【摘要】本文在回顧相關(guān)概念及人工智能發(fā)展歷程的基礎(chǔ)上， 結(jié)合對智能財務(wù)最佳實踐的觀察， 沿著人工智能符號主義和連接主義學(xué)派的發(fā)展路線， 探討智能財務(wù)系統(tǒng)中知識的演進(jìn)過程， 分析智能財務(wù)系統(tǒng)從對人類存量知識的模擬到對增量知識的發(fā)現(xiàn)和創(chuàng)新的過程及趨勢， 最后借鑒數(shù)據(jù)庫管理系統(tǒng)的發(fā)展成果對未來支撐知識發(fā)現(xiàn)和創(chuàng)新的知識庫管理系統(tǒng)結(jié)構(gòu)提出基本設(shè)想， 以期為智能財務(wù)的進(jìn)一步研究和應(yīng)用提供參考。

【關(guān)鍵詞】智能財務(wù)；知識工程；知識模擬；知識發(fā)現(xiàn)；知識創(chuàng)新

【中圖分類號】 F275 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1004-0994（2024）13-0017-7

人工智能（AI）的迅速發(fā)展給組織的數(shù)智化變革帶來了巨大的驅(qū)動力， 智能財務(wù)作為一種新型的財務(wù)管理模式和發(fā)展方向因此應(yīng)運而生。流程自動化、 專家系統(tǒng)、 神經(jīng)網(wǎng)絡(luò)、 自然語言處理、 模式識別、 大語言模型以及大數(shù)據(jù)等新一代信息技術(shù)在財會領(lǐng)域中深度應(yīng)用， 為智能財務(wù)的發(fā)展帶來了勃勃生機。數(shù)據(jù)作為智能財務(wù)發(fā)展中的關(guān)鍵要素， 伴隨著大模型技術(shù)的出現(xiàn)和發(fā)展， 其在企業(yè)財務(wù)管理中的價值越來越得到彰顯， 然而在追求數(shù)據(jù)價值和模型優(yōu)化的同時， 領(lǐng)域知識和專家經(jīng)驗的作用卻在一定程度上被忽視或弱化。人工智能的發(fā)展歷程告訴我們， 知識不僅是人類智能的核心， 更直接推動了智能系統(tǒng)的應(yīng)用與發(fā)展， 知識在管理活動中幫助智能系統(tǒng)持續(xù)地理解、 推理和學(xué)習(xí)， 不斷提升智能系統(tǒng)的性能， 增強智能系統(tǒng)的可解釋性和可信度， 并且在推動智能技術(shù)的創(chuàng)新和專業(yè)人才的培養(yǎng)中發(fā)揮著重大作用。

為深入探討智能財務(wù)系統(tǒng)中知識的重要作用及其演進(jìn)規(guī)律， 本文結(jié)合近年來對智能財務(wù)最佳實踐的觀察， 在回顧相關(guān)概念及研究文獻(xiàn)的基礎(chǔ)上， 試圖沿著人工智能符號主義和連接主義學(xué)派的發(fā)展路線探討智能財務(wù)系統(tǒng)中知識的作用， 分析和研究智能財務(wù)系統(tǒng)中知識的演進(jìn)過程， 揭示其從對人類存量知識的模擬到對增量知識的發(fā)現(xiàn)乃至知識創(chuàng)新的過程及趨勢， 并借鑒數(shù)據(jù)庫管理系統(tǒng)的發(fā)展對未來知識庫管理系統(tǒng)的基本架構(gòu)提出初步設(shè)想， 以期為智能財務(wù)的相關(guān)研究和應(yīng)用提供一定的參考。

一、 相關(guān)概念和研究基礎(chǔ)

為了深入探討智能財務(wù)中知識的演進(jìn)規(guī)律， 首先需明晰與此相關(guān)的智能、 知識、 人工智能、 知識工程等概念以及它們與智能財務(wù)概念間的關(guān)系。

1. 智能、 知識及其相關(guān)關(guān)系。智能是指個體或系統(tǒng)處理信息、 學(xué)習(xí)、 理解、 適應(yīng)環(huán)境、 解決問題以及創(chuàng)新的能力。在人類身上， 智能是一種應(yīng)用知識處理環(huán)境的能力或由目標(biāo)準(zhǔn)則衡量的抽象思考能力（蔡自興等，2016）。在機器中， 人工智能通過人工的方法和技術(shù)， 讓機器像人一樣認(rèn)知、 思考和學(xué)習(xí)， 模仿、 延伸和擴展人的智能， 實現(xiàn)機器智能（史忠植，2019）。

在《韋伯斯特詞典》中， 知識的定義是： “知識是通過實踐、 研究、 聯(lián)系或調(diào)查獲得的關(guān)于事物的事實和狀態(tài)的認(rèn)識， 是對科學(xué)藝術(shù)或技術(shù)的理解， 是人類獲得關(guān)于真理和原理的認(rèn)識總和?！闭軐W(xué)家還根據(jù)不同的原則將知識劃分為先驗知識和后驗知識、 隱性知識和顯性知識等類型（羅素，1984）。

智能與知識之間存在著密切而本質(zhì)的聯(lián)系， 即知識是智能的基礎(chǔ)， 而智能是對知識的應(yīng)用、 處理與創(chuàng)造的能力。智能系統(tǒng)通過學(xué)習(xí)過程， 如監(jiān)督學(xué)習(xí)、 無監(jiān)督學(xué)習(xí)、 強化學(xué)習(xí)， 從數(shù)據(jù)中提取知識， 這一過程實際上增加了系統(tǒng)中的知識體量， 提升了系統(tǒng)的智能水平。掌握了知識的智能系統(tǒng)能夠應(yīng)用這些知識解決具體問題， 甚至在某些情況下通過組合或泛化知識， 創(chuàng)造出新的解決方案， 表現(xiàn)出某種程度的創(chuàng)新性。

2. 人工智能及其主流學(xué)派。自1956年以來， 人工智能在其近70年的發(fā)展過程中， 逐步形成了符號主義、 連接主義和行為主義三個學(xué)派或發(fā)展分支（參見圖1）， 這些學(xué)派對人工智能的定義、 基礎(chǔ)、 核心、 要素、 認(rèn)知過程、 學(xué)科體系以及人類智能與人工智能的關(guān)系均存在著不同的觀點， 對相關(guān)的研究方法也存在著不同的看法（蔡自興等，2016）。

