侯芳 呂飛豹

【摘 要】 目前國內(nèi)外對(duì)會(huì)計(jì)人工智能方面的研究日益增多，這些研究對(duì)會(huì)計(jì)行業(yè)的發(fā)展和轉(zhuǎn)型提供了重要的借鑒。文章對(duì)會(huì)計(jì)人工智能研究進(jìn)行了梳理，運(yùn)用CITESPACE軟件，采用文獻(xiàn)計(jì)量學(xué)方法對(duì)2015—2019年的國際國內(nèi)會(huì)計(jì)人工智能研究的知識(shí)圖譜結(jié)構(gòu)進(jìn)行可視化分析。繪制出研究機(jī)構(gòu)分布、發(fā)文作者分布、關(guān)鍵詞分布以及會(huì)計(jì)人工智能領(lǐng)域研究演進(jìn)與前沿趨勢。研究表明，國際上馬來西亞發(fā)表的相關(guān)文獻(xiàn)最多，國外偏重于從技術(shù)角度進(jìn)行研究，國內(nèi)學(xué)者更多的是反思與探討人工智能技術(shù)在會(huì)計(jì)領(lǐng)域的應(yīng)用，側(cè)重于影響和挑戰(zhàn)等，研究差異來源于國情、文化和研究基礎(chǔ)不同，這些將對(duì)我國后續(xù)如何開展相關(guān)理論研究和實(shí)踐創(chuàng)新提供一定的借鑒意義。

【關(guān)鍵詞】 會(huì)計(jì); 人工智能; 知識(shí)圖譜; 文獻(xiàn)計(jì)量; 可視化

【中圖分類號(hào)】 F233 ?【文獻(xiàn)標(biāo)識(shí)碼】 A ?【文章編號(hào)】 1004-5937（2020）13-0144-06

隨著科技的不斷進(jìn)步，人工智能在各行業(yè)應(yīng)用進(jìn)一步深入。1987年，美國注冊會(huì)計(jì)師協(xié)會(huì)發(fā)表了《人工智能與專家系統(tǒng)簡介》[1]。國外財(cái)會(huì)領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)在會(huì)計(jì)、審計(jì)和稅務(wù)等方面的運(yùn)用開始進(jìn)行試探研究，由于人工智能技術(shù)本身發(fā)展的原因，一直未取得實(shí)質(zhì)性的突破。2016年，國際四大相繼推出的財(cái)務(wù)機(jī)器人和相應(yīng)的解決方案，使得傳統(tǒng)會(huì)計(jì)行業(yè)的變革“機(jī)器人流程自動(dòng)化”來臨[2]。同時(shí)，國內(nèi)外對(duì)于會(huì)計(jì)人工智能研究的論述逐漸增多，成為財(cái)會(huì)領(lǐng)域研究的熱點(diǎn)[3]。

一、國際期刊發(fā)文數(shù)據(jù)分析

“會(huì)計(jì)+人工智能”研究領(lǐng)域英文數(shù)據(jù)來源于Web of Science 數(shù)據(jù)庫核心集，以“TS=（Accounting AND Artificial Intelligence）”為檢索式，文獻(xiàn)類型選擇article，時(shí)間范圍為最近五年，通過檢索可以得到該領(lǐng)域的英文期刊文獻(xiàn)題錄數(shù)據(jù)。大部分?jǐn)?shù)據(jù)包括了文獻(xiàn)的題目、作者、摘要和相應(yīng)的引文信息等，檢索出大約388條記錄，數(shù)據(jù)檢索截止時(shí)間是2019年11月2日。

通過運(yùn)用Cite SpaceⅡ軟件，分析處理了時(shí)間分區(qū)為2015—2019年期間的英文數(shù)據(jù)，對(duì)收集到的英文數(shù)據(jù)進(jìn)行處理，同時(shí)設(shè)定時(shí)間切片為1，對(duì)研究機(jī)構(gòu)、被引文獻(xiàn)、關(guān)鍵詞等進(jìn)行設(shè)置，得到了一系列的知識(shí)圖譜。

