近期，「數治成長·邁向一流－2024大企業財務管理高峰論壇」在上海國家會計學院盛大舉行。上海國家會計學院智能財務研究院院長劉勤教授在大會現場發表了題為《智能財務：從知識模擬到知識創新》的精彩演講，指出智能財務當前仍處於知識模擬階段，並探討了從知識模擬到知識創新的可能。特別與您分享演講全文（有刪減），希望能對您有所啟發。
大家好！非常榮幸有機會跟大家一起交流，今天我要為大家報告的題目是《智能財務：從知識模擬到知識創新》。為什麼取這個題目？這來自於我的一個思考：智慧財務是一直在模仿人類的存量知識，還是可以透過人工智慧的方式對知識進行創新？
我的這個思考來自於一個案例，即IBM的 Watson系統。
Watson系統是全世界最著名的幾個人工智慧系統之一。談到這個系統，大家首先想到的，是它曾經在全美知識大賽上擊敗了兩個很強大的人類選手。此後，IBM把這個系統應用到許多領域。其中有一個應用是把Watson引入了醫療健康領域，聲稱在醫生輸入患者的醫療記錄或X光片後，可以判斷患者的病症，並推薦多種治療的藥物和方案。這在當時受到許多關注，因為這意味著這套系統不僅是對已有知識的模仿，還有自學習和知識創新的能力。但後來我查了一些資料，該計畫最後進行得併不順利，有一些誤診和法律糾紛，可能有商業模式的原因。
這個案例引發了我的思考，人工智慧只是模仿人類已有的知識，還是有自學習的能力？
目前，人工智慧在財務領域的應用絕大部分都是在形式化的基礎上，對顯性的存量知識，例如模型、規則、演算法等等的應用，仍處於對人類已有知識模仿的階段。未來的智慧財務是否能夠自動地從歷史經驗，包括眾多文獻和數據當中學習，演繹和歸納出新的財經管理知識，甚至創建出新的知識體系，由此進入超越人類傳統知識的階段呢？這是非常值得期待的，也是智慧財務研究與發展的重要方向之一。但我們從Watson的例子也可以看到，發展當中的阻礙也顯而易見。
智慧財務與知識管理密不可分
人工智慧是十分廣泛的科學，包含的內容很多。在會計領域有許多應用，例如模式識別的技術、基於規則和知識圖譜的技術、專家系統的技術、基於神經網路訓練的技術等等，在財會領域都有一些應用。
而智慧財務，就是利用以人工智慧為代表的新一代資訊技術，對財務領域進行升級改造，最後透過不斷模擬、延伸、擴展和部分取代人類財務專家的職能，最終為企業賦能和實現價值創造。這是我對智能財務的理解。
那麼智慧財務跟知識管理什麼關係呢？我們從財會的具體應用場景來分析。
曾經我們和金蝶寫了一本書《智慧財務－打造數位時代財務新世界》，裡面描述了智慧財務相關的典型應用場景，包含橫向的技術：智慧流程自動化IPA、專家系統ES、機器學習ML 、自然語言處理NLP，模式識別PR、語言模型GPT等；眾向的財會應用領域：例如會計核算、財務報告等；以及中間交集的部分就是智慧財務的典型應用。
之後，我們聯合金蝶等合作夥伴又發布了《人工智慧技術財務應用白皮書》，以財務共享服務中心為例，詳細描述了智慧財務的許多應用情境。
比如，票據資訊智能採集。在大批量票據處理時，我們對相關票據進行掃描影像處理，對影像進行預處理，並以OCR技術進行識別，把非結構化資料轉化為結構化資料。而OCR的過程是高度依賴知識的，如果沒有知識的支撐，就無法實現自動辨識。把圖像中的文字提取出來，把很多關鍵資訊提取出來，這些都是基於大量的知識處理。
再看合約的智能審閱。如果沒有合約的語料庫、財稅法規庫、公司規章庫，也就是說沒有相關的知識庫，是做不了智能審閱的。另外合約審查有很多規則，例如你的大小寫是不是對應，它有一條規則來判斷；比如分期付款，三期加在一起是否等於合約的總額，這也是有一條規則來體現的，這些必要的規則就是知識的一部分。