符號主義學(xué)派又稱為邏輯主義學(xué)派或心理學(xué)派， 其核心是物理符號系統(tǒng)假設(shè)和有限合理性原理。符號主義認(rèn)為： 人工智能源于數(shù)理邏輯； 人的認(rèn)知基元是符號， 認(rèn)知過程即符號操作過程； 知識是信息的一種形式， 是構(gòu)成智能的基礎(chǔ)； 人工智能的核心是知識表示、 知識推理和知識的運用； 知識可用符號表示， 也可用符號進(jìn)行推理， 因而有可能建立起基于知識的人類智能和機器智能的統(tǒng)一理論體系。符號主義發(fā)展了啟發(fā)式算法、 專家系統(tǒng)、 知識工程理論與技術(shù)， 曾長期一枝獨秀， 目前仍是人工智能的主流學(xué)派之一。

連接主義學(xué)派又稱為仿生學(xué)派或生理學(xué)派， 其核心是神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機制與學(xué)習(xí)算法。連接主義認(rèn)為： 人工智能源于仿生學(xué)， 特別是人腦模型的研究； 人的思維基元是神經(jīng)元， 而不是符號處理過程。其主張著重于結(jié)構(gòu)模擬， 即模擬人的生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)， 并提出多種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法。目前廣為人知的大模型主要是連接主義學(xué)派的產(chǎn)物。連接主義學(xué)派是當(dāng)前最熱門的人工智能學(xué)派。

行為主義學(xué)派又稱為進(jìn)化主義或控制論學(xué)派， 其核心是控制論及感知—動作性控制系統(tǒng)。行為主義認(rèn)為人工智能源于控制論， 智能取決于感知和行動， 行為主義者認(rèn)為智能不需要知識、 不需要表示、 不需要推理。該流派早期的研究是模擬人在控制過程中的智能行為和作用， 后誕生了智能控制和智能機器人系統(tǒng)， 目前該流派的思想主要被應(yīng)用在自動駕駛和工業(yè)機器人等領(lǐng)域， 在財經(jīng)領(lǐng)域的應(yīng)用較為少見。

3. 知識工程及其主要環(huán)節(jié)。知識工程與人工智能符號主義學(xué)派有著密切的關(guān)系， 它是一門研究如何構(gòu)建、 維護(hù)和使用基于知識的系統(tǒng)的技術(shù)學(xué)科。傳統(tǒng)的知識工程的概念由美國斯坦福大學(xué)愛德華·費根鮑姆教授在1977年提出， 起初也是人工智能的重要分支之一， 后發(fā)展成一門單獨的學(xué)科。當(dāng)前新一代知識工程被定義為依托信息技術(shù)， 最大限度地實現(xiàn)信息關(guān)聯(lián)和知識關(guān)聯(lián)， 并把關(guān)聯(lián)的知識和信息作為企業(yè)智能資產(chǎn)， 以人機交互的方式進(jìn)行管理和利用， 在使用中不斷提升其價值（周元等，2020）。

知識工程涉及知識獲取、 知識表示、 知識存儲、 知識推理和知識利用等多個環(huán)節(jié)。其中， 知識獲取是從專家或數(shù)據(jù)源中提取知識， 知識表示是將知識轉(zhuǎn)換成計算機可處理的形式， 知識存儲和管理是確保知識的有效組織和訪問， 知識推理和利用則是將知識應(yīng)用于解決實際問題。知識工程領(lǐng)域的典型代表包括專家系統(tǒng)、 知識庫和推理引擎等。知識工程為構(gòu)建智能財務(wù)系統(tǒng)提供了基礎(chǔ)， 是實現(xiàn)人工智能目標(biāo)的關(guān)鍵部分。

4. 智能財務(wù)及其發(fā)展。智能財務(wù)是“利用以人工智能為代表的新一代信息技術(shù)對人類財務(wù)領(lǐng)域知識進(jìn)行發(fā)現(xiàn)、 創(chuàng)造、 管理和利用的一門新興學(xué)科， 它利用智能機器和人類專家共同組成的人機協(xié)同共生系統(tǒng)， 去完成日益復(fù)雜的會計和財務(wù)管理活動， 并在發(fā)展中不斷模擬、 擴大、 延伸和部分替代人類財務(wù)專家的職能， 最終為企業(yè)賦能， 實現(xiàn)價值創(chuàng)造”（劉勤和楊寅，2018；劉勤，2021）?？梢姡?智能財務(wù)與上述的人工智能、 知識工程等學(xué)科具有不可分割的聯(lián)系。

2016年前后， 伴隨著人工智能技術(shù)以及機器人流程自動化（RPA）技術(shù)的發(fā)展， 我國財會領(lǐng)域開始進(jìn)入智能化探索的階段。有關(guān)智能會計或智能財務(wù)的研究與實踐如雨后春筍般快速增多， 這些研究和實踐一方面關(guān)注智能財務(wù)應(yīng)用場景和信息系統(tǒng)的建設(shè)， 另一方面則關(guān)注智能化對會計職能、 會計工具、 會計方法以及會計學(xué)科發(fā)展等方面的深刻影響。經(jīng)過幾年的快速發(fā)展， 智能財務(wù)的應(yīng)用場景不斷豐富， 流程自動化技術(shù)、 專家系統(tǒng)、 機器學(xué)習(xí)、 自然語言處理、 模式識別、 大語言模型等技術(shù)在財務(wù)會計、 財務(wù)管理、 管理會計等領(lǐng)域的實踐不斷涌現(xiàn)（劉勤和尚惠紅，2020）。

二、 智能系統(tǒng)中的知識演進(jìn)階段

縱觀人工智能系統(tǒng)的發(fā)展歷史， 可以發(fā)現(xiàn)其經(jīng)歷了從對人類存量知識的簡單模擬， 到對人類增量知識的發(fā)現(xiàn)乃至對新知識的自主生成和應(yīng)用的動態(tài)演進(jìn)過程（參見圖2）， 智能財務(wù)系統(tǒng)作為人工智能在財經(jīng)領(lǐng)域中的一個應(yīng)用子集， 似乎也遵循著這一演進(jìn)規(guī)律。這個演進(jìn)過程大致可以分為以下幾個階段：

1. 規(guī)則基礎(chǔ)階段。早期的人工智能系統(tǒng)， 如專家系統(tǒng)， 主要依賴于人工編寫的規(guī)則。這些系統(tǒng)試圖通過編程直接模擬人類專家的知識和推理過程， 解決特定領(lǐng)域的問題。例如， 在業(yè)務(wù)智能審核、 會計憑證智能生成、 成本智能控制、 財務(wù)報告智能分析、 預(yù)算智能制定、 資金決策支持、 會計法律咨詢等領(lǐng)域， 專家系統(tǒng)能夠基于預(yù)設(shè)規(guī)則做出判斷。這是AI對人類存量知識直接模擬的階段， 系統(tǒng)的智能程度受限于規(guī)則的完備性和精確性。