（一）研究機(jī)構(gòu)分布

在使用了Cite SpaceⅡ后，繪制出國際會(huì)計(jì)+人工智能研究領(lǐng)域的研究機(jī)構(gòu)的圖譜，如圖1。

表1是對(duì)主要研究機(jī)構(gòu)和國家進(jìn)行數(shù)據(jù)加工和處理后得出的結(jié)果。從表1中可以看出，發(fā)表文獻(xiàn)最多的前5個(gè)研究機(jī)構(gòu)全為大學(xué)，占到該領(lǐng)域總量的6.66%。單是伊朗就占了兩席，其余是馬來西亞、新加坡和澳大利亞各占一席，這表明亞洲國家在“會(huì)計(jì)+人工智能”領(lǐng)域占有最重要的科研地位，具有比較大的領(lǐng)先優(yōu)勢。

從具體的研究機(jī)構(gòu)來看，馬來西亞理工大學(xué)發(fā)表的相關(guān)文獻(xiàn)數(shù)量最多，2015—2019年共發(fā)表6篇，占該領(lǐng)域文獻(xiàn)總量的1.54%。其次為新加坡國立大學(xué)、墨爾本大學(xué)、大不里士大學(xué)和德黑蘭大學(xué)。使用知識(shí)圖譜，就能夠基本通過可視化的形式反映出其科研機(jī)構(gòu)的科研實(shí)力。總體上這5家研究機(jī)構(gòu)構(gòu)成了國際“會(huì)計(jì)+人工智能”研究領(lǐng)域研究的主體結(jié)構(gòu)。

（二）發(fā)文作者分布

通過追蹤對(duì)“會(huì)計(jì)+人工智能”研究領(lǐng)域有重要學(xué)術(shù)影響力的作者，可以基本明確他們的研究領(lǐng)域，他們的研究方法和結(jié)論可能會(huì)是該領(lǐng)域的“分水嶺”，對(duì)未來的研究方向起到舉足輕重的指引作用。圖2顯示了“會(huì)計(jì)+人工智能”研究領(lǐng)域的作者合作圖譜。圖中每一個(gè)節(jié)點(diǎn)代表一個(gè)發(fā)文作者，圓形節(jié)點(diǎn)及節(jié)點(diǎn)文字的大小均代表了該作者發(fā)文數(shù)量的多少，此處圖譜閾值設(shè)置為2（發(fā)文小于2篇的作者不會(huì)在圖譜中顯示名字）;節(jié)點(diǎn)之間的連線表示作者之間存在合作關(guān)系，連線越粗，合作次數(shù)越多、強(qiáng)度越高;圖中節(jié)點(diǎn)和連線的顏色代表發(fā)表年代，從深色到淺色依次代表2015—2019年，圓圈的厚度色環(huán)越厚，表示在對(duì)應(yīng)的年份發(fā)文越多。從整體研究現(xiàn)狀來看，學(xué)者的研究普遍呈現(xiàn)合作的趨勢。

（三）關(guān)鍵詞分析

研究熱點(diǎn)的高低可以通過關(guān)鍵詞的頻次充分體現(xiàn)出來，技術(shù)上主要通過信息流的大小來實(shí)現(xiàn)。頻次高、信息流大可能就是這些領(lǐng)域的研究熱點(diǎn)。為了圖譜顯示更多關(guān)鍵信息，此圖譜閾值設(shè)置為9（詞頻小于9的關(guān)鍵詞將不會(huì)在圖譜中顯示名稱），圖譜中，將遠(yuǎn)遠(yuǎn)大于其他關(guān)鍵詞的“Artificial Intelligence”（人工智能）關(guān)鍵詞節(jié)點(diǎn)隱去。關(guān)鍵熱點(diǎn)的尋找需要通過節(jié)點(diǎn)的頻次大小充分揭示出來。節(jié)點(diǎn)信息頻次高低可以通過利用Cite SpaceⅡ來輸出，如表2。

