时间：2023-12-14 11:35:40
导语：在交通领域的人工智能的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
[关键词]人工智能技术；空中交通管理；应用
1人工智能技术的简单概述
在新时期社会各领域的发展进程中，人工智能技术逐步被引用，特别是在我国的空中管理工作中，其属于多种先进技术的高效整合，在专业人员科学灵活的使用下，能够增强空中交通管理效果。综合技术：在实际空中交通企业发展进程中，人工智能技术有着很高的辨别度。但是，专业技能人员在完善线上管理系统时，无法站在整体发展的角度上使用线上监管系统，其仅仅使用简单的智能技能对空中交通管理工作中出现的问题实施高效的处理，这样就没有办法提升智能化的机械，不能保障技术的融合，也就很难发挥人工智能技术在空中管理中的作用，就阻碍了空中交通管理的发展。因此，在使用人工智能技术的时候，一定要了解微电子技术与纳米技术和集成等相关技术，提升管理的效率，促进其高速发展。提升工作的效率：在我国空中交通管理工作具体实施的过程中，借用人工智能技术能够高效的增强空中交通监管效果以及对群众的服务质量，所以说，专业操作人员务必要提升自身对人工智能技术的实用效果，保障人工智能技术的运行效果，进而促进空中交通的不断进步。
2空中交通管理中人工智能技术的应用作用
在空中管理中，空中管理工作影响着飞机飞行器速度控制的状态，只有对空中交通进行有效的管理，才可以保障空中飞机的飞行安全，预防各类安全问题的发生。人工技术的辅助作用：人工智能技术能够辅助工作人员优化空中监管效果，适当地降低空管困难程度，增强工作人员对电磁波的运用效果，引导我国空中交通的健康发展进程。在具体的空管进程中，对人工智能技术的高效运用能够达成对飞行设施的灵活把控，逐步增强飞行系统的灵活性和运营安全性，为群众的空中出行做好保障。为飞行员提供帮助：人工智能技术还可以协助空中工作人员高效的实施各类交通监管工作，及时发展其中产生的问题，给予工作人员庞大的信息数据。另外使用人工智能技术，还可以帮助空中飞行员对飞行器进行控制，全面控制飞行器的流量，进而提升其工作质量，促进其全面快速发展。提升空中交通管理工作效率：空管对人工智能技术的高效运用还可以优化具体的管理效果，举个简单的例子来说，一旦飞行设施出现了故障问题，人工智能设施可以在第一时间通知给员工，并及时作出应急警报处理，从而能够降低空中交通的安全事故发生率。
3空中交通管理工作中运用人工智能技术的具体策略
全面了解人工射频导纳技术的工作原理：射频导纳技术是人工智能技术中的一种，作为空中管理工作人员务必要熟知并快速的掌握。所以，在使用射频导纳技术的时候，有关人员就要合理的分析这个技术，进而提升空中管理的质量，促进空中交通管理的进步与发展。建立相对完整的飞行流量监管机制：有关空管管理者想要强化空管效果，就需要合理科学地对飞行流量实行严格的把控，从而制定符合空管工作现状的流量管理制度。在此过程中管理者可以借用人工智能技术设置一个相对先进的流量监管体系，以此来合理地把控飞行流量。另外，工作人员需要适当地使用人工智能技术对飞行流量实行高效的监控，以此来降低空中交通中的安全事故发生率。科学勘测与解决飞行冲突问题：空管进程中飞行冲突和矛盾诸多，所以，在我国空中交通管理工作中管理者务必要深入工作内部，探索这些问题出现的原因，从源头寻找处理问题的答案。而且工作人员需要在恰当的飞行冲突和矛盾中使用人工智能技术，针对有可能发生的冲突问题做好准备工作和应急处理方案，借用先进科学的人工智能技术严密的监控空中交通管理工作中的各个环节，以此来强化我国交通管理工作的服务质量与管理效率，从而促进交通管理的健康发展与进步。
4结语
在空中交通管理进程中，在交通管理过程中使用人工智能技术，很大程度上提高了交通运输业的发展，提升了交通系统的效率，同时还方便了人们的生活。人工智能技术在空中交通管理中，以灵活方便、形式多种多样的优势受到了广大群众的欢迎。通过人工智能技术的使用，实现了远距离的监控和控制，为及时出现的交通问题提供了有效的解决方案，从而促进了交通运输的发展。
【参考文献】
[1]唐新春，人工智能技术在空中交通管理中的应用[J].电子测试，2015(10)：116-117.
移动互联网让分享经济成为流行的生活方式，甚至让市场做起了政府的事情。政府解决不好的自行车出行问题，资本和市场却从中发现了商机，并让大众爱上这样一种出行方式。相对于共享单车给我们带来的便捷，一个更有意思的话题是：随着技术进步，市场还能够替政府干哪些事情？
尤其是，即将到来的人工智能时代，企业独自解决或者和行政部门合力解决的事情越来越多，一场政务革命即将爆发。
2016年10月，杭州市政府公布了一项“疯狂”的计划：为这座拥有2200多年历史的城市，安装一个人工智能中枢――杭州城市数据大脑。
城市大脑的内核采用的正是阿里云ET人工智能技术。这项人工智能技术，可以对整个城市进行全局实时分析，自动调配公共资源，修正城市运行中的Bug，最终将进化成为能够治理城市的超级人工智能。在杭州萧山区部分路段的初步试验中，城市大脑通过智能调节红绿灯，车辆通行速度最高提升了11%。
如今，中国人工智能研究已进入世界第一集团，中国从事人工智能研究的科学家已经占据世界半壁江山。据报道，在2015年全球顶尖期刊上发表的人工智能论文里，华人/中国人作者的比例达到了43%。2017年美国人工智能促进协会（AAAI）年会，原定于一月底在新奥尔良举行，但是，由于正好赶上中国春节，最后会议不得不延后一周举行。在这个会议上提交的论文，中美两国最终被接受的论文几乎一样多。
现在，地方政府与掌握人工智能技术企业的合作，已经远远超出了大众的想象。除了智慧交通，在城市信用体系建设、供水乃至医保结算等领域，人工智能技术已经深度介入，并开始积累数据，进行深度挖掘。
在这方面，美国政府也看得很清楚，而且早早就开始动手。2009年12月，美国政府公布以“透明性”、“公众参与”、“官民合作”为三大核心的“开放政府指令”，其核心内容就是，政府向社会公开数据，鼓励社会参与，通过政府与企业的合作，提升行政效率。