2. 機器學(xué)習(xí)階段。隨著計算能力的提升和數(shù)據(jù)量的爆炸式增長， 機器學(xué)習(xí)技術(shù)開始嶄露頭角。在這一階段， AI不再局限于預(yù)設(shè)規(guī)則， 而是能夠從大量數(shù)據(jù)中學(xué)習(xí)模式， 自動提取特征， 進(jìn)行預(yù)測和決策。監(jiān)督學(xué)習(xí)、 無監(jiān)督學(xué)習(xí)、 強化學(xué)習(xí)等方法的應(yīng)用， 使得AI能夠在圖像識別、 語音識別、 自然語言處理等多個領(lǐng)域達(dá)到甚至超越人類水平， 具體到財務(wù)領(lǐng)域出現(xiàn)了市場價格預(yù)測、 企業(yè)信用評估、 企業(yè)破產(chǎn)預(yù)測等。這時AI開始超越簡單知識模擬， 進(jìn)入增量知識的發(fā)現(xiàn)階段。

3. 深度學(xué)習(xí)階段。深度學(xué)習(xí)的興起進(jìn)一步推動了AI的發(fā)展， 尤其是在模式識別和生成新內(nèi)容方面。深層神經(jīng)網(wǎng)絡(luò)能夠處理高維數(shù)據(jù)， 發(fā)現(xiàn)復(fù)雜的數(shù)據(jù)關(guān)系， 不僅在識別任務(wù)上取得顯著成就， 還能借助于大模型生成圖像、 音樂、 文本等創(chuàng)造性內(nèi)容， 具體到財務(wù)領(lǐng)域出現(xiàn)了股票價格預(yù)測、 財務(wù)困境預(yù)測、 投資策略優(yōu)化等應(yīng)用。這個階段， AI開始在某些領(lǐng)域創(chuàng)造出人類可能未曾明確表述過的新知識。

4. 自我進(jìn)化階段。盡管在深度學(xué)習(xí)階段AI已開始創(chuàng)造出新的知識， 但基本上沒有完全超越人類現(xiàn)有的知識框架， 未來的自我進(jìn)化階段將朝著讓AI具有更強的自主學(xué)習(xí)、 適應(yīng)和創(chuàng)新能力方向發(fā)展， 如通過元學(xué)習(xí)、 遷移學(xué)習(xí)等技術(shù)， 使AI能在不同任務(wù)間快速適應(yīng)和泛化， 甚至探索和創(chuàng)造新的知識邊界。強化學(xué)習(xí)與環(huán)境交互的能力， 展示了AI在復(fù)雜策略和創(chuàng)造性解決方案上的潛力。

由此可見， 人工智能的發(fā)展路徑是從模仿人類已有知識的規(guī)則系統(tǒng)， 逐漸過渡到能夠自我學(xué)習(xí)、 發(fā)現(xiàn)新規(guī)律、 創(chuàng)造新內(nèi)容的自主智能系統(tǒng)， 最終目標(biāo)是實現(xiàn)更高級別的智能， 為人類帶來更大的福祉。

三、 智能財務(wù)系統(tǒng)中的知識模擬及其局限性

1. 智能財務(wù)中的知識模擬。知識模擬是指對人類知識進(jìn)行模仿、 復(fù)現(xiàn)的行為。在人工智能系統(tǒng)中， 知識模擬會涉及知識表示以及利用知識進(jìn)行推理、 決策或解決問題等環(huán)節(jié)。知識模擬的目標(biāo)是讓人工智能系統(tǒng)能夠像人類專家一樣理解世界、 應(yīng)用知識， 并在特定情境下做出合理的反應(yīng)或預(yù)測。

知識模擬通常使用計算機模型和算法來模仿人類的知識處理過程， 包括學(xué)習(xí)、 推理、 解決問題等。這涉及智能系統(tǒng)的構(gòu)建， 以使其能夠基于已有的知識庫模擬人類專家的決策和解決問題的方式。知識模擬往往依賴于知識工程構(gòu)建的基礎(chǔ)， 如利用知識表示和推理技術(shù)來實現(xiàn)知識的模擬。目前在智能財務(wù)領(lǐng)域被使用的知識表示方式有一階謂詞、 產(chǎn)生式規(guī)則、 語義網(wǎng)絡(luò)、 知識圖譜、 神經(jīng)網(wǎng)絡(luò)等， 它們被用于表示企業(yè)財務(wù)狀況、 風(fēng)險水平、 公司治理狀況、 供應(yīng)商信息、 稽核規(guī)則、 記賬憑證生成規(guī)則、 各類評估模型等（劉勤，2021）。常用的推理技術(shù)有正向推理、 反向推理、 混合推理、 模糊推理等技術(shù)。

在智能財務(wù)系統(tǒng)中存在著大量基于知識模擬的應(yīng)用案例（上海國家會計學(xué)院智能財務(wù)研究院，2022）， 這些案例廣泛存在于近年來評選出的中國智能財務(wù)最佳實踐中。

比如， 在票據(jù)信息智能采集系統(tǒng)中， 系統(tǒng)對相關(guān)票據(jù)進(jìn)行掃描影像處理， 對圖像進(jìn)行預(yù)處理， 用光學(xué)字符識別（OCR）技術(shù)進(jìn)行識別， 把非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。其中， OCR的過程就是高度依賴知識的， 如果沒有知識的支撐， 就無法實現(xiàn)自動識別。把圖像中的文字提取出來、 把關(guān)鍵信息提取出來， 這些都基于對大量知識的處理能力。

又如， 在合同智能審閱系統(tǒng)中， 如果沒有合同的語料庫、 財稅法規(guī)庫、 公司規(guī)章庫， 即沒有相關(guān)的知識庫支持， 是無法完成文本分類、 一致性檢查、 條款審查、 合規(guī)性檢查、 風(fēng)險評估等智能審閱工作的。合同審閱有很多具體的規(guī)則， 比如： 合同金額大小寫是否一致， 需要有一條規(guī)則來判斷； 分期付款、 幾期相加是否等于合同的總金額， 這也需要一條規(guī)則來體現(xiàn)。這些規(guī)則都屬于知識的一部分。