對(duì)關(guān)鍵詞形成圖譜進(jìn)行聚類，對(duì)其聚類內(nèi)容進(jìn)行輸出，選取其中最大的3個(gè)聚類，可以得出表3。

選取聚類最大的前三個(gè)聚類信息進(jìn)行統(tǒng)計(jì)，可以得出，0號(hào)聚類（模擬）遠(yuǎn)遠(yuǎn)大于其他聚類，該聚類是研究人工智能技術(shù)對(duì)于傳統(tǒng)會(huì)計(jì)行業(yè)的設(shè)計(jì)、決策、邊界、鑒定等各種問題的模擬等方面內(nèi)容;4號(hào)聚類（自動(dòng)化）則是側(cè)重對(duì)創(chuàng)新、生產(chǎn)力、云計(jì)算等方面的提升;另外較大的聚類還有10號(hào)聚類Uncertainty（不確定性），代表了該研究領(lǐng)域相關(guān)各個(gè)熱點(diǎn)問題。

（四）研究演進(jìn)與前沿趨勢分析

知識(shí)演進(jìn)變化趨勢在時(shí)間維度上如何能動(dòng)態(tài)地呈現(xiàn)出來，不同研究階段的布局特征如何演變，這些都要依賴關(guān)鍵詞共現(xiàn)時(shí)區(qū)視圖或研究主題共現(xiàn)時(shí)區(qū)視圖。

圖3就是就是通過運(yùn)行Cite SpaceⅡ，用“會(huì)計(jì)+人工智能”作為關(guān)鍵詞來研究文獻(xiàn)量變化趨勢，通過分析2015—2019年期間“會(huì)計(jì)+人工智能”領(lǐng)域的關(guān)鍵詞遷移，可以看出大致上有三個(gè)階段：

第一階段（2015）主要的關(guān)鍵詞有Artificial Intelligence（人工智能）、Artificial Neural Network（人工神經(jīng)網(wǎng)絡(luò)）、Algorithm（算法）、Model（模式）、System（系統(tǒng)）等。

第二階段（2016—2018）主要的關(guān)鍵詞有Behavior（行為）、Knowledge（知識(shí)）、Genetic Algorithm（遺傳算法）、Big Data（大數(shù)據(jù)）等。

第三階段（2019）主要關(guān)鍵詞有Infrastructure（基礎(chǔ)設(shè)施）、Deep Learning（深度學(xué)習(xí)）、Iterative Method（迭代法）等。

二、國內(nèi)期刊發(fā)文數(shù)據(jù)分析

“會(huì)計(jì)+人工智能”研究領(lǐng)域中文數(shù)據(jù)來源于CNKI（知網(wǎng)）數(shù)據(jù)庫，在文獻(xiàn)檢索中以主題“會(huì)計(jì)”+關(guān)鍵詞“人工智能”，時(shí)間范圍為最近五年進(jìn)行檢索，得到594條文獻(xiàn)數(shù)據(jù)。對(duì)數(shù)據(jù)進(jìn)行人工篩選，去掉會(huì)議記錄、報(bào)紙及與本研究內(nèi)容相關(guān)性不強(qiáng)的文獻(xiàn)，每一條題錄數(shù)據(jù)中基本上都包括了文獻(xiàn)的標(biāo)題、作者信息、相關(guān)的摘要和引文信息等，截至2019年11月2日，得到了565條檢索數(shù)據(jù)。

運(yùn)用Cite SpaceⅡ軟件，選擇研究機(jī)構(gòu)、被引文獻(xiàn)及關(guān)鍵詞作為研究類型，對(duì)2015—2019年間國內(nèi)的相關(guān)數(shù)據(jù)進(jìn)行處理，得到如下的結(jié)論：