这些年来，美国政府已经将大数据挖掘，往前推进了很多。2013年5月9日，时任美国总统奥巴马签署行政命令《政府信息的默认形式就是开放且机器可读》，把数据开放上升到了法规层面。政府数据开放的好处，就是为社会各种人工智能技术参与社会治理，提供了基础。这几年来，美国涌现出了各种基于政府数据开放而开发的应用，从灾情预警、灾情评估，到智能公共交通定r等等。
在人工智能时代，企业和社会能做的肯定会更多。有一天，我们可能不需要等到每个季度或者年初，才获得国家统计部门的GDP数据公报，而是可以实时分析、查看今天这个国家又创造了多少GDP，有多少资金投入了实体经济，又有多少资金参与制造了楼市泡沫。甚至，一个社会的疾控系统，也可能会发生革命性的改变。
伊藤：原本科幻小说的人工智能已经成为改变我们生活的现实，您何时感受到人工智能真的离我们很近的呢？
奥巴马：总体来看，人工智能已经从各个方面渗透进我们的生活，只是我们还没有太注意到，这部分是因为我们所认知的人工智能方式是被大众文化所粉饰过的。这就是区别所在。我们通常在科幻小说中所见到的都是普通的人工智能。现在的电脑已经超越人脑变得越来越聪明，最终人类将变得不再全部都有用处，甚至它们正在麻醉我们，让人类陷入肥胖和愉快或是黑客帝国的世界中。
值得思考的是，这确实扩展了我们的想象力，使人类开始思考选择和自由意志的问题，实际上也对发展专业人工智能，进行精确计算和解决日益复杂的工作起到了重要的作用。如今，我们生活中的各个方面都能够看到专业人工智能的身影，无论从医疗、交通到分布式发电，它都能确保创造更加高效的经济。如果利用得当，它将为世界创造巨大的经济繁荣和机遇。但同时接下来我们要谈谈人工智能不利的方面，比如加剧不平等、压低薪酬等等。
伊藤：我认为人工智能问题已经远远超出了一个普通电脑的科学问题。重要的是，每个人都需要了解人工智能的行为方式。在媒体实验里，我们常用到“扩展智能”这一术语，因为问题在于我们该如何对人工智能建立社会价值观？
奥巴马：我们用无人驾驶汽车举例。当机器可以进行多项快速决定时，就能够彻底地降低交通事故，彻底提高交通网络效率，有助于解决导致地球温室效应的二氧化碳排放问题。但是，人类将会在无人驾驶汽车上附加怎样的价值？接下来我们需要做出一系列的选择，比如老生常谈的问题：汽车自动驾驶，如果你急转弯避免撞到行人，你就会撞墙自杀。这是一个道德决定，而由谁来制定这个规则？
伊藤：在我们探讨人工智能的道德问题时，政府将扮演什么角色？
奥巴马：在我看来，在人工智能的早期发展阶段，监管框架应当百花齐放。政府要尽量少地进行干预，更多地投资于科研，确保基础研究和应用研究之间的转化。随着技术的开发和成熟，我们要考虑如何将其纳入现有监管框架中。这是个更难的问题，而政府需要更多参与。我们并不总是要让新技术去适应现存监管框架，而是确保监管符合更广泛的价值。否则我们可能会发现，某些人群将因此处于不利地位。
伊藤：人工智能发展出新型军备竞赛的过程中是否存在风险？
奥巴马：毫无疑问的是，我们需要围绕着网络安全建立国际准则、协议和检验，特别是对初期的人工智能领域。而其中较有趣的问题是攻防之间的界限还比较模糊。而政府之间互相的不信任更加剧了难度。
为什么我们与人工智能爱好者召开多次会议？其中一个原因之前我们并没有谈到过，就是我们真的需要彻底想清楚人工智能带来的经济意义。因为现在大多数人并不会花时间担忧那些稀罕物――他们只关心“机器会不会取代我的工作？”对此，我还是非常乐观的，历史证明，当人类吸收新科技时，总能发现创造出新型的工作，我们生活的总体标准也随之上升。高技术人员在这些领域表现出色，通过衡量自身才能，与机器互动，扩展知识范围、销售额度以及产品和服务。低收入、低技能的人群将变得越来越多余，他们的工作或许不会被取代，但是工资会被极大缩减。如果想成功转型过渡，我们必须对如何管理转型进行社会性的对话。
实际上，还没有直观感受到哪些工作将被替代。不过我愿意打赌，如果你有一台懂得医疗系统的电脑，你将非常擅于诊断病情，所以相对于医生，护士或药剂师不太可能被替换，因为他们的工作并不是很高薪。那些专业技术较强的工作，比如律师或审计员或许会消失。反而许多服务业、艺术和那些计算机难以适应的职业将很难被取代。
伊藤：如埃隆。马斯克、NickBostrom所说，人工智能的潜力已经超越了人类对它们的理解能力。当我们推动人工智能向前发展，我们该如何应对这样的担忧？
奥巴马：这不仅仅影响到我们自身，而是全人类的大事。首先，我认为更加直观的是，这在专业人工智能方面是可解决的问题，当然我们必须留心它的动向。如果我们拥有一台可以下围棋的电脑，这是蕴含千变万化的一种游戏。当人工智能开发出一套算法，很可能让你在纽交所实现利益最大化。如果一个人或组织首先获得这种算法，他们就可以迅速地打压股市，或至少引起金融市场诚信的混乱。
当出现一种算法，“围棋能够破译核密码并且算出如何发射导弹”，如果这是人工智能唯一的功能，如果它是自学并且真正高效的运算，就会给我们造成极大的麻烦。
伊藤：您是一个《星际迷航》迷。它是如何影响您对未来的想象的呢？
关键词：人机大战；人工智能；发展前景
中图分类号：TP391 文献标识码：A
0.引言
2016年3月15日，备受瞩目的“人机大战”终于落下帷幕，最终Google公司开发的“AlphaGo”以4∶1战胜了韩国九段棋手李世h。毫无疑问，这是人工智能历史上一个具有里程碑式的大事件。大家一致认为，人工智能已经上升到了一个新的高度。
这次胜利与1997年IBM公司的“深蓝”战胜国际象棋世界冠军卡斯帕罗不同。主要表现在两个方面：
（1）AlphaGo的胜利并非仅仅依赖强悍的计算能力和庞大的棋谱数据库取胜，而是AlphaGo已经拥有了深度学习的能力，能够学习已经对弈过的棋盘，并在练习和实战中不断学习和积累经验。
（2）围棋比国际象棋更加复杂，围棋棋盘有361个点，其分支因子无穷无尽，19×19格围棋的合法棋局数的所有可能性是幂为171的指数，这样的计算量相当巨大。英国围棋联盟裁判托比表示：“围棋是世界上最为复杂的智力游戏，它简单的规则加深了棋局的复杂性”。因此，进入围棋领域一直被认为是目前人工智能的最大挑战。