再如， 在報銷智能審核系統(tǒng)中， 業(yè)務(wù)發(fā)生的地點是否合適、 時間是否合適、 權(quán)限是否合適、成本和費用是否超過范圍、 憑證的真實性和合法性等， 這些判斷都需要通過大量的知識來表達(dá)（參見圖3）。有的機構(gòu)用規(guī)則來體現(xiàn)， 也有機構(gòu)采用知識圖譜來體現(xiàn)， 通過規(guī)則或知識圖譜的匹配來判斷一筆業(yè)務(wù)是不是符合要求。比如， 是否符合“中央八項規(guī)定”， 這種審核可以通過大量的規(guī)則或知識圖譜匹配來實現(xiàn)， 而規(guī)則和知識圖譜都是典型的知識表達(dá)方式， 其中包含了大量的財務(wù)領(lǐng)域知識。

從這些案例中可以發(fā)現(xiàn)， 當(dāng)前智能財務(wù)系統(tǒng)中的知識應(yīng)用大多是對人類財務(wù)專家存量知識的模擬， 并沒有超出人類解決問題所使用的知識范圍。這一方面是因為財務(wù)管理領(lǐng)域?qū)弦?guī)性有著嚴(yán)格的要求， 而規(guī)則本身代表的就是成熟的、 被高度認(rèn)可的存量知識。另一方面則因為當(dāng)前系統(tǒng)中缺乏有效的新知識學(xué)習(xí)手段， 即有效的知識生成工具極少。

如果從系統(tǒng)建設(shè)的視角去觀察這些智能財務(wù)系統(tǒng)， 可以發(fā)現(xiàn)它們主要是通過知識獲取與編碼、 知識表示、 知識推理與決策支持、 知識利用等一系列環(huán)節(jié)來實現(xiàn)對人類存量知識模擬的。其中： 知識獲取與編碼環(huán)節(jié)主要是通過財經(jīng)專家訪談、 會計文檔分析、 財務(wù)流程梳理等方法， 收集財務(wù)領(lǐng)域的專業(yè)知識， 包括會計準(zhǔn)則、 稅務(wù)法規(guī)、 財務(wù)分析方法、 標(biāo)準(zhǔn)的財務(wù)管理流程等。這些知識被整理后， 采用規(guī)則庫、 決策樹等形式編碼進(jìn)入智能系統(tǒng)中。知識表示環(huán)節(jié)主要是利用知識圖譜、 專家系統(tǒng)規(guī)則或機器學(xué)習(xí)模型等形式， 將編碼后的領(lǐng)域知識以計算機可理解的形式表示出來。比如， 知識圖譜可以用來表示財務(wù)實體之間的復(fù)雜關(guān)系， 而規(guī)則庫則可以明確表達(dá)財務(wù)決策的邏輯條件。知識推理與決策支持環(huán)節(jié)主要是通過精心設(shè)計的推理引擎， 讓智能財務(wù)系統(tǒng)能夠根據(jù)輸入的數(shù)據(jù)和預(yù)設(shè)的知識規(guī)則進(jìn)行精確或模糊邏輯推理， 模擬財務(wù)專家的決策過程。例如， 系統(tǒng)可以根據(jù)財務(wù)報表數(shù)據(jù)和會計準(zhǔn)則， 自動判斷是否符合合規(guī)要求， 或者基于歷史數(shù)據(jù)和市場趨勢預(yù)測未來的財務(wù)狀況等。知識利用則指的是運用財務(wù)系統(tǒng)中內(nèi)置的豐富財務(wù)知識、 規(guī)則、 模型以及先進(jìn)的數(shù)據(jù)分析能力， 來處理、 分析和解釋財務(wù)數(shù)據(jù)的過程， 如智能憑證生成、 快速生成報表、 自動完成對賬、 理解當(dāng)前的財務(wù)狀況并預(yù)測未來的財務(wù)表現(xiàn)、 識別潛在的財務(wù)風(fēng)險和機遇并提出預(yù)警與應(yīng)對策略等。

2. 僅對存量知識進(jìn)行模擬的局限性。對人類知識進(jìn)行高仿真模擬雖然可以解決大部分的管理問題， 但也存在很多方面的局限性， 這些局限性主要體現(xiàn)為缺乏創(chuàng)新性、 無法處理未知情況、 適應(yīng)性受限、 泛化能力不足、 情景理解有限、 道德和倫理考慮不足等問題。其中： ①缺乏創(chuàng)新性， 是指智能系統(tǒng)依賴于現(xiàn)有數(shù)據(jù)進(jìn)行學(xué)習(xí)和推斷， 這意味著它們只能在已知知識的框架內(nèi)工作， 難以產(chǎn)生真正新穎的想法或解決方案。創(chuàng)新性在財務(wù)決策支持方面尤為重要。②無法處理未知情況， 是指當(dāng)遇到從未見過的新情況時， 僅基于存量知識的智能系統(tǒng)可能無法做出有效的反應(yīng)或決策， 因為它缺乏處理未知問題的機制， 如對于數(shù)據(jù)資產(chǎn)的處理方式等。③適應(yīng)性受限， 是指智能系統(tǒng)需要不斷更新其知識庫才能適應(yīng)環(huán)境變化， 如適應(yīng)會計法規(guī)和稅法的變化， 但僅依賴存量知識意味著它們可能無法及時或準(zhǔn)確地適應(yīng)快速變化的情境。④泛化能力不足， 是指智能系統(tǒng)可能在特定任務(wù)上表現(xiàn)出色， 但在遇到類似但非完全相同的情況時， 其表現(xiàn)力可能會下降， 因為它們?nèi)狈⒅R泛化到新場景的能力。如在面對復(fù)雜多變的市場環(huán)境時， 需要良好的泛化能力幫助財務(wù)管理者快速識別潛在風(fēng)險， 并根據(jù)過往經(jīng)驗和模型預(yù)測， 采取適當(dāng)?shù)姆婪洞胧?減少不確定性帶來的負(fù)面影響。⑤情境理解有限， 是指智能系統(tǒng)可能難以理解復(fù)雜的現(xiàn)實世界， 尤其是那些需要深層次理解或利用常識推理的場景， 如投資者關(guān)系處理等涉及需要人類情感交流的場合， 這限制了它在日常生活中的實用性。⑥道德和倫理考慮不足， 是指智能系統(tǒng)在做出決策時可能不會考慮道德和倫理因素， 如涉及人類隱私、 系統(tǒng)偏見的問題， 因為這些因素通常隱含在人類社會規(guī)范中， 而難以顯性編碼方式在知識庫中出現(xiàn)。

