再论智能会计

【摘要】人类社会前所未有地同时处在两个世界之中： 现实世界和虚拟（数字）世界。 过往的会计基本上是一种用信息反映客观事物的镜像体系， 是对现实世界所发生的经济活动的货币化映射， 也就是用信息系统来投射现实世界。 未来的智能会计则是一种基于算力、算法和数据的认知体系， 其内嵌于现实和虚拟世界并与这个数字化的虚拟世界融为一体、和谐共生、同频共振。 它通过会计规则和新兴技术的高阶嫁接融合， 即“借”“贷”会计语言和计算机编码语言的无缝隙对接， 实现对现实和虚拟世界宏微观经济社会领域所发生的业务活动或交易事项的数字化替代， 并在此基础上， 基于会计、业务和行业或社会信息所实时集成的大数据或全样本数据， 运用大数据技术和智能决策工具， 为宏微观经济主体的价值反馈和价值创造提供信息服务。 由此， 智能会计在本质上是一项基础性管理活动， 发挥大数据分析和辅助决策支持作用， 属于交叉学科范畴， 具有计算社会科学属性。

【关键词】智能会计;本质;职能;科学属性

【中图分类号】 F230     【文献标识码】A      【文章编号】1004-0994（2021）21-0054-9

跳出会计看会计[1] 。 有时， 换一种看待问题的角度和思维方式， 可能更容易把握事物发展的大势。 在大数据和人工智能等数字技术的深度支持和大力推动下， 人类社会前所未有地同时处在两个世界之中， 即现实世界和虚拟（数字）世界。 过往的会计主要是一个信息系统， 也就是一个镜像体系， 是对现实世界所发生的经济业务的概念化、抽象化、货币化和规则化处理， 是用信息系统来投射现实世界， 存在失真的可能; 而未来的智能会计则是一个内生性和复杂性系统， 它全面嵌入现实和虚拟两个世界之中， 并与数字化的虚拟世界融为一体、和谐共生、同频共振， 虽然也存在通过人机交互实现对现实世界的映射问题， 但是更主要的方向是通过模仿、学习、思考， 去实现对现实世界的数字化、模型化、模态化和智能化反映， 是用数字世界来替代现实世界， 存在虚拟现象。

到目前为止， 会计学界、业界和教育界对会计智能化转型已经形成基本共识， 但对智能会计是不是一门科学， 能否成为一门相对独立的学科或专业， 是否具有科学性， 或者说， 对智能会计要培养什么人才、怎样培养人才和为谁培养人才， 尚存异议。 笔者就智能会计的本质、职能和科学属性等， 谈一些看法。

一、智能会计的本质

1. 智能会计是会计转型发展的必然选择。 伴随着新一轮科技和产业变革的持续而广泛发力， 各行各业已经开启了全面数字化进程， 数字经济被赋予全新内涵和发展范式， 一个以算力、算法为技术基础的万物（包括人类个体）感知、万物互联和万物智能的数字世界正在蔓延式加速到来， 人类社会正在迈进一个以数字化、智能化和虚拟化为显著特征且十分复杂的“陌生社会”。 这是一个由“机械化思维”向“大数据思维”以及由“零和博弈”向“协同共创”跃迁的数字文明社会。

在这个社会中， 作为一个为经济管理和企业管理提供会计信息和其他经济信息支持的管理系统， 会计在思想观念、结构要素、功能作用、方式方法、技术手段和服务场景等诸多方面都发生了一系列根本性变化。 譬如， 过去会计（这里是指财务会计）循环的源头在记录经济业务和明确经济责任的会计凭证， 业务真实与否严格地讲与会计人员关系不大甚至根本就没有关系; 而现在， 智能会计借助大数据和区块链等技术， 在经济业务发生之时就能确保经济业务不会被篡改， 也就是说， 智能会计从源头上彻底根除了“业务造假”而不是“会计造假”的顽疾。 再譬如， 过去会计（这里主要是指管理会计）为企业决策提供相关性信息时， 受样本数据和信息技术的限制， 很难做到让决策者“心中有数”; 而现在， 智能会计极大限度地实现了会计信息、业务信息和行业或社会信息的即时集成， 支持项目分析和决策的往往是大样本甚至是全样本数据， 所提供的问题解决方案更为科学、精准和合理， 更加符合和顺应事物发展的规律和趋势。