简而言之，AlphaGo取得胜利的一个很重要的方面就是它拥有强大的“学习”能力。深度学习是源于人工神经网络的研究，得益于大数据和互联网技术。本文就从人工智能的发展历程与现状入手，在此基础上分析了人工智能的未来发展前景。
1.人工智能的发展历程
AlphaGo的胜利表明，人工智能发展到今天，已经取得了很多卓越的成果。但是，其发展不是一帆风顺的，人工智能是一个不断进步，并且至今仍在取得不断突破的学科。回顾人工智能的发展历程，可大致分为孕育、形成、暗淡、知识应用和集成发展五大时期。
孕育期：1956年以前，数学、逻辑、计算机等理论和技术方面的研究为人工智能的出现奠定了基础。德国数学家和哲学家莱布尼茨把形式逻辑符号化，奠定了数理逻辑的基础。英国数学家图灵在1936年创立了自动机理论（亦称图灵机），1950年在其著作《计算机与智能》中首次提出“机器也能思维”，被誉为“人工智能之父”。总之，这些人为人工智能的孕育和产生做出了巨大的贡献。
形成期：1956年夏季，在美国达特茅斯大学举办了长达2个多月的研讨会，热烈地讨论用机器模拟人类智能的问题。该次会议首次使用了“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着人工智能学科的诞生。其后的十几年是人工智能的黄金时期。在接下来的几年中，在众多科学家的努力下，人工智能取得了瞩目的突破，也在当时形成了广泛的乐观思潮。
暗淡期：20世纪70年代初，即使最杰出的AI程序也只能解决问题中最简单的部分，发展遇到瓶颈也就是说所有的AI程序都只是“玩具”，无法解决更为复杂的问题。随着AI遭遇批评，对AI提供资助的机构也逐渐停止了部分AI的资助。资金上的困难使得AI的研究方向缩窄，缺少了以往的自由探索。
知识应用期：在80年代，“专家系统”（Expect System）成为了人工智能中一个非常主流的分支。“专家系统”是一种程序，为计算机提供特定领域的专门知识和经验，计算机就能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。不同领域的专家系统基本都是由知识库、数据库、推理机、解释机制、知识获取等部分组成。
集成发展期：得益于互联网的蓬勃发展、计算机性能的突飞猛进、分布式系统的广泛应用以及人工智能多分支的协同发展，人工智能在这一阶段飞速发展。尤其是随着深度学习和人工神经网络研究的不断深入，人工智能在近几十年中取得了长足的进步，取得了令人瞩目的成就。
人工智能发展到今天，出现了很多令人瞩目的研究成果。AlphaGo的胜利就是基于这些研究成果的一个里程碑。当前人工智能的研究热点主要集中在自然语言处理、机器学习、人工神经网络等领域。
2.人工智能l展现状与前景
人工智能当前有很多重要的研究领域和分支。目前，越来越多的AI项目依赖于分布式系统，而当前研究的普遍热点则集中于自然语言处理、机器学习和人工神经网络等领域。
自然语言处理：自然语言处理（Natural Language Processing，简称NLP），是语言学与人工智能的交叉学科，其主要功能就是实现让机器明白人类的语言，这需要将人类的自然语言转化为计算机能够处理的机器语言。
自然语言处理主要包括词法分析、句法分析和语义分析三大部分。词法分析的核心就是分词处理，即单词的边界处理。句法分析就是对自然语言中句子的结构、语法进行分析如辨别疑问句和感叹句等。而语义分析则注重情感分析和整个段落的上下文分析，辨别一些字词在不同的上下文定的语义和情感态度。
当前自然语言的处理主要有两大方向。一种是基于句法-语义规则的理性主义理论，该理论认为需要为计算机制定一系列的规则，计算机在规则下进行推理与判断。因此其技术路线是一系列的人为的语料建设与规则制定。第二种是基于统计学习的经验主义理论，这种理论在最近受到普遍推崇。该理论让计算机自己通过学习并进行统计推断的方式不停地从数据中“学习”语言，试图刻画真实世界的语言现象，从数据中统计语言的规律。
机器学习：机器学习（Machine Learning）是近20年来兴起的人工智能一大重要领域。其主要是指通过让计算机在数据中自动分析获得规律，从而获取“自我学习”的能力，并利用规律对未知数据进行判断和预测的方法。
机器学致可以分为有监督的学习和无监督的学习。有监督的学习是从给定的训练数据集中练出一个函数和目标，当有新的数据到来时，可以由训练得到函数预测目标。有监督的学习要求训练集同时有输入和输出，也就是所谓的特征和目标。而依据预测的结果是离散的还是连续的，将有监督的学习分为两大问题，即统计分类问题和回归分析问题。统计分类的预测结果是离散的，如肿瘤是良性还是恶性等；而回归分析问题目标是连续的，如天气、股价等的预测。
无监督学习的训练集则没有人为标注的结果，这就需要计算机去发现数据间的联系并用来分类等。一种常见的无监督学习是聚类分析（Cluster Analysis），它是将相似的对象通过静态分类的方法分成不同的组别或者是特定的子集，让同一个子集中的数据对象都有一些相似的属性，比较常用的聚类方法是简洁并快速的“K-均值”聚类算法。它基于K个中心并对距离这些中心最近的数据对象进行分类。
机器学习还包括如半监督学习和增强学习等类别。总而言之，机器学习是研究如何使用机器来模拟人类学习活动的一门学科，而其应用随着人工智能研究领域的深入也变得越来越广泛，如模式识别、计算机视觉、语音识别、推荐算法等领域越来越广泛地应用到了机器学习中。
人工神经网络：在脑神经科学领域，人们认为人类的意识及智能行为，都是通过巨大的神经网络传递的，每个神经细胞通过突出与其他神经细胞连接，当通过突触的信号强度超过某个阈值时，神经细胞便会进入激活状态，向所连接的神经细胞一层层传递信号。于1943年提出的基于生物神经元的M-P模型的主要思想就是将神经元抽象为一个多输入单输出的信息处理单元，并通过传递函数f对输入x1，x2…，xn进行处理并模拟神经细胞的激活模式。主要的传递函数有阶跃型、线性型和S型。