（一）研究機(jī)構(gòu)分布

利用Cite SpaceⅡ，繪制國內(nèi)“會(huì)計(jì)+人工智能”研究領(lǐng)域的研究機(jī)構(gòu)圖譜，對(duì)其相關(guān)數(shù)據(jù)進(jìn)行加工處理得出，主要的研究機(jī)構(gòu)及研究成果如表4所示。

在表4可以明顯看出來，所有該研究領(lǐng)域中，有五所高校的研究占到了文獻(xiàn)總量的8.82%。江西財(cái)經(jīng)大學(xué)占2席，其余是安徽、重慶和北京各占一席，這表明江西省在“會(huì)計(jì)+人工智能”領(lǐng)域占有最重要的科研地位，具有比較大的領(lǐng)先優(yōu)勢。

從具體的研究機(jī)構(gòu)來看，江西財(cái)經(jīng)大學(xué)（包括江西財(cái)大會(huì)計(jì)學(xué)院）發(fā)表的相關(guān)文獻(xiàn)數(shù)量最多，共發(fā)表了18篇。安徽財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院、重慶理工大學(xué)會(huì)計(jì)學(xué)院、中央財(cái)經(jīng)大學(xué)緊隨其后?？傮w上這4家研究機(jī)構(gòu)構(gòu)成了國內(nèi)“會(huì)計(jì)+人工智能”研究領(lǐng)域研究的主體結(jié)構(gòu)。

（二）發(fā)文作者分布

從整體研究現(xiàn)狀來看，學(xué)者的研究也是普遍呈現(xiàn)合作的趨勢。在使用Cite SpaceⅡ后，表5中的作者就是在該研究領(lǐng)域中輸出頻次較高者。

（三）關(guān)鍵詞分析

利用Cite SpaceⅡ繪制出國內(nèi)“會(huì)計(jì)+人工智能”研究領(lǐng)域的關(guān)鍵詞圖譜，如圖4。

研究熱點(diǎn)可以通過關(guān)鍵詞的頻次來體現(xiàn)出來，頻次的高低體現(xiàn)在通過該節(jié)點(diǎn)的信息流的強(qiáng)弱上。頻次高，信息流強(qiáng)的反映出來可能就是研究熱點(diǎn)。圖4中的網(wǎng)絡(luò)圖形是由一些十字節(jié)點(diǎn)組成，節(jié)點(diǎn)大就說明該關(guān)鍵詞出現(xiàn)的頻次高，反之則表示頻次低。為了讓圖譜顯示更多關(guān)鍵信息，將此圖譜閾值設(shè)置為15（詞頻小于15的關(guān)鍵詞將不會(huì)在圖譜中顯示名稱）。圖譜中，將遠(yuǎn)遠(yuǎn)大于其他關(guān)鍵詞的“Artificial Intelligence”（人工智能：詞頻478）隱去。在Cite SpaceⅡ軟件中，可以明顯看出來頻次的多少，順序依次為人工智能，管理會(huì)計(jì)，財(cái)務(wù)會(huì)計(jì)，會(huì)計(jì)行業(yè)，影響，會(huì)計(jì)，轉(zhuǎn)型，會(huì)計(jì)工作，財(cái)務(wù)機(jī)器人，會(huì)計(jì)人員，其中人工智能的頻次最高，達(dá)到470次。見圖5。