可见， 数字文明时代的智能会计虽与工业文明时代的会计密切关联， 但已不能简单地将其视为会计的“同源分流”， 而实质上是会计（当然包括财务会计和管理会计）在大数据和人工智能等新技术推动下的运维升级， 也就是跃升。 它是人类社会尤其是人类数字经济社会发展的必然要求， 是数字化环境的应然产物， 需要也必须重构其知识体系。 这是一个需要解放思想、理念转换、内容重塑的重大会计改革创新问题。 智能会计是会计转型发展的方向[2] ， 这是大势所趋， 也是时代主题。

（1）人类社会正在逐步进入生态文明新时代。 在这个时代， 人类的认知边界极大地扩展了， 从简单还原到复杂整体、从关注事物本身到网络生态、从线性均衡到非线性非均衡; 人们的生产生活消费方式颠覆性地改变了， 从真实世界到虚拟世界， 从信息互联到价值链接， 从隔空限时交流到无时空无差别对话， 从物质、价值、信息分流到物质、价值、信息和人员合流。 这种数字化的经济业态、自组织性的企业形式和瞬息万变的管理场景， 需要的是具有智能性、适应性、主动性和协同性的智能会计系统。 这个系统至少能够敏锐地与环境和其他主体进行交流和学习， 并根据积累的学习经验不断地改变自身结构和行为方式， 同时也改变着环境。

（2）中国经济正在全面进入数字经济新时期。 在这个时期， 我国的经济体制正在从“使市场在社会主义国家宏观调控下对资源配置起基础性作用”向“使市场在资源配置中起决定性作用和更好地发挥政府作用”转变; 面临的市场环境正在从开放经济向“以国内大循环为主体、国内国際双循环相互促进”的新发展格局转变; 数字技术迭代发展带来了巨大的产业变化、模式创新、生产生活方式改变， 促使卖方或第三方市场迅速向买方或按需市场转变; 企业未来的生存空间正在由物理空间转向数据空间， 数据的产生、获取、集成、共享和安全已经成为企业管理的应有内容。

（3）会计系统正在进阶转向人机合作新阶段。 从整体上， 会计要由专业性的会计核算转变为复合性会计管理; 在边界上， 会计要由主要反映企业的经济业务转变为全面反映企业生态圈内或价值链、产业链和供应链上的经济或社会活动， 系统呈现企业与环境、与变化的共舞过程和商机; 在对象上， 会计要由揭示微观主体经济活动量的方面的货币形态， 转变为同时披露宏微观领域经济活动质的方面的非货币形态; 在目的上， 会计要由主要为资本市场提供可靠、相关的结构化会计信息， 转变为同时为管理决策或价值创造提供具有相关关系及因果关系的多模态信息。

综上所述， 会计发展的大势是十分明确的， 即： 一方面， 机器将会代替会计人员来完成越来越多的核算和决策工作——从简单重复的记账、算账、报账和分析， 到程序化的监督控制， 再到半程序化的管理决策; 另一方面， 人机合作已经成为最重要的会计管理能力——线上线下协同、大数据分析和非程序化管理。 只是到目前为止， 还没有发展成为一种如大规模流水线生产技术、全面质量管理技术和会计信息化管理技术那样成熟的， 能够被机器化、流程化和制度化的会计智能化管理技术罢了。