在此基础上，对神经网络算法的研究又有诸多进展。日本的福岛教授于1983年基于视觉认知模型提出了卷积神经网络计算模型。通过学习训练获取到卷积运算中所使用的卷积系数，并通过不同层次与自由度的变化，可以得到较为优化的计算结果。而AlphaGo也正是采用了这种深度卷积神经网络（DCNN）模型，提高了AlphaGo的视觉分类能力，也就是所谓的“棋感”，增强了其对全盘决策和把握的能力。
3.人工智能的发展前景
总体来看，人工智能的应用经历了博弈、感知、决策和反馈这几个里程碑。在以上4个领域中，既是纵向发展的过程，也是横向不断改进的过程。
人工智能在博弈阶段，主要是实现逻辑推理等功能，随着计算机处理能力的进步以及深度学习等算法的改进，机器拥有了越来越强的逻辑与对弈能力。在感知领域，随着自然语言处理的进步，机器已经基本能对人类的语音与语言进行感知，并且能够已经对现实世界进行视觉上的感知。基于大数据的处理和机器学习的发展，机器已经能够对周围的环境进行认知，例如微软的Kinect就能够准确的对人的肢体动作进行判断。该领域的主要实现还包括苹果的Siri，谷歌大脑以及无人驾驶汽车中的各种传感器等。在以上两个阶段的基础上，机器拥有了一定的决策和反馈的能力。无人驾驶汽车的蓬勃发展就是这两个里程碑很好的例证。Google的无人驾驶汽车通过各种传感器对周围的环境进行感知并处理人类的语言等指令，利用所收集的信息进行最后的决策，比如操作方向盘、刹车等。
人工智能已经渗透到生活中的各个领域。机器已经能识别语音、人脸以及视频内容等，从而实现各种人际交互的场景。在医学领域，人工智能可以实现自动读片和辅助诊断以及个性化t疗和基因排序等功能。在教育领域，机器也承担了越来越多的辅助教育，智能交互的功能。在交通领域，一方面无人车的发展表明无人驾驶是一个可以期待的未来，另一方面人工智能能够带来更加通畅和智能的交通。另外人工智能在安防、金融等领域也有非常广阔的发展前景。总之，人工智能在一些具有重复性的和具备简单决策的领域已经是一种非常重要的工具，用来帮助人们解决问题，创造价值。
参考文献
[1]阮晓东.从AlphaGo的胜利看人工智能的未来[J].新经济导刊，2016 （6）：69-74.
这是以张国荣在影视、电台等留存下来的原声建模，通过情感语音合成技术实现与粉丝“隔空对话”。据了解，任何一个人只要用30分钟按照要求录制50句话，就可以用百度大脑的语音合成技术模拟出这个人的声音，这意味着，今后每个人都可以拥有自己的声音模型。这是百度大脑所具备的基础能力之一，从语音、图像到自然语言理解再到用户画像……百度在这些领域的应用已经深入到人们的日常生活中。当这些能力赋予全社会的每个人，就能变换出无穷无尽的可能性，让我们重塑对未来的想象。
人工智能的这种神奇魅力吸引了各大科技公司，谷歌、Facebook、IBM等国外科技巨头纷纷通过成立人工智能实验室、并购初创公司等方式，在人工智能领域进行多点布局。百度亦不例外，在人工智能方面的研发可谓不遗余力，更是第一个把人工智能提到核心技术创新地位的国内互联网公司。
2015年底，百度挖来NEC美国智能图像研究院的负责人林元庆担任百度深度实验室主任，由他带领深度学习实验室研发具有统治级别的人工智能技术。在本刊的专访中，林元庆表示，“我觉得中国的互联网节奏非常快，尤其是人工智能的发展。现在人工智能的刚需已经很明显了，可以说非常旺盛，关键是如何把刚需挖掘出来，做出来，这才是重要的。”
百度大脑是百度人工智能的核心
《网络传播》：百度大脑目前有哪些阶段性成果，其价值体现在哪里？
林元庆：百度大脑已建成超大规模的神经网络，拥有万亿级的参数、千亿样本、亿级特征训练，能模拟人脑的工作机制。通过深度学习、大规模计算和大数据三大部分，百度大脑目前已经具备了语音、图像、自然语言理解和用户画像四大前沿能力。以语音识别为例，目前百度语音识别的准确率能够达到97%。在人工智能时代，百度大脑将是百度向社会输出人工智能技术能力的核心，经过长期的投入与布局，未来百度大脑不仅将像百年以前的电力一样成为商业新能源，更将深入到生活中，将电影中的场景变为现实。
《网络传播》：百度大脑宣布对广大开发者、创业者及传统企业开放其核心能力和底层技术开放，是出于何N考虑？
林元庆：百度大脑开放共享的思路，实际上是希望在时代变革大幕开启之际，助力广大合作伙伴全面共享人工智能时代，完成下一幕的转型升级。百度大脑未来将与各行各业结合，衍生出不同领域的行业大脑，比如医疗大脑、交通大脑、金融大脑等。目前，百度大脑已经应用到教育、金融和娱乐等多个行业。
人工智能渗透百度所有产品线
《网络传播》：今年基本上全球各大互联网公司都把人工智能作为最核心突破的领域，在这一领域，百度和其他公司的战略方向有何不同？
林元庆：百度在人工智能领域起步早，布局领域广，并且已经有很深的积累，既实现了对内业务的支持，也进行了大量对外技术的输出。目前，百度的人工智能几乎已经渗透到百度所有的产品线当中，以此改进百度全线产品的用户体验并提升用户黏性。比如说手机百度的语音搜索、凤巢的推广系统以及百度外卖的调度系统、百度金融结合人工智能给用户的画像等等。接下来百度一方面将进一步提升各项人工智能技术，打造平台化的对外输出能力；另外一方面还将着力把这些人工智能技术和能力应用到具体行业和垂类中，提升行业的效率，促进行业变革。
《网络传播》：虽然业界普遍认可人工智能的巨大前景，但在目前来看，人工智能在短期内还很难看到盈利，那么，怎么看人工智能的普及和商业化？
林元庆：人工智能已经为百度的搜索业务提供了巨大帮助。人工智能的发展和普及有四大关键性的支柱――机器学习算法（特别是深度学习）、大数据、大规模计算，以及可供以上要素不断训练迭代的大应用。目前，人工智能在前三个领域都已经有了一定程度的突破，同样关键的是人工智能技术的大规模应用，只有在制造业、医疗、汽车驾驶、娱乐等各个领域各个场景的不断应用，才能形成“数据-技术-产品-用户-更多数据-更强技术”这样的一个正向循环。在这些不断扩展的应用中，商业化也就是自然伴随而来的事情了。
互联网的下一幕是人工智能
《网络传播》：如何看人工智能在2016年的“爆发”？
