思想是使保護能盡可能地適應電力系統的各種變化，進一步改善保護的性能。這種新型保護原理的出現引起了人們的極大關注和興趣是微機保護具有生命力和不斷發展的重要內容。自適應繼電保護具有改善系統的響應，增強可靠性和提高經濟效益等優點。在輸電線路的距離保 護、變壓器保護、發電機保護、自動重合閘等領域內有著廣泛的應用前景。針對電力系統頻率變化的影響、單相接地短路時過渡電阻的影響、電力系統振蕩的影響以及故障發展問題。采用自適應控制技術，從而提高保護的性能。對自適應保護原理的研究已經過很長的時間，也取得了一定的成果但要真正實現保護對系統運行方式和故障狀態的自適應必須獲得更多的系統運行和故障信息只有實現保護的計算機網絡化才能做到這一點。
4.3變電所綜合自動化技術
現代計算機技術、通信技術和網絡技術為改變變電站目前監視、控制保護和計量裝置及系統分割的狀態提供了優化組合和系統集成的技術基礎。高壓超高壓變電站正面臨著一場技術創新實現繼電保護和綜合自動化的緊密結合它表現在集成與資源共享遠方控制與信息共享。以遠方終端單元、微機保護裝置為核心，將變電所的控制、信號、測量、計費等回路納入計算機系統，取代傳統的控制保護屏能夠降低變電所的占地面積和設備投資，提高二次系統的可靠性
4.4智能電網的特點
智能電網的特點是電力和信息的雙向流動，便于建立一個高度自動化和廣泛分布的能量交換網絡。為了實時的交換信息和設備層次上近乎瞬間的供需平衡，在這個關鍵目標下，繼電系統的保護發展取得了一個廣闊的空間，也催生了一批新的商業模式，其技術涉獵廣泛，如再生能源、計算機網絡技術等，許多工作集中于分布式電源的并網及靈活運行的控制策略上。未來電力系統的繼電保護技術的發展將在傳統電力系統趨向智能系統的轉變中迎來技術的革新。
結束語：
現代電力系統是一個由電能產生、輸送、分配和用電環節組成的大系統。電力系統的飛速發展對電力系統的繼電保護不斷提出新的要求，在電力系統中的任何一處發生事故，都有可能對電力系統的運行產生重大影響。繼電保護必將得到大力的發展。
參考文獻：
[1]陳德樹 繼電保護運行狀況評價方法的探討[J] 電網技術 2000
[2]嚴興疇 繼電保護技術極其應用[J] 科技資訊2007