對(duì)其聚類內(nèi)容進(jìn)行輸出，選取其中最大的4個(gè)聚類，可以得出表6。

通過對(duì)聚類最大的前四個(gè)聚類信息進(jìn)行分析，可以看到最大的聚類是0號(hào)聚類（會(huì)計(jì)工作），也是研究人工智能技術(shù)對(duì)于傳統(tǒng)會(huì)計(jì)行業(yè)的沖擊以及應(yīng)對(duì)問題;1號(hào)聚類（管理會(huì)計(jì)）則是側(cè)重對(duì)會(huì)計(jì)人才各種管理方面的問題;其次，2號(hào)聚類（財(cái)務(wù)機(jī)器人）也比較大，它研究的是財(cái)務(wù)機(jī)器的基礎(chǔ)研究以及傳統(tǒng)會(huì)計(jì)的轉(zhuǎn)型方面的領(lǐng)域，另外較大的聚類還有3號(hào)聚類（會(huì)計(jì)專業(yè)），這個(gè)研究熱點(diǎn)是各院校對(duì)會(huì)計(jì)專業(yè)人才的培養(yǎng)、提升以及在互聯(lián)網(wǎng)形勢下的創(chuàng)新和改革。

（四）演進(jìn)與前沿趨勢的分析

圖6就是關(guān)鍵詞共現(xiàn)時(shí)區(qū)視圖，也是運(yùn)行Cite SpaceⅡ后得到的，以“會(huì)計(jì)+人工智能“作為關(guān)鍵詞的時(shí)序遷徙圖譜。

在該圖譜中，將2015—2019年期間的文獻(xiàn)變化趨勢的研究大致劃分為三個(gè)階段：

第一階段（2015—2016）主要的關(guān)鍵詞有財(cái)務(wù)會(huì)計(jì)、會(huì)計(jì)工作、管理會(huì)計(jì)、財(cái)務(wù)機(jī)器人、挑戰(zhàn)、影響等。

第二階段（2017—2018）主要的關(guān)鍵詞有大數(shù)據(jù)、財(cái)務(wù)轉(zhuǎn)型、應(yīng)對(duì)、策略、共享等。

第三階段（2019）主要關(guān)鍵詞有措施、趨勢、轉(zhuǎn)變、科技發(fā)展等。

三、結(jié)論及建議

通過上述分析，可以得出一些結(jié)論和建議：

第一，通過研究機(jī)構(gòu)發(fā)文量的分析，2015—2019年亞洲國家在“會(huì)計(jì)+人工智能”領(lǐng)域占有最重要的科研地位，具有比較大的領(lǐng)先優(yōu)勢，這與我們常規(guī)的認(rèn)識(shí)不同，其中馬來西亞理工大學(xué)發(fā)表的相關(guān)文獻(xiàn)數(shù)量最多。一般會(huì)計(jì)領(lǐng)域的先進(jìn)研究領(lǐng)域都是歐美國家，但是“會(huì)計(jì)+人工智能”大量研究卻出現(xiàn)在亞洲國家，分析原因，可能因?yàn)閬喼迖移毡榇嬖趧趧?dòng)力密集且勞動(dòng)力的成本普遍上升較快，而人工智能會(huì)計(jì)在某種程度上可以降低會(huì)計(jì)人員人工成本，同時(shí)提升了效率，提高了精準(zhǔn)度，增強(qiáng)了風(fēng)險(xiǎn)控制的能力。各個(gè)國家的政府和企業(yè)都會(huì)比較重視相關(guān)研究，因此，亞洲國家在“會(huì)計(jì)+人工智能”領(lǐng)域占據(jù)有較大的研究優(yōu)勢。