林元庆：1956年夏天，“人工智能”首次被提出，但在之后的半个世纪都没有能够解决人工智能的问题。上世纪70年代到90年代，美国一直有人工智能的课程，但却没有实际的应用，在当时，任何一个领域都看不到有价值的人工智能应用。上世纪90年代以后，数据量越来越大，计算的能力也越来越强，机器学习逐渐兴起；到2006年，深度学习的概念被提出，特别是在2010到2012年间，深度学习在语音识别和图像识别领域取得了突破性进展。深度学习的成功极大地推动了人工智能的商业化。实际上，在2013年，《MIT科技评论》就已经把深度学习列为当年的十大技术突破之首，但今年确实是人工智能大规模商业化落地的一年。
《网络传播》：人工智能将会如何影响各行各业？
林元庆：影响最大的是制造业。当人工智能时代到来，制造业会彻底被物联网改变。未来所有商品都能联网，将数据传回云端，通过人工智能技术进行分析，为消费者带来实实在在的价值。汽车工业也将被人工智能彻底改变，尽管安全问题的解决路径在传统汽车厂商与创新厂家间有所不同，然而我们基本上还比较自信，有一天会进入来自动驾驶时代。此外，娱乐业及健康产业同样也会被人工智能所改变。对于前者，虚拟现实与增强现实很可能会成为主流的内容形式，颠覆消费者对娱乐内容的消费方式；对于后者，通过基因分析、精准的医疗图像诊断，患者的疾病将得到更加精准和个性化的治疗。
未来十年人工智能将产生巨大经济效益和社会效益，是亿美元甚至百亿美元级的产业。特别是智能出行方式对汽车产业将产生巨大冲击，传统汽车行业利润模式从销售产品变成销售服务，“汽车+AI”是实现这种转变的基础技术。
我们认为在这一领域，丰田在汽车企业中做得最好，仅用两年时间在其人工智能AI研发中心做了两件大事，一是关于智能驾驶汽车对未预料到的安全事件的反应，二是对自己行为做出解释。丰田汽车非常清晰地完成从智能驾驶到智能交互的过程，对国内自主汽车企业而言其速度非常快，它在2016年的CES展上向世人展示了一套全新的地图绘制系统。
几乎所有大汽车公司，无论是传统的，还是新兴的，都在进入这个领域，“汽车+AI”已经成为汽车科技支撑的新焦点。
预计到2022年有13家整车厂在汽车AI领域投资71亿美元进行研发，其中我们非常惊讶的的是，占比最大的是现代汽车（占23.7%），丰田则占15%，都是巨额股份。
国内在2016年开始动手谋划中国人工智能2.0。“汽车+AI”是复杂的、高难度的课题，融合了大数据、云计算等技术，还有感知融合、深度学习、内角色、群体控制协同等课题，我们在研究过程中感觉比下围棋高深得多。
中国的汽车环境和汽车行为都较为特殊，能否因此而在这一领域有标志性突破？我们认为有可能。因为智慧城市、智能汽车、新能源汽车、人工智能、高智能芯片等都属于人工智能2.0基本内涵，这样的一些新技术、新概念、新业态会促使“汽车+AI”在中国人工智能2.0中有所突破，其特色体现在群体性的人工智能大数据，分布式人工智能云计算以及混合式人工智能人机结构等方面。
中国人工智2.0有自己明确的愿景和目标，即把握共享出行、智能驾驶的趋势。对我们汽车业来说要应对新动力，新平台，新生态，新价值带来的重大变革，它会促使汽车行业向四个方面转型升级：汽车+物联网，汽车+人工智能，汽车+大数据、云计算，汽车+智能制造。
中国汽车人工智能2.0将有目标地打造这样的体系，抢占汽车智能技术制高点，助力智能网联汽车产业发展。
在总体的发展思路上，中国人工智能2.0要基于新的信息环境实现新目标、新一代的汽车人工智能。其任务就是要突破混合-增强智能、多车网联群体智能、大数据驱动城市社区协同智能技术理论和核心技术，为其搭建研究平台，实现创新应用。要解决的问题包括如何用智能技术使汽车更安全、移动出行更高效、使汽车实现共享，并能支撑起产业发展，有明确的商业回报。
重点研究领域包括5大块：一是世界模型，现在国际上比较推崇人开车看世界，不是仅看一张地图；二是智能与决策器；三是我们国家应该高度重视的计算与开发环境。我们能否抓住人工智能的这次机遇？比如华为推出的行业云就是件好事。四是智能汽车平台，五是示范应用。
计划强调，要加强人工智能领域专业建设，形成“人工智能＋X”复合专业培养新模式。计划的重点任务之一，是要完善人工智能领域人才培养体系，并且推动高校人工智能领域科技成果转化与示范应用。高校在人才培养中起到了至关重要的作用，虽然人工智能尚未成为一级学科，但国内不少一流的高校已经开始通过建立合作实验室、增强人工智能分支教学等方式发展人工智能。
为了解各高校开展人工智能研究的情况，亿欧盘点了10家在设有人工智能实验室或有人工智能分支专业的高校。
清华大学：计算机科学与技术系
清华大学计算机科学与技术系（简称计算机系）成立于1958年，在2006年、2012年全国学位与研究生教育发展中心开展的一级学科整体水平评估中，以总分满分100分的成绩排名第一。2017年，在 USnews 推出的世界大学学科排名 Best Global Universities for Computer Science 中，计算机科学与技术学科紧随 MIT之后位列世界第2名。在 QS 世界大学排名 （QS World University Rankings） 给出的全球计算机学科排名中为例第15名，其排名与得分逐年稳步提升。
计算机系包含了国内计算机专业最全的学科方向，设有高性能计算机与处理器、并行与分布式处理、存储系统、大数据与云计算、计算机网络、网络与信息系统安全、系统性能评价、理论计算机科学、数据工程及知识工程、软件工程、计算机与VLSI设计自动化、软件理论与系统、生物计算及量子计算、人工智能、智能控制及机器人、人机交互与普适计算、计算机图形学与可视化技术、CAD技术、计算机视觉、媒体信息处理等研究方向。
计算机系现设有高性能计算、计算机网络技术、计算机软件、人机交互与媒体集成4个研究所；智能技术与系统国家重点实验室；计算机基础与实验教学部等科研教学机构。
计算机系还设有国家级计算机实验教学示范中心，包括：计算机原理实验室、微型计算机实验室、计算机网络实验室、操作系统实验室、计算机软件实验室、计算机控制系统实验室、智能机器人实验室、计算机接口实验室、学生科技创新实验室等。此外，计算机系还与腾讯、搜狗、微软、思科等国内外著名公司建立了面向教学或研究的联合实验室。
北京大学：智能科学系