2. 智能会计的本质解析。 智能会计在本质上是一项基础性的管理活动—— 一项以数字经济为前提、“业财融合”为基础、财务共享为平台、人工智能为支撑， 在宏微观经济与管理领域， 主要发挥大数据分析和辅助决策支持作用的人机共生、协同进化和管理赋能的会计管理活动[3] 。 它是一项数据治理主体参与、数据治理手段实施和数据治理机制协同的， 在一定意义上超越了企业边界， 带有全域性和生态性， 也就是生命共同体意识的会计治理活动。

（1）智能会计是“会计”。 它是现代会计与数字技术紧密结合的产物， 或者说是会计发展到智能时代的一种具体表现。 它在本质上还是会计， 既指会计工作， 也指会计科学， 是“人们管理生产过程的一种社会活动”“本身就具有管理的职能， 是人们从事管理的一种活动”“人们只要进行生产活动， 就需要会计管理”[4] ; “‘会计管理是建立在‘会计是一种管理， 或是一项经济管理工作这一认识的基础上的。 ……客观现实中会计地位、作用的提高， 是产生‘会计管理概念的重要基础”[5] ; “会计的实质是管理， 会计本身是一种管理活动”[6] ， “对各单位的经济业务进行核算与分析， 作出预测， 参与决策， 实施监督， 旨在提高经济效益的一项具有反映和控制职能的经济管理活动”[7] 。 也就是说， 会计尤其是近现代会计是一项围绕价值反馈和价值创造而进行的企业管理活动。 智能会计也具有这种管理属性， 且具有“治理”意蕴， 强调有共同目标的一系列治理活动， 表现为工作主体的多元性、工作基础的数字性、工作方式的协商性和工作手段的技术性。

当然， 从信息论和系统论角度去理解， 会计也“是一个信息系统， 一个用来把企业或其他营业个体有意义的经济资料传递给与其有利害关系的各方的信息系统”[8] 。 “会计实质上是一个信息系统。 更准确地讲， 它是把一般信息理论在有效率的经济营运问题上的一种应用”“是为经济决策提供信息的特殊信息系统”[9] ; “会计是一项服务活动。 它的职能是提供有关经济主体的性质上属于财务的数量信息， 以有助于作出经济决策”[10] ; “根据当前的现实及其今后的发展， 应把会计看作是一个信息系统， 它主要通过客观而真实的信息， 为管理提供咨询服务”[11] ， “从广义上讲， 会计是一种旨在传达一个企业的重大财务和其他经济信息以便其使用者据此作出明智的判断和决策的‘经济信息系统， 即经济信息专门化”[12] ; “会计是旨在提高经济效益、加强经营管理和经济管理而在每个企业、事业、机关等单位范围内建立的一个以提供财务信息为主的经济信息系统”[13] 。

“以信息处理为主要功能的会计信息系统已经不能适应智能化环境下企业管理和社会发展的需求， 而会计管理活动论则为智能化环境下的智能会计系统构建提供了新的思路和方法”[14] ， “管理活动论”抑或“治理活动论”更能反映和揭示智能会计的本义而已。 或者說， 从信息系统和管理活动相结合的角度来描述会计的本质更为恰当， 即“会计是一个经济信息系统， 一个旨在为企业管理当局和其他利害关系单位或个人提供决策有用的， 可用货币计量的会计信息和其他经济信息的系统， 它是企业管理的重要组成部分， 或者说是企业管理系统的一个重要的子系统”[15] 。