以上主要是基于對通用領(lǐng)域的分析， 如果針對財務(wù)領(lǐng)域， 其局限性還會有更多的表現(xiàn)， 如： ①缺乏前瞻性分析， 即僅依賴過去財務(wù)數(shù)據(jù)訓(xùn)練出來的智能系統(tǒng)可能難以準(zhǔn)確預(yù)測未來趨勢， 因為它們?nèi)狈π屡d市場條件、 政策變化或“黑天鵝”事件的前瞻分析能力。②應(yīng)對突發(fā)情況的能力弱， 即面對如金融危機、 經(jīng)濟衰退等未曾經(jīng)歷過的突發(fā)情況， 基于歷史數(shù)據(jù)訓(xùn)練的智能系統(tǒng)可能無法提供有效的應(yīng)對策略或風(fēng)險評估。③創(chuàng)新財務(wù)管理方法受限， 即智能系統(tǒng)可能難以自主開發(fā)出全新的財務(wù)管理策略或工具， 因為現(xiàn)有的“創(chuàng)意”主要局限于已有知識和數(shù)據(jù)模式。④適應(yīng)監(jiān)管變化滯后， 即財務(wù)領(lǐng)域的法律法規(guī)頻繁更新， 僅基于存量知識的AI系統(tǒng)可能無法即時調(diào)整管理策略以符合最新的合規(guī)要求。⑤難以應(yīng)對復(fù)雜財務(wù)決策挑戰(zhàn)， 即在涉及多變量、 跨學(xué)科的復(fù)雜財務(wù)決策中， 智能系統(tǒng)可能因缺乏深度理解而難以提供全面、 精準(zhǔn)的建議。⑥處理非結(jié)構(gòu)化信息困難， 即財務(wù)報告中往往包含大量非結(jié)構(gòu)化信息， 如市場情緒、 行業(yè)動態(tài)等， AI系統(tǒng)在解讀這類信息時可能存在局限。⑦忽視隱性知識和經(jīng)驗， 即財務(wù)專家的直覺、 經(jīng)驗和判斷往往難以顯性化和量化， 僅依靠數(shù)據(jù)的AI系統(tǒng)可能無法充分捕捉這些隱性知識的價值， 從而出現(xiàn)邏輯問題。

為了克服這些局限性， 智能財務(wù)系統(tǒng)必須增強AI的學(xué)習(xí)能力， 通過結(jié)合實時數(shù)據(jù)流、 專家知識、 情境感知、 深度學(xué)習(xí)、 遷移學(xué)習(xí)和持續(xù)迭代學(xué)習(xí)等方法， 使智能系統(tǒng)能夠更好地處理新信息和新知識、 自我修正和適應(yīng)變化， 努力構(gòu)建更加公平、 透明和可解釋的智能系統(tǒng)， 實現(xiàn)更為精準(zhǔn)和前瞻性的財務(wù)分析與決策。

四、 智能財務(wù)中的知識發(fā)現(xiàn)和知識創(chuàng)新

1. 知識發(fā)現(xiàn)、 知識創(chuàng)新及其意義。知識發(fā)現(xiàn)是指從大量數(shù)據(jù)中提取出有價值的知識或模式的過程， 它集數(shù)據(jù)收集、 數(shù)據(jù)清洗、 降維處理、 規(guī)則歸納、 模式識別、 數(shù)據(jù)分析與評估、 可視化輸出等多種過程于一身， 是統(tǒng)計學(xué)、 計算機科學(xué)、 模式識別、 人工智能、 機器學(xué)習(xí)及其他學(xué)科相結(jié)合的產(chǎn)物（史忠植，2002）。在智能財務(wù)中， 知識發(fā)現(xiàn)可以幫助組織從海量的財務(wù)數(shù)據(jù)中自動挖掘出隱藏的、 先前未知的規(guī)律和關(guān)聯(lián)， 為會計核算、 財務(wù)決策、 市場分析等提供依據(jù)和方法。知識發(fā)現(xiàn)可以看作是知識工程中的一個關(guān)鍵環(huán)節(jié)， 特別是在知識獲取和更新方面， 它為智能系統(tǒng)提供了動態(tài)更新知識庫的手段。

百度百科對知識創(chuàng)新的解釋是： “知識創(chuàng)新指通過科學(xué)研究， 包括基礎(chǔ)研究和應(yīng)用研究， 獲得新的基礎(chǔ)科學(xué)和技術(shù)科學(xué)知識的過程。知識創(chuàng)新的目的是追求新發(fā)現(xiàn)、 探索新規(guī)律、 創(chuàng)立新學(xué)說、 創(chuàng)造新方法、 積累新知識。知識創(chuàng)新是技術(shù)創(chuàng)新的基礎(chǔ)， 是新技術(shù)和新發(fā)明的源泉， 是促進(jìn)科技進(jìn)步和經(jīng)濟增長的革命性力量?！蹦壳艾F(xiàn)存的知識絕大多數(shù)都是由人類自身創(chuàng)造和發(fā)現(xiàn)的，其中計算機只起到了部分輔助作用，真正由人工智能程序完成的知識創(chuàng)新只在新藥研發(fā)、新材料探索、創(chuàng)意設(shè)計等屈指可數(shù)的幾個領(lǐng)域中有所出現(xiàn)。在未來的智能財務(wù)中， 知識創(chuàng)新會涉及創(chuàng)建新知識、 理論或方法， 如創(chuàng)建更準(zhǔn)確的預(yù)測模型， 或設(shè)計更復(fù)雜的財務(wù)風(fēng)險評估工具等。

盡管知識發(fā)現(xiàn)和知識創(chuàng)新都需要大量的數(shù)據(jù)和信息作為基礎(chǔ)， 都具有某種程度的新穎性或原創(chuàng)性， 但在本質(zhì)上兩者之間還是存在顯著的差異， 即知識發(fā)現(xiàn)主要側(cè)重于從已有的數(shù)據(jù)集中識別出新的模式、 關(guān)聯(lián)或見解， 通常基于現(xiàn)有的理論框架和方法， 而知識創(chuàng)新則更關(guān)注于創(chuàng)造全新的知識、 理論或?qū)嵺`， 通常需要突破現(xiàn)有的認(rèn)知邊界， 提出前所未有的觀點或解決方案。在實際操作中， 知識發(fā)現(xiàn)和知識創(chuàng)新往往是相互交織的， 知識發(fā)現(xiàn)可以為知識創(chuàng)新提供基礎(chǔ)， 而知識創(chuàng)新又會促進(jìn)更多知識發(fā)現(xiàn)的可能性。