智能科学系成立于2002年7月，主要从事智能感知、机器学习、数据智能分析与智能计算、智能机器人等方向的基础和应用基础研究，侧重于理论、方法以及重大领域应用上。
北大智能科学系依托于视觉听觉信息处理国家重点实验室，实验室以实现高度智能化的机器感知系统为目标，在生物特征识别研究方面处于国际领先地位。智能科学系在著名的软件与人工智能专家、我国载人飞船工程软件专家组组长何新贵院士和长江特聘教授查红彬教授的带领下，重点开展机器视觉、机器听觉、智能系统与智能的生理心理基础等研究。以北大智能科学研究人员为技术核心的北大指纹自动识别系统，是国内唯一能与国外系统抗衡的自主知识产权，是中国第一家也是唯一的一家提供公安应用全面解决方案的系统，拥有中国指纹自动识别技术产品第一市场占有率。
人工神经网络说话人识别新方法的研究获得教育部科技进步一等奖；国家空间信息基础设施关键技术研究获得2000年中国高校科学技术二等奖，入选2000年中国高校十大科技进展。
复旦大学：类脑智能科学与技术研究院
复旦大学类脑智能科学与技术研究院于2015年3月筹建成立，是复旦大学校内的独立二级研究机构。其前身为复旦大学第一批跨学科交叉国际化研究中心——计算系统生物学研究中心，成立于2008年。研究院基于复旦大学既有的数学、统计学、计算机科学、生物学、信息学、临床医学、语言学、心理学等多学科综合交叉研究优势，以计算神经科学为桥梁，着力开展大脑机制解析、脑疾病智能诊疗、类脑智能算法、类脑智能软硬件、新药智能研发、通用智能等相关领域的科学研究、技术研发和人才培养。
研究院率先探索打通国际与国内、科技与产业的全链条、全球化产学研合作机制，充分发挥高校培养和储备高端智能人才、发现和培育前沿技术的综合优势，推动产学研源头创新与合作，致力于成为推动脑科学、人工类脑智能与产业应用融合发展的重要科技创新平台。
研究院目前在建五个核心功能平台和一个国际合作研发中心，主要包括：一是以脑高级认知功能的多信息反馈处理机制研究为核心的神经形态计算仿真平台；二是以多尺度多中心重大脑疾病数据库和算法开发为基础的智能诊治数据示范平台；三是依托高端医疗影像设备集群，为生物医学转化研究和信息产业智能化提供试验技术支撑的综合生物医学影像平台；四是以开发深度学习、强化学习和自组织学习等机器学习算法以及可穿戴设备、类脑芯片、健康服务机器人等为目标的类脑智能软、硬件开发平台；五是集孵化加速、产业联盟、投资基金为一体，为类脑智能创新项目及企业提供应用技术资源和孵化服务的类脑智能产业化平台；六是依托已有的欧洲人类脑计划、美国脑计划等国际合作的数据、学术资源，建设类脑智能国际合作节点和人才培养中心。
中国科学院：自动化研究所
中国科学院自动化研究所成立于1956年10月，是我国最早成立的国立自动化研究机构。目前设有类脑智能研究中心、智能感知与计算研究中心、脑网络组研究中心等12个科研开发部门，还有若干与国际和社会其他创新单元共建的各类联合实验室和工程中心。另有汉王科技、三博中等四十余家持股高科技公司。
近年来，自动化所共获得省部级以上奖励30余项。数量逐年增加，质量不断提高；专利申请和授权量连年攀升，多年位居北京市科研系统前十名绘制的“脑网络组图谱”第一次建立了宏观尺度上的活体全脑连接图谱；虹膜识别核心技术突破国外封锁，通过产学研用相结合走出“中国制造”之路；基于自动化所语音识别技术的“紫冬语音云”在淘宝、来往等阿里巴巴旗下移动客户端产品中得到推广；“分子影像手术导航系统”通过国家药监局医疗器械安全性及有效性检测认证并进入临床应用；“智能视频监控技术”和“人脸识别技术”分别成功应用于2008年北京奥运会、2010年上海世博会的安保工作中，为社会安全贡献自己的力量；研制的AI程序“CASIA－先知1．0”采用知识和数据混合驱动的体系架构，在2017首届全国兵棋推演大赛总决赛中7：1的悬殊比分战胜人类顶级选手，展示了人工智能技术在博弈对抗领域的强大实力……
在共建机构方面，自动化所与新加坡媒体发展管理局联合成立中新数字媒体研究院，聚焦交互式语言学习、视频和分析等领域；与瑞士洛桑联邦理工大学（EPFL）在京成立中瑞数据密集型神经科学联合实验室，在类脑智能研究方面展开合作；与澳大利亚昆士兰大学（UQ）共建中澳脑网络组联合实验室，在“计算大脑”研究方向上进行远景规划；还与香港科技大学共建智能识别联合实验室，在模式识别、无线传感器网络等领域展开合作。
厦门大学：智能科学与技术系
早在上世纪八十年代初，厦门大学就已开始从事人工智能领域的研究，相继在专家系统、自然语言处理与机器翻译等领域取得过一系列成果。为此，1988年经学校批准成立“厦门大学人工智能与计算机应用研究所”，后于2004年更名为“厦门大学人工智能研究所”。2006年12月，经国家教育部批准，厦门大学正式设立“智能科学与技术”本科专业，并于2007年6月经学校批准成立“厦门大学智能科学与技术系”。
厦门大学智能科学与技术系现有一个本科专业（智能科学与技术），三个硕士学位授予专业（模式识别与智能系统、计算机科学与技术、智能科学与技术），两个博士学位授予专业（计算机科学与技术、智能科学与技术）。
目前该系承担多项国家863、国家自然科学基金、福建省科技基金等项目，拥有“福建省仿脑智能系统重点实验室”、“智能信息技术福建省高校重点实验室”和“厦门大学语言技术中心”三个平台，此外还有“艺术认知与计算”、“自然语言处理”、“智能多媒体技术”、“人工大脑实验室”、“智能中医信息处理”等多个研究型实验室，为培养高质量的学生提供了必要的保障。
上海交通大学：计算机科学与工程系
上海交通大学计算机科学与工程系成立于1984年。近年来，随着计算机科学与技术在人们生活中的应用不断深入，特别是随着云计算、物联网、移动互联网、大数据等技术的兴起，交通大学计算机系不断调整学科方向，形成了高可靠软件与理论、并行与分布式系统、计算机网络、智能人机交互、密码学与信息安全等研究方向。