第二，從國內(nèi)研究機(jī)構(gòu)來看，江西財(cái)經(jīng)大學(xué)、安徽財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院、重慶理工大學(xué)會(huì)計(jì)學(xué)院、中央財(cái)經(jīng)大學(xué)構(gòu)成了國內(nèi)“會(huì)計(jì)+人工智能”研究領(lǐng)域的主體結(jié)構(gòu)。國內(nèi)高校在相關(guān)領(lǐng)域的研究，主要來源于各個(gè)高校的研究基礎(chǔ)，諸如江西財(cái)經(jīng)大學(xué)的會(huì)計(jì)學(xué)科是江西省“九五”“十五”“十一五”重點(diǎn)學(xué)科，在教育部第四輪學(xué)科評(píng)估中工商管理一級(jí)學(xué)科評(píng)為B+等次，2018年MPAcc專業(yè)學(xué)位教育獲得AAPEQ質(zhì)量認(rèn)證A級(jí)成員單位。同時(shí)，在該系有會(huì)計(jì)電算化教育中心，因此，不但在會(huì)計(jì)領(lǐng)域，而且在電算化方面均有雄厚的科研基礎(chǔ)，這些都具備了“會(huì)計(jì)+人工智能”的研究基礎(chǔ)。重慶理工大學(xué)會(huì)計(jì)學(xué)院的會(huì)計(jì)學(xué)專業(yè)也是國家特色專業(yè)，重慶市首批特色專業(yè)和重慶重點(diǎn)專業(yè)，早在2010年，《會(huì)計(jì)信息化》就成為國家級(jí)精品課程。這些研究基礎(chǔ)和條件都奠定了在“會(huì)計(jì)+人工智能”領(lǐng)域可以領(lǐng)先于其他高校。建議這些高校充分發(fā)揮先前基礎(chǔ)優(yōu)勢，爭取與其他高水平的大學(xué)在會(huì)計(jì)研究領(lǐng)域上形成差異化的研究趨勢，逐步加強(qiáng)自己的特色優(yōu)勢。

第三，發(fā)文作者整體研究現(xiàn)狀來看，學(xué)者的研究普遍呈現(xiàn)合作的趨勢。目前的會(huì)計(jì)研究日益精細(xì)化，“會(huì)計(jì)+人工智能”本身就需要具備復(fù)合型的知識(shí)體系，在會(huì)計(jì)領(lǐng)域和人工智能領(lǐng)域的合作可以有利于這個(gè)領(lǐng)域方面高水平論文的發(fā)表，而交叉學(xué)科和高水平論文的發(fā)表都需要進(jìn)行深度合作才可以完成。這個(gè)也符合科研領(lǐng)域的特點(diǎn)。這些在某種程度上給予我國研究人員在尋找合作伙伴或者合作機(jī)構(gòu)時(shí)候提供了參考價(jià)值。同時(shí)，體現(xiàn)出了研究已經(jīng)呈現(xiàn)了一定的區(qū)域性，亞洲國家可以在人工智能會(huì)計(jì)領(lǐng)域開展充分的合作。通過合作可以在人工智能國際會(huì)計(jì)研究領(lǐng)域方面形成領(lǐng)先者的地位。

第四，從發(fā)文關(guān)鍵詞進(jìn)行分析。國際研究學(xué)者更多的是從人工智能的技術(shù)角度進(jìn)行研究。而國內(nèi)研究更多的是研究人工智能技術(shù)對(duì)于傳統(tǒng)會(huì)計(jì)行業(yè)的沖擊以及應(yīng)對(duì)問題;會(huì)計(jì)人才的各種管理方面的問題;財(cái)務(wù)機(jī)器的基礎(chǔ)研究以及傳統(tǒng)會(huì)計(jì)的轉(zhuǎn)型方面的領(lǐng)域，各種院校對(duì)會(huì)計(jì)專業(yè)的培養(yǎng)、提升以及在新互聯(lián)網(wǎng)形勢下的創(chuàng)新和改革。海外學(xué)者與我國相關(guān)研究的差異，主要還是體現(xiàn)在國情基礎(chǔ)和研究基礎(chǔ)的不同，我國是人力資源大國，區(qū)域知識(shí)結(jié)構(gòu)、區(qū)域觀念和研究基礎(chǔ)差異較大，復(fù)雜問題比較突出，因此大量的研究還是體現(xiàn)在統(tǒng)一認(rèn)識(shí)，轉(zhuǎn)變觀念上的研究層面上。建議我國在未來研究中也要充分考慮計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，從技術(shù)角度來完善和提高我國人工智能會(huì)計(jì)的研究水平，尤其是充分利用大數(shù)據(jù)分析的一些技術(shù)優(yōu)勢，將網(wǎng)絡(luò)、人工智能和會(huì)計(jì)應(yīng)用充分結(jié)合起來，促進(jìn)我國管理會(huì)計(jì)高水平的應(yīng)用，將更多的技術(shù)成果轉(zhuǎn)換到人工智能會(huì)計(jì)應(yīng)用領(lǐng)域。