（2）会计是“智能”①的。 这里讲的智能虽有生命智能之义， 但主要指的是人工智能（Artificial Intelligence， AI）②。

理论上， 人工智能需要依赖机器算法、语言和逻辑这三大底层工具， 通过不间断学习而迭代发展。 一开始， 人写语言赋予机器， 并由机器去识别、模仿、计算和存储， 即由机器代替人去干活; 逐渐地， 人写一部分语言， 在此基础上机器通过海量数据的储备和利用， 具备了一定的自主学习能力， 即机器不仅可以替代人的部分工作， 而且可以自己去找活干; 更进一步地， 机器具备了强大的知识存储能力、现实识别能力和数据运算能力， 甚至具备或基本具备了生命心理潜能或类人功能， 能够替代人类进行逻辑思考， 最终脱离人的赋能， 成为一种特殊的“生命体”， 退一步讲， 这时的人工智能不再是单纯模仿③， 而是识别和处理以及更高级的逻辑推演， 乃至情感反应或反馈识别处理及分析检验。 换句话说， 原来的人类生活和社会活动是由人来完成的， 完全是一个人教人的过程; 进入人工智能时代， 则是一个人教机器、机器与机器对话交流的过程。

显然， 人工智能的迭代程度取决于机器的自我学习能力， 而这种学习能力的形成则是一个由弱渐强的过程， 即机器必须在已经具备了弱人工智能学习工具的基础上， 又被赋予或自主获得一种相较之前处理能力更为复杂和高级的功能。 按照机器学习的程度和能力， 这种学习功能一般被分为“弱学习”和“强学习”。 前者是一种针对特定领域， 机器自身通过内在模仿， 学会处理问题的具体过程与方法的自主学习过程， 也就是机器具备了在既有原理或学科框架和实践经验的基础上， 对同一类实践体系（不是具体问题与信息）进行识别、分析， 形成与实践中的处理过程相对应的机器端的镜像实践体系， 进而利用这一自我生成的镜像体系去实践或处理具体实际问题， 并对实践或处理结果进行自我反馈， 在反馈与进一步学习过程中不断自我完善， 最后形成“学习——实践——反馈”螺旋式上升循环体系的能力; 后者的构建和形成则比较复杂且对机器本身要求甚高， 一般是指机器自身在拥有数理逻辑、语言文字以及与之相适应的算力、算法基础上， 从某一专业领域入手， 首先利用“弱学习”工具获取一套分析处理问题的规则步骤， 然后利用“强学习”工具， 对其进行人工智能认知分析处理检验的过程， 也就是在具有图像、语言、数据等知识储备与信息认知能力的基础上， 打破行业界限， 机器自身具备了一种通用的， 可以思考、推理和思维的自主学习能力。

需要指出的是， 人的感知、认知和行为等过程是非常复杂的， 作为人工制造出来的“智能”装置， 人工智能从严格意义上讲是不可能完全取代人的心理活动和思维尤其是辩证思维过程的。 “辩证思维——正因为它是以概念本性的研究为前提——只对于人才是可能的， 并且只对于较高发展阶段上的人才是可能的”[16] 。 但是， 不能以此为借口来否定人工智能对人的思维（包括直觉、形象、逻辑和辩证等思维）的部分或全部的放大作用， 也即， 人工智能即使没有辩证思维， 也并不会影响它辅助人或人类的整个悟性活动——归纳、演绎及抽象， 以及对未知对象的分析——判断、预测和决策。 事实上， 人工智能在本质上是一次关于人类的“思考”与“思维”， 也就是具有人文特征的自我认知革命， 属于继哥白尼革命、达尔文革命和神经科学革命后的人类认知的第四次革命——图灵革命， 用机器装置代替人类执行或解决原本需要人的思想、智慧和能力来完成的任务或问题[17] 。

按照对人类认知本质的三种不同理解， 即理性推导、经验学习和人与环境互动， 人工智能已形成基于知识表示、人脑神经网络和感知/行动等三种不同范式和基于符号主义、联结主义和行为主义三种不同纲领的流派。 在神经网络、深度学习④和神经拟态⑤等算法技术的强劲推动下， 人工智能在算力、算法和数据等方面都取得了飞速发展， 正在由单纯的观察、感知、认知， 向自适应、独立意识和全面替代甚至是超越人类智慧和能力等方面快速演进。 也就是说， 人工智能越来越拥有接近、达到或超越人的智慧， 越来越具有类人的感知、欣赏、心情、情感、意识和推理等功能， 即具备了完成感知、理解、推理、分析、决策和行动等一系列交互任务的能力， 从最初的“弱人工智能”（Weak AI）或“窄人工智能”（Narrow AI）——模拟或代替人类劳动， 逐步迈向了现在的“强人工智能”（Strong AI）或“通用人工智能”（Artificial General Intelligence， AGI）甚至是“超级智能”（Super Intelligence）——增强或扩展人类的智慧和能力。 2017年我国《新一代人工智能发展规划》中重点强调的智能技术与其他技术的融合， 就属于“强人工智能”或“超级智能”的范畴， 主要包括大数据智能、跨媒体智能、自主智能、人机混合增强智能、群体智能等五大关键技术类型。