该院系下设三个重点实验室：智能计算与智能系统重点实验室、上海市教委智能交互与认知工程重点实验室、省部共建国家重点实验室培育基地及上海市可扩展计算与系统重点实验室。其中，上海交通大学－微软智能计算与智能系统联合实验室目前是教育部－微软重点实验室，成立于2005年9月，是交通大学和微软亚洲研究院在多年良好合作的基础上，为了更好发挥各自在并发计算、算法与复杂性理论、仿脑计算、计算机视觉、机器学习、计算智能、自然语言处理、多媒体通讯以及机器人等领域的优势，实现“使未来的计算机和机器人能够看、听、学，能以自然语言的方式与人类交流”这一共同使命而成立的。实验室在科学研究、人才培养、学术交流等方面也取得了很好的成绩。实验室累积200余篇，成果发表于CVPR，ICCV，WWW等国际顶级会议上。
南京大学：计算机科学与技术系
南京大学的计算机科学研究起步于1958年，建立了计算技术、计算数学、数理逻辑等专业开始培养计算机相关领域专门人才，1978年在上述三个专业基础上成立了计算机科学系，1993年更名为计算机科学与技术系。
依托该系师资，先后成立了南京大学计算机软件研究所、计算机软件新技术国家重点实验室（南京大学）、南京大学计算机应用研究所、南京大学多媒体计算技术研究所、南京大学软件工程中心（江苏省软件工程研究中心）、南京大学信息安全研究所等科研机构。主要科研方向有：软件自动化与形式化、分布与并行计算及新型网络、新型程序设计与软件方法学、多媒体与信息处理、人工智能与机器学习、系统软件及信息安全等。
建系30年来，共承担国家973计划、国家863计划、国家攀登计划、国家自然科学基金、国家科技攻关等重大科技计划项目以及省、部、委科研项目和企事业委托或国际合作的研发项目300余项，科研成果获得各种奖励80余项，其中国家科技进步奖一等奖1项、二等奖4项、三等奖2项，省部委自然科学奖和科技进步奖特等奖2项，一等奖8项，二等奖37项。3000多篇，出版专著、教材50多部，申请国家发明专利33项。部分成果被转化为产品，产生了较大社会效益和经济效益。
哈尔滨工业大学：计算机科学与技术学院
哈尔滨工业大学计算机专业创建于1956年，是中国最早的计算机专业之一。在1985年，发展成为计算机科学与工程系，并建立了计算机科学技术研究所。2000年，计算机科学与技术学院成立；同年，建立了软件学院，后经国家教育部、国家计委批准为国家示范性软件学院。目前。哈工大计算机科学与技术学院拥有计算机科学与技术国家一级重点学科、7个博士点和7个硕士点、1个博士后科研流动站、一个国家级教学团队、一个国家级科技创新团队、一个国防科工委创新研究团队。
目前主要研究方向包括：智能人机交互、音视频编解码技术、语言处理、自然语言理解与中文信息处理、机器翻译、信息检索、海量数据计算、计算机网络与信息安全、传感器网与移动计算、高可靠与容错计算技术、穿戴计算机、企业计算与服务计算、智能机器人、生物计算与生物特征识别。
学院有一批研究成果达到国际先进水平，包括：国家信息安全管理系统、数字视频广播编码传输与接收系统、大规模网络特定信息获取系统、计算机机群并行数据库系统、并行数据库系统、神州号飞船数据管理分系统、穿戴计算机系统、信息安全与实时监测系统、人脸识别系统、视频编解码技术、黑龙江省CIMS应用示范工程、农业专家系统等等。
中国科学技术大学：计算机科学与技术学院
中国科技大学于1958年建校时就设置了计算机专业。根据学科发展趋势和国家中长期发展规划，面向国家和社会的重大需求，计算机科学与技术学院将科研力量凝聚在高性能计算、智能计算与应用、网络计算与可信计算、先进计算机系统四个主要的研究领域。
学院的支撑实验室有：国家高性能计算中心（合肥）、安徽省高性能计算重点实验室、安徽省计算与通讯软件重点实验室、 多媒体计算与通信教育部－微软重点实验室、中国科大超级运算中心和信息科学实验中心。
其中，多媒体计算与通信教育部—微软重点实验室主要从事人机自然语音通信、语义计算与数据挖掘等方面的研究。人机自然语音通信方面，主要研究中文信息处理、人类视听觉机理、语音语言学等。语义计算与数据挖掘方面，主要研究自然语言驱动的计算、多媒体内容的语义标注、自动问答、语义社会网络、数据与知识工程、隐私保护与管理中的语义计算等。
依托多媒体计算与通信教育部—微软重点实验室，双方联合实施了联合培养博士生计划、实习生计划、精品课程建设计划、青年教师培养计划等，取得了突出成果，探索出了一条企业和高校共同培养优秀人才的道路，为微软亚洲研究院与其他高校的合作提供了一个经典范例。
华中科技大学：自动化学院
华中科技大学自动化学院是由原控制科学与工程系和原图像识别与人工智能研究所于2013年合并组建的学院。原控制科学与工程系前身是成立于1973年的华中工学院自动控制系，1998年更名为华中理工大学控制科学与工程系；原图像识别与人工智能研究所是1978年由教育部和航天部共同批准成立从事图像识别和人工智能研究的研究机构。
科学研究工作主要涉及复杂系统控制理论、决策分析与决策支持、电力电子与运动控制、智能控制与机器人、计算机集成控制与网络技术、信息检测与识别、飞行器控制与状态监测、生物信息处理、神经接口与康复技术、物流系统、国民经济动员与公共安全、多谱图像制导、目标探测的多谱信息技术、多谱信息的实时处理与系统集成技术、人工智能与思维科学、信息安全等方向。
模式识别与智能系统是自动化一级学科的重要二级学科。迄今为止，本系在原 “图像识别与人工智能研究所”和“控制科学与工程系”的这两个学科点承担了百余项国家、国防与行业项目。近5年科研经费总额在8000万元以上，包括973计划，国家自然科学基金重点、面上和青年基金项目，863计划，国家重大专项、国防重点预研与基金，国家科技支撑计划，省部级科研项目，以及大型工程和企业科研合作项目等。
总结
谷歌研发的自动驾驶汽车已经累积了数十万英里的安全驾驶记录，预计数年内，这种无需人类驾驶的车辆将广泛投放市场。但随之而来的一个伦理性问题是：如果无人驾驶汽车出了车祸，责任应该归结于谁？如果搭乘车主的无人驾驶汽车，正要经过一座狭窄的桥，桥对面忽然开来了满载儿童的校车，这座桥无法容载两辆车，必须要有一辆车马上掉下桥去，才能保障另一辆车的安全。那么，无人驾驶汽车是会毫不犹豫地冲上前去，为车主清除隐患，把校车撞下桥去呢，还是自杀性地开下桥，牺牲车主以保全更多儿童的性命安全？