知識發(fā)現(xiàn)和知識創(chuàng)新對智能財務(wù)系統(tǒng)的未來發(fā)展具有深遠(yuǎn)的意義， 因為它們可以增強財務(wù)決策支持能力、 優(yōu)化學(xué)習(xí)與適應(yīng)性、 提升效率與自動化水平、 實現(xiàn)創(chuàng)新與服務(wù)個性化、 實現(xiàn)風(fēng)險管理與異常檢測、 促進(jìn)知識管理與傳承、 激發(fā)科研與創(chuàng)新等， 但在財務(wù)領(lǐng)域中實現(xiàn)真正的知識創(chuàng)新可能還需要一段較長的發(fā)展階段。

2. 智能財務(wù)系統(tǒng)中實現(xiàn)知識發(fā)現(xiàn)和知識創(chuàng)新的途徑。在智能財務(wù)中， 雖然知識發(fā)現(xiàn)和知識創(chuàng)新的最終目標(biāo)都是產(chǎn)生有價值的新知識， 但它們在側(cè)重點、 過程和方法上還是存在著一些顯著差異。

知識發(fā)現(xiàn)通常遵循一個結(jié)構(gòu)化的過程， 這個過程主要集中在數(shù)據(jù)的分析和模式識別上。它的路徑可以概括為數(shù)據(jù)收集、 數(shù)據(jù)預(yù)處理、 特征工程、 數(shù)據(jù)挖掘、 模式評估、 知識表示等幾個階段， 其中： 數(shù)據(jù)收集主要用于收集相關(guān)的數(shù)據(jù)集， 這些數(shù)據(jù)可以有不同的來源， 包括歷史記錄、 宏觀經(jīng)濟數(shù)據(jù)庫、 傳感器數(shù)據(jù)、 會計檔案等； 數(shù)據(jù)預(yù)處理主要用于清洗和整理數(shù)據(jù)， 去除噪聲和無關(guān)的信息， 確保數(shù)據(jù)質(zhì)量， 目前數(shù)據(jù)預(yù)處理技術(shù)在數(shù)據(jù)治理領(lǐng)域有著廣泛、 深入的討論； 特征工程主要用于選擇或構(gòu)建最能代表問題領(lǐng)域的特征， 以便后續(xù)的分析； 數(shù)據(jù)挖掘主要利用應(yīng)用統(tǒng)計學(xué)、 機器學(xué)習(xí)或其他數(shù)據(jù)分析技術(shù)來識別數(shù)據(jù)中的模式、 關(guān)聯(lián)和趨勢； 模式評估主要用于驗證所發(fā)現(xiàn)的模式是否具有統(tǒng)計顯著性， 是否能夠解釋數(shù)據(jù)中的現(xiàn)象； 知識表示則將發(fā)現(xiàn)的模式轉(zhuǎn)化為可理解的形式， 如圖表、 模型或規(guī)則的形式， 便于用戶解讀和應(yīng)用。

知識創(chuàng)新的路徑則更加復(fù)雜且非線性， 它強調(diào)的是跨學(xué)科思維、 創(chuàng)意生成和實驗驗證。知識創(chuàng)新的路徑通常包括問題定義、 理論探索、 創(chuàng)意激發(fā)、 原型開發(fā)、 實驗與迭代、 知識傳播與應(yīng)用等， 如果由人工智能程序自主完成知識創(chuàng)新過程， 則當(dāng)前流行的生成式人工智能尤其值得借鑒， 生成式人工智能是指利用復(fù)雜的算法、 模型和規(guī)則， 從大規(guī)模數(shù)據(jù)集中學(xué)習(xí)， 以創(chuàng)造新的原創(chuàng)內(nèi)容的人工智能技術(shù)。利用生成式人工智能創(chuàng)造新的知識， 通常需要數(shù)據(jù)收集、 數(shù)據(jù)預(yù)處理、 模型選擇和構(gòu)建、 模型訓(xùn)練、 生成樣本、 評估生成結(jié)果、 迭代和優(yōu)化等環(huán)節(jié)。

通過比較知識發(fā)現(xiàn)和知識創(chuàng)新兩者不同的路徑可以發(fā)現(xiàn)： 知識發(fā)現(xiàn)主要聚焦于從已有數(shù)據(jù)中提煉模式， 而知識創(chuàng)新則側(cè)重于創(chuàng)造全新的知識或應(yīng)用方式； 知識發(fā)現(xiàn)傾向于定量分析和模式識別， 知識創(chuàng)新則更多地依賴于定性探索、 創(chuàng)新思維和實驗驗證； 知識發(fā)現(xiàn)的過程較為線性和可預(yù)測， 而知識創(chuàng)新的過程更為迭代和非線性； 知識發(fā)現(xiàn)的結(jié)果通常是具體的模式和關(guān)聯(lián)， 而知識創(chuàng)新的結(jié)果可能包括全新的理論、 技術(shù)、 產(chǎn)品或服務(wù)。因此， 知識創(chuàng)新遠(yuǎn)比知識發(fā)現(xiàn)復(fù)雜得多。目前被業(yè)界普遍看好的知識發(fā)現(xiàn)和知識創(chuàng)新途徑是人機協(xié)同模式， 因為發(fā)現(xiàn)和創(chuàng)新的知識最終還是需要人類來確認(rèn)。

聚焦到財務(wù)管理領(lǐng)域， 可以通過以下具體案例來觀察新知識發(fā)現(xiàn)的過程：

（1） 在異常檢測與風(fēng)險管理方面， 智能系統(tǒng)可以通過機器學(xué)習(xí)算法分析歷史財務(wù)數(shù)據(jù)， 識別出交易中的異常模式， 這些異?？赡苤甘緷撛诘钠墼p行為或財務(wù)風(fēng)險。例如， 系統(tǒng)能自動學(xué)習(xí)正常交易的特征， 并對比檢測出偏離常態(tài)的交易， 從而發(fā)現(xiàn)新的風(fēng)險管理規(guī)則或模式。

（2） 在預(yù)測分析與預(yù)算優(yōu)化方面， 智能系統(tǒng)可以利用深度學(xué)習(xí)和時間序列分析， 分析過去的財務(wù)表現(xiàn)和市場趨勢， 預(yù)測未來的現(xiàn)金流、 收入、 支出和市場波動， 為企業(yè)提供更加精確的預(yù)算規(guī)劃和財務(wù)預(yù)測。這種預(yù)測能力有助于發(fā)現(xiàn)影響財務(wù)表現(xiàn)的新因素， 比如特定經(jīng)濟指標(biāo)與企業(yè)財務(wù)健康度之間的新型關(guān)聯(lián)。