又例如報銷智能審核當中，你的地點是否合適、時間是否合適、權限是否合適，這些判斷都需要透過大量的知識來表達。有的單位用規則來體現，也有的單位用知識圖譜來體現，透過知識圖譜匹配，來判斷它是不是符合要求。例如你是不是符合“八項規定”，你的權限只能住四星級酒店，材料裡卻是五星級酒店的票據等等，這種審核可以通過大量的知識圖譜匹配來實現。而知識圖譜是典型的知識表達方式，包含了大量的知識。
從這些例子可以看到，在智慧財務決策支援系統裡面有許多知識應用。金蝶財務大模型當中也肯定有大量的知識應用。每個智慧系統裡，都可以看到知識庫或相關的規則、知識圖譜的身影，否則系統是無法運作的。
知識管理可從資料管理中尋找啟示
學過資料庫管理的朋友可能都知道，資料早期是人工管理。那時資料是嵌在應用程式裡面的，如果資料變了，就要改應用程式。後來有人把資料單獨放到資料檔案裡，把應用程式和資料分離，這樣當資料發生變化，就可以只改資料不改程序，二者相對獨立。這大大改善了專案管理，但如果資料發生增減或改變，那還是需要手動操作。所以後來創造了資料庫管理系統，專門對資料庫進行有效管理，像是增減、一致性檢查等等。
那對知識可以這樣做嗎？
可以發現，很多知識是嵌在程式裡的。演算法跟程式綁在一起，當演算法發生變化，程式就要跟著變。有沒有可能把規則、知識、處理的演算法跟應用程式分開呢？我們來調用知識，當知識發生變化，只需要修改知識即可。例如會計準則、稅法改變時，只要把知識相應修改一下，不用修改程序，這樣工作量就會大幅減少。
再進一步想像，有沒有可能存在一個知識庫管理系統，對規則、知識圖譜，進行維護與管理呢？現在其實沒有。所以知識的管理遠遠落後於資料的管理，我們期待知識庫管理系統有知識庫的定義功能、知識的增減功能、知識的一致性檢定功能，還有知識自學習功能、知識庫的安全保護功能等等。
在目前的智慧財務系統中，還未形成系統化的知識管理系統概念，更未出現知識庫管理系統。因此，在財經知識庫的管理中，尚存在大量難以解決的問題，如知識更新困難、知識庫標準化程度差、知識的冗餘和邏輯衝突不斷，知識庫防篡改功能缺失等等。所以，我們需要一個知識庫管理系統來解決這些問題。
知識模擬、知識創新與擴展
先前的知識庫是人類總結以後把內容輸入，未來可以透過系統自學習的能力，也就是透過知識獲取模組來把知識梳理以後自動錄入知識庫，但目前自學能力還是比較弱的。
我曾經寫過一篇文章，在知識管理裡面除了知識儲存和引擎之外，還有一個「知識發現系統」。即係統要自動發現知識，並把它輸入知識庫裡，進行應用。未來知識發現系統，是智慧財務實現知識創新的重要因素。
未來我們需要的系統，不僅有大模型和深度學習，還要用基於規則和知識圖譜的符號理論，把大模型和深度學習連結、結合。
最後，我們可以利用智慧技術來開拓創造新知識的途徑。例如透過自動化資料收集和預處理系統來大量獲取知識，透過人工智慧驅動的資料分析來學習隱藏的相關知識，透過知識圖譜顯性化地建構或表達知識，透過自然語音處理和文字探勘來進行情感分析和主題建模等等。
或許有人說你今天講的可能比較生澀，有點和平時講的不太一樣，不怎麼相通。實際上，我主要是想跟大家講一下，我們不僅要關注數據，更要關注知識。我們對知識的管理，系統性遠低於資料的管理。
最後，總結一下今天的觀點：本演講主要討論智慧財務當中，知識獲取和應用的趨勢。目前智慧財務系統對知識的處理，大多數是對人類專家已有的知識進行模仿，基本上不具備對人類知識延伸、擴展和創新的能力。未來的智慧財務系統，如需超越現有專家的知識與技能，就必須具備自學習和歸納出新知識的能力，甚至更進一步具備創造新知識體系的能力。沒有這些能力，人工智慧的發展就會觸及瓶頸。
另外，通用人工智慧大模型的出現，為智慧財務系統超越傳統人類財務專家的知識能力帶來了希望。因為大模型是典型的機器學習的演算法、深度學習的演算法，所以它可以創造出許多新知識。但是大家已經從大模型中發現了很多問題，例如它創造的新知識不是很全面，很多邏輯都沒有完整。
怎麼把這些東西探索明白，是我們智慧財務研究未來需要考慮的問題。謝謝大家！