类似的伦理疑问还包括：如果你或你的家人突发重病，但无人驾驶汽车却拒绝超速赶往医院，你该怎么办？如果有家长让未成年的孩子喝酒，家佣机器人是否应当马上启动报警程序？
人工智能时代已经到来，机器人的智能化程度大幅提升，机器人已拥有了从经验中自我学习的能力，还能对现实问题作出快速反应。但有关人工智能、机器人的伦理性问题，却比单纯的技术问题更难得以解决。
在卡普兰看来，相比于过去的智能化机器，机器学习已有了本质的区别，已经“发展出自己的直觉力，然后用直觉来行动”，这也将使得机器人可以更为踊跃地进入人类世界，接管过去仅能由人执行完成的形形的工作。在过去，投放到医学、工业等多种领域的机器人，都存在精准性、力量性、持久性不足等问题，使得机器人适应环境的能力较差，只能在启动之前尽可能精准地设定，但随着机器感知领域的突破和发展，“未来的机器人可以看到、听到、做计划，还能根据混乱而复杂的真实世界来挑战自己”。
卡普兰预言，终有一天，随着传感器、反应器以及无线通信的不断进步，人工智能将以合成智能的方式，与人体甚至其他物体合而为一――“未来看起来会比你想象中的更像过去”。
智能时代毫无疑问会释放出更多的技术红利，但风险也不可小觑。卡普兰特意提到，随着在金融交易中越来越多地加入人工智能，高频交易程序一方面减少了市场震荡，另一方面却会将风险转嫁给一般的交易者，让交易者获得的交易价格偏离于最佳价格。这种情况在商业领域中也有表现，比如全球知名电商企业亚马逊通过复杂算法，使得不同顾客在不同时段获得的报价各有不同，并通过智能化的购买数据分析，推出更具诱惑力的促销方案，诱导顾客购买更多原本不需要购买的、实际上也并不那么价廉物美的商品。从目前情况来看，在合成智能方面投入最多的企业，无不热衷于将之应用于操控用户的注意力和购买力。
更进一步的风险在于，由于人工智能的设计仅仅服务于单一目的，因而未曾考虑是否存在副作用。比如，人工智能会抢在他人之前，（帮助主人）抢占车位，会在大萧条之前恶意抢购超市货架上的所有应急商品 ；与人对弈的机器人，不排除会使用“黑社会”式的手段，包括威胁对手的家人，破坏对手的交通工具。
要避免人工智能对社会体系甚至人类安全造成威胁，相关的智能设备、机器人开发和使用的伦理准则及立法，都应尽快提上议事日程；并且，在人工智能开发过程中，在增强单纯的技术能力的同时，也应尝试赋予它一种人类式的“感受同情和怜悯的能力”。
关键词：人工智能；年报审计模式；创新与改革
中图分类号：F23
文献标识码：A
doi：10.19311/ki.16723198.2017.01.046
1引言
自2016年3月9日，韩国首尔的“人机大战”围棋赛上，AlphaGo以4：1战胜韩国九段李世石，人工智能再度引起了社会的高度关注。环顾我们的生活环境，无论医疗方面，人类发现新的治疗癌症的药物，还是交通科技方面，发明出全自动座驾，抑或是简单的身份证明，识别人的面孔或者指纹等等，都离不开人工智能。虽然在上市企业年报审计这样的财务会计方面，人工智能目前涉及得并不深，但我们相信，如果有人工智能做技术铺垫，以其为背景，年报审计模式一定能够有很好的创新与前所未有的改革，以此更好地满足客户以及行业的需求。
2人工智能背景下上市企业年报审计模式的内涵
在人工智能背景下，上市企业年报审计模式，是在会计信息化的审计环境下产生的。它是上市企业专门针对财务报表的审计内容，以实现审计为目标，运用信息化审计方法进行财务信息处理的一种信息化审计模式。其各个核心要素具体解释如表1。
3人工智能背景下上市企业年报审计效率极大提高
上市企业在人工智能背景下使用会审软件，不仅可以使企业的员工无需花费过多的时间与精力在机械重复地处理财务信息上，也可以很大程度地提高上市企业年报审核工作的效率。审计部门通过应用会审软件，使人力资源的耗费在一定程度上得到降低，更可以通过该软件在最短的时间内，对各种报表、交易账目等进行更为全面的分析，对各种数据进行较为客观的风险评估，能够尽快找出问题所在，以使上市公司的年报审计效率得到极大提高。
4人工智能背景下上市企业年报审计信息质量加强
纵观前些年的上市企业年报审计信息，信息失真可以说是整个财会审计行业存在的普遍现象。究其根本原因，还是因为在没有人工智能的时期，审计信息是靠人力的手工编制。在人为操作中，失误肯定在所难免的，现象也会有所出现。而一旦将人工智能运用于上市企业年报审计中，人工智能取代部分人为，那么由于人工失误造成的年报审计信息失真的可能性自然会降低，人为的现象出F的可能性也会减少。因此，人工智能背景下上市企业年报审计信息质量便会有所加强。
5人工智能背景下上市企业年报审计工作模式精简化
之前的上市企业年报审计工作通过手工进行财务信息处理，这种工作模式繁琐又单一，较为程式化。而现在的上市企业大多会以业务流程为依据为会计人员分配工作，它们引进的人工智能打破了长久以来企业对年报审计工作的分工模式。在人工智能的背景下，上市企业年报审计的工作岗位中有一部分一定会被取代甚至取消。被取代或取消的财务人员岗位则很有可能被设为程序操作员的岗位以及管理审计岗位。由此看来，人工智能对上市企业年报审计工作的分工格局可谓有大幅的影响。
6人工智能背景财会岗位需要复合型人才
人工智能背景下，上市企业年报审计工作已经从财会工作转化成财会管理工作。这也就说明，如今的上市企业需要的不仅仅是能够熟练掌握财会理论和进行实务操作的财会人员，更需要复合型人才。这就要求，该人员既能掌握财会专业知识，又能管理财会审计软件、精通IT技术，既懂业务，又可以处理数据。也只有这样的人，能够以其自身敏锐的洞察力，独到的判断力，适应如今的人工智能时代，更好地完成上市企业年报审计的工作。
7总结和展望
虽然人工智能时代的来临，为上市企业年报审计模式带来了创新与改革，很大程度上展现出其相对于人脑独特的优势，它强大的处理数据的能力也正是年报审计工作需要的。但是从目前实际应用情况来看，人工智能应用的深度并不深，应用层次也不高，上市企业年报审计模式依旧有待改革，会计人员能力如何快速提升转型为复合型人才，更是人工智能背景下上市企业年报审计工作面临的一项不小的挑战。
参考文献
[1]乔恩・拉斐尔.看人工智能如何提高审计质量[J].中国会计报，2015.
购物车(0)