（3） 在自動化審計與合規(guī)性檢查方面， 智能系統(tǒng)可以自動審查財務(wù)報表和交易記錄， 比對法規(guī)要求和內(nèi)部政策， 快速識別潛在的合規(guī)問題。在這一過程中， 人工智能可能會揭示出以往未被注意到的合規(guī)風(fēng)險點或復(fù)雜的法規(guī)解讀， 促進(jìn)財務(wù)合規(guī)知識的更新。

（4） 在成本優(yōu)化與資源配置方面， 智能系統(tǒng)可以通過分析大量運營數(shù)據(jù)， 發(fā)現(xiàn)成本節(jié)約的機會， 比如識別出非生產(chǎn)性開支的模式或者優(yōu)化供應(yīng)鏈管理。此外， 智能系統(tǒng)還可以提出資源重新配置的建議， 以提高資金使用的效率， 這種分析可能會揭示出新的成本控制策略或業(yè)務(wù)流程改進(jìn)點。

（5） 在客戶信用評分與貸款管理方面， 智能系統(tǒng)可以分析客戶的財務(wù)數(shù)據(jù)、 交易習(xí)慣和其他外部數(shù)據(jù)， 以更準(zhǔn)確地評估客戶的信用風(fēng)險， 發(fā)現(xiàn)決定信用評級的新變量。這對于設(shè)計個性化的貸款產(chǎn)品和管理貸款組合具有重要意義。

（6） 在智能財務(wù)助手與決策支持方面， 基于自然語言處理的智能助手可以解答財務(wù)人員的復(fù)雜問題， 提供基于數(shù)據(jù)的決策建議。通過與財務(wù)團(tuán)隊的交互， 智能系統(tǒng)可以學(xué)習(xí)并提煉出新的財務(wù)管理策略， 幫助管理層做出更為明智的財務(wù)決策。

以上應(yīng)用展示了人工智能如何通過數(shù)據(jù)分析、 模式識別和預(yù)測模型， 在財務(wù)管理中發(fā)現(xiàn)新知識， 進(jìn)而優(yōu)化流程、 降低成本、 提高效率并減少風(fēng)險。較為遺憾的是， 盡管在財務(wù)領(lǐng)域不乏知識創(chuàng)新的思想和行動， 但很少見到利用人工智能系統(tǒng)進(jìn)行知識創(chuàng)新的案例， 這也是下一步智能財務(wù)發(fā)展的重要方向。

五、 知識演進(jìn)對知識庫管理系統(tǒng)的需求

在智能系統(tǒng)中進(jìn)行知識發(fā)現(xiàn)和知識創(chuàng)新， 需要一系列專門的工具和平臺來支持這個過程， 這些平臺可能包括知識管理平臺、 智能搜索引擎、 輔助創(chuàng)新平臺、 可視化工具等， 其中知識庫管理工具是必不可少的。

1. 數(shù)據(jù)管理方式的發(fā)展對知識管理的啟示。眾所周知， 在計算機發(fā)展的早期， 計算機軟件中對數(shù)據(jù)的管理是借助于人工方式進(jìn)行的， 那時的數(shù)據(jù)是嵌在應(yīng)用程序中的， 如果預(yù)處理的數(shù)據(jù)發(fā)生變化， 則需要利用人工修改應(yīng)用程序（參照圖4）。

后來程序員們將數(shù)據(jù)單獨提取出來存放到數(shù)據(jù)文件里， 從而實現(xiàn)了應(yīng)用程序和數(shù)據(jù)的分離。當(dāng)數(shù)據(jù)發(fā)生變化時， 只需要修改數(shù)據(jù)文件中的數(shù)據(jù)， 而不需修改應(yīng)用程序。這種管理方式大大提升了應(yīng)用程序編寫和數(shù)據(jù)處理的效率， 但如果數(shù)據(jù)發(fā)生增減或是改變， 還是需要通過特別的程序來處理。20世紀(jì)60年代初查爾斯·巴赫曼開發(fā)出第一個數(shù)據(jù)庫管理系統(tǒng)后， 人們對數(shù)據(jù)管理的能力得到了顯著的提升， 可以方便地利用數(shù)據(jù)庫管理系統(tǒng)對數(shù)據(jù)進(jìn)行增、 刪、 改等操作， 數(shù)據(jù)的安全性、 完整性、 并發(fā)處理能力等也得到了有效的保障。

那么， 能否對知識也采取類似的管理方法呢？遺憾的是， 在當(dāng)前的智能財務(wù)系統(tǒng)中， 大部分的知識是嵌在應(yīng)用程序中以算法（或程序塊）的形式出現(xiàn)的， 算法與程序綁在一起， 當(dāng)算法發(fā)生變化時， 程序就要跟著變化。有無可能把規(guī)則、 知識、 處理的算法與應(yīng)用程序分離， 利用應(yīng)用程序來調(diào)用知識， 當(dāng)知識發(fā)生變化時， 只需要修改具體知識庫中的內(nèi)容即可？比如在會計準(zhǔn)則、 稅法發(fā)生變化時， 只要把相關(guān)的知識相應(yīng)修改一下， 而不用修改程序， 就可以滿足應(yīng)用的需求。利用知識庫統(tǒng)一管理知識是一些智能財務(wù)先進(jìn)企業(yè)正在嘗試的工作。

再進(jìn)一步設(shè)想， 有沒有可能設(shè)計一個功能強大的知識庫管理系統(tǒng)， 對規(guī)則、 知識圖譜、 各類模型等進(jìn)行標(biāo)準(zhǔn)化的維護(hù)和管理？在智能財務(wù)領(lǐng)域， 目前尚未發(fā)現(xiàn)這樣的系統(tǒng)。所以， 目前知識的管理水平遠(yuǎn)遠(yuǎn)落后于數(shù)據(jù)的管理水平。我們期待知識庫管理系統(tǒng)具有靈活的知識庫定義、 知識增減、 知識一致性檢查， 以及知識自學(xué)習(xí)等功能， 為智能財務(wù)系統(tǒng)中知識發(fā)現(xiàn)和知識創(chuàng)新提供相應(yīng)的技術(shù)基礎(chǔ)（參見圖5）。

總之， 在當(dāng)前的智能財務(wù)系統(tǒng)中， 還未形成系統(tǒng)化的知識管理系統(tǒng)理念， 更未出現(xiàn)通用的知識庫管理系統(tǒng)產(chǎn)品。因此， 在財經(jīng)知識庫的管理中， 尚存在大量難以解決的問題， 如知識更新困難、 知識庫標(biāo)準(zhǔn)化程度低、 知識的冗余和邏輯沖突不斷、 知識庫防篡改功能缺失等。所以， 為有效實現(xiàn)知識發(fā)現(xiàn)和知識創(chuàng)新的目標(biāo)， 迫切需要一個知識庫管理系統(tǒng)來解決這些問題。