第五，研究演進(jìn)與前沿趨勢分析。國外學(xué)者更多探討的是人工智能在會(huì)計(jì)領(lǐng)域應(yīng)用的基礎(chǔ)機(jī)理研究，而國內(nèi)學(xué)者更多的是反思與探討人工智能技術(shù)在會(huì)計(jì)領(lǐng)域應(yīng)用后，對(duì)其造成的影響與挑戰(zhàn)，以及應(yīng)對(duì)之策。相對(duì)來說，海外學(xué)者更偏重技術(shù)層面的創(chuàng)新，偏好人工智能技術(shù)角度意味著研究者大部分來自于計(jì)算機(jī)領(lǐng)域。而我國的研究者大部分來自會(huì)計(jì)領(lǐng)域，因此，在技術(shù)角度上也不容易實(shí)現(xiàn)太多的創(chuàng)新和突破?？傮w來說，研究差異來源于國情不同、文化不同、研究基礎(chǔ)不同。在路徑依賴?yán)碚撓?，“?huì)計(jì)+人工智能”研究通常具有報(bào)酬遞增的特征。最先發(fā)展起來的研究，利用規(guī)模效益和先天優(yōu)勢，使得單位成本急劇下降，同時(shí)，通過學(xué)習(xí)效應(yīng)，迫使其他行為者采用相同或者相似的技術(shù)，這種協(xié)調(diào)效應(yīng)實(shí)現(xiàn)自我增強(qiáng)的良性循環(huán)。報(bào)酬遞增的經(jīng)濟(jì)領(lǐng)域，是一種正反饋機(jī)制。一旦一個(gè)研究開發(fā)和投入應(yīng)用，并繼續(xù)獲得報(bào)酬遞增，就會(huì)以一種良性循環(huán)效應(yīng)而使自己不斷加強(qiáng)在市場上的地位，直至統(tǒng)治整個(gè)市場。既然我們在“會(huì)計(jì)+人工智能”領(lǐng)域已經(jīng)有了良好的開端，就應(yīng)該繼續(xù)加大研究力度，利用積極的路徑依賴使得相關(guān)研究產(chǎn)生遞增機(jī)制，同時(shí)，加強(qiáng)國際間的區(qū)域合作，亞洲國家中的越南、印度、菲律賓、印尼等很多都是人力資源大國，通過研究開發(fā)出高水平的財(cái)務(wù)機(jī)器人可以在這些國家形成應(yīng)用優(yōu)勢。同時(shí)，借鑒發(fā)達(dá)國家的管理會(huì)計(jì)理論和經(jīng)驗(yàn)，將我們的人工智能會(huì)計(jì)盡快應(yīng)用在管理領(lǐng)域，形成中國特色的人工智能管理會(huì)計(jì)研究，減少風(fēng)險(xiǎn)，從而提高我國相關(guān)研究的水平和應(yīng)用價(jià)值。

【參考文獻(xiàn)】

[1] 彭啟發(fā)，王慧秋，王海兵.會(huì)計(jì)人工智能存在的風(fēng)險(xiǎn)與對(duì)策研究[J].會(huì)計(jì)之友，2019（5）：114-119.

[2] 田金萍.人工智能發(fā)展綜述[J].科技廣場，2007（1）：230-232.

[3] 余應(yīng)敏，王彩淋.財(cái)務(wù)機(jī)器人對(duì)會(huì)計(jì)行業(yè)的影響及其應(yīng)對(duì)策略[J].會(huì)計(jì)之友，2018（7）：54-56.