2. 智能財務(wù)系統(tǒng)中的知識系統(tǒng)構(gòu)建。在知識從模擬到發(fā)現(xiàn)再到創(chuàng)新的演變過程中， 需要先進(jìn)的信息系統(tǒng)支持， 現(xiàn)有的信息系統(tǒng)架構(gòu)存在著知識管理能力不足的問題。因此， 需要改變數(shù)據(jù)集成和管理方式， 引入新型算法和工具， 加強計算能力和基礎(chǔ)設(shè)施建設(shè)， 對新型知識表示和管理能力以及系統(tǒng)可擴展性和靈活性等多個維度進(jìn)行全面升級與優(yōu)化。圖6是對新型智能財務(wù)系統(tǒng)的設(shè)想（劉勤，2020）。

與傳統(tǒng)的企業(yè)信息系統(tǒng)相比， 圖6給出的智能財務(wù)系統(tǒng)主要增加的是知識管理部分。在知識層中， 知識存儲系統(tǒng)將人類解決問題所需的知識通過規(guī)則庫、 模型庫、 算法庫、 神經(jīng)網(wǎng)絡(luò)、 知識圖譜等形式存儲在計算機系統(tǒng)中， 在解決某具體問題時， 由知識推理引擎按一定的檢索和推理機制， 通過先進(jìn)的知識庫管理系統(tǒng)調(diào)用知識存儲系統(tǒng)中的知識條目， 結(jié)合具體的業(yè)務(wù)數(shù)據(jù)完成預(yù)期的管理任務(wù)。比如： 通過自動調(diào)用規(guī)則庫中的業(yè)務(wù)稽核規(guī)則和憑證生成規(guī)則， 結(jié)合具體的某項采購業(yè)務(wù)數(shù)據(jù)， 可智能生成采購的記賬憑證信息； 通過自動調(diào)用經(jīng)過事先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型， 結(jié)合企業(yè)具體的財務(wù)指標(biāo)數(shù)據(jù)， 可判斷該企業(yè)是否存在財務(wù)風(fēng)險； 通過自動調(diào)用相關(guān)供應(yīng)商的知識圖譜， 結(jié)合某次招標(biāo)的具體數(shù)據(jù)， 可判斷指定的供應(yīng)商是否存在圍標(biāo)的可能性等。

在新增的知識層中， 還可以借助于知識發(fā)現(xiàn)和創(chuàng)新系統(tǒng)中的數(shù)據(jù)挖掘、 模式識別、 機器學(xué)習(xí)以及深度學(xué)習(xí)等工具及算法， 實現(xiàn)生成式人工智能， 對從企業(yè)管理信息系統(tǒng)中或企業(yè)外部環(huán)境中收集到的財經(jīng)大數(shù)據(jù)， 不斷地進(jìn)行加工處理， 從中發(fā)現(xiàn)和創(chuàng)造新的財經(jīng)管理規(guī)則、 模型和算法等， 并適時通過知識庫管理系統(tǒng)添加到知識存儲系統(tǒng)中以備進(jìn)一步使用， 從而形成智能財務(wù)系統(tǒng)中知識不斷更新、 迭代的良性循環(huán)。

六、 結(jié)論與展望

在智能財務(wù)系統(tǒng)中， 知識和數(shù)據(jù)扮演著至關(guān)重要的角色， 二者共同支撐智能系統(tǒng)的運營和發(fā)展。然而， 由于機器學(xué)習(xí)、 深度學(xué)習(xí)、 大模型等技術(shù)的成功效應(yīng)， 數(shù)據(jù)的價值顯然得到了更多的關(guān)注， 領(lǐng)域知識和專家經(jīng)驗的作用卻在一定程度上被忽視或弱化。

本文的研究表明， 知識作為人類認(rèn)識世界的核心成果， 在當(dāng)前智能財務(wù)系統(tǒng)中具有不可替代的重要作用， 且正在從對人類存量知識模擬的階段， 向新知識發(fā)現(xiàn)和創(chuàng)造的過程演進(jìn)， 這需要我們高度的重視。當(dāng)然， 隨著知識發(fā)現(xiàn)和知識創(chuàng)造系統(tǒng)的發(fā)展， 數(shù)據(jù)的重要性可能會更加彰顯， 因為它們是知識創(chuàng)新系統(tǒng)中不可或缺的原始材料。

本文的研究還進(jìn)一步表明， 鑒于知識發(fā)展的特殊性， 現(xiàn)有的知識管理系統(tǒng)架構(gòu)難以支撐知識發(fā)現(xiàn)和知識創(chuàng)新的平臺需求， 因此， 需要借鑒數(shù)據(jù)庫管理系統(tǒng)的發(fā)展成果， 創(chuàng)建出更加靈活有效的知識庫管理系統(tǒng)， 這不僅有益于智能財務(wù)系統(tǒng)的發(fā)展， 而且會對所有基于知識的智能系統(tǒng)產(chǎn)生巨大的影響。

【 主 要 參 考 文 獻(xiàn) 】

蔡自興，劉麗鈺，蔡競峰等．人工智能及其應(yīng)用（第5版）［M］．北京：清華大學(xué)出版社，2016．

劉勤，尚惠紅．智能財務(wù)：打造數(shù)字時代財務(wù)管理新世界［M］．北京：中國財政經(jīng)濟出版社，2020．

劉勤，楊寅．智能財務(wù)的體系架構(gòu)、實現(xiàn)路徑和應(yīng)用趨勢探討［ J］．管理會計研究，2018（1）：84 ～ 90+96．

劉勤．智能財務(wù)的發(fā)展體系及其核心環(huán)節(jié)探索［ J］．財務(wù)與會計，2020（10）：11 ～ 14．

劉勤．智能財務(wù)中的知識管理與人機協(xié)同［ J］．財會月刊，2021（24）：15 ～ 19．

羅素著．張金言譯．人類的知識［M］．上海：商務(wù)印書館，1984．

上海國家會計學(xué)院智能財務(wù)研究院．人工智能技術(shù)財務(wù)應(yīng)用藍(lán)皮書［Z］．2022．

史忠植．知識發(fā)現(xiàn)［M］．北京：清華大學(xué)出版社，2002．

史忠植．智能科學(xué)（第3版）［M］．北京：清華大學(xué)出版社，2019．

周元，史曉凌，景帥．AI時代的知識工程［M］．北京：科學(xué)出版社，2020．