人工智能贯穿于生产与消费的各环节， 应用于经济和社会的各方面[18] 。 具体来说， 人工智能在微观层面增进了技术与人的互动和交流——尽管存在致使人类面临信息泄露、技术不适和伦理失范等新风险， 但更多的是为人们带来了更高效率、更高质量和更加个性化的诸多便利和服务[19] ; 在中观层面引发了行业与组织的变革和再造——在进一步打破虚实界限的同时， 重塑了传统的基于人际互动而形成的组织关系， 推进了行业和组织中分工和责任的重构， 使“人机对峙”最终走向了“人机合一”; 在宏观层面推动了制度变迁和政策回应——在一切经济事项和社会具象都可能或可以被“数据化”的同时， 推动了国家治理体系和治理能力更大范围的现代化， 促进了经济社会制度的整体变迁和法规政策的实时回应。 这其中就涉及作为人类社会不可或缺的服务于宏观、中观和微观经济管理的会计。 人工智能应用于会计领域， 势必推动会计信息形成和利用的思维、规则、职能、组织和制度等的广泛而深入的变革。 会计信息的形成可以高效率、低成本地实现一体化、敏捷化、实时化和可视化， 即可以极为便捷地把标准化、规范化和流程化的会计场景加以全时反映。 会计信息的利用随着人工智能自主学习、自我进化和自由意志能力的提高而逐步转向大数据分析和辅助决策支持， 具体表现为： 对待市场、政府和社会等方面的信息， 从关注不够甚至是漠不关心到反应敏捷; 对待技术， 尤其是IT技术、计算技术和信息技术， 从一般化或碎片化应用到系统化和生态化加速整合; 对待判断、分析、预测和决策， 从会计核算的边缘走向会计管理的中心。

二、智能会计的职能

作为一项管理抑或治理活动， 智能会计除了“当作生产过程的控制和观念总结”[20] ， 即具有会计的反映（核算）和监督（控制）基本职能以外， 還具备大数据分析和辅助决策支持功能。 换句话说， 在数字经济和数字企业的建设和发展中， 会计的反映（核算）和监督（控制）职能逐渐被机器和技术所取代， 从而让位于智能会计的大数据分析和辅助决策支持， 并在技术和数据双螺旋驱动下， 最终实现了由会计核算向会计管理的整体性职能转变。

1. 大数据分析功能。 “大数据”（Big Data）一词首见于1998年10月23日《科学》（Science）中的《大数据处理器》（A Handler for Big Data）一文[21] 。 2008年《自然》（Nature）设立“大数据”专刊， 使其在学术界得到了广泛认可。 2011年美国信息存储资讯科技公司易安信（MMC）在“云计算相遇大数据”大会上介绍并使用了“大数据”概念， 使其成为计算机行业和管理科学领域关注的热词。 大数据是一个超越传统典型数据各方面特性的新型数据集合[22] ， 是基于现代信息技术与工具的， 可以自动记录、储存和连续扩充的， 大大超出传统统计记录与储存能力的一切类型的数据[23] ， 是在一定条件下数据量必须达到一定规模的可扩充的有待挖掘的全体数据[24] 。 它是一种海量、高增长率和多样化的信息资产， 具有规模大（Volume）、种类多（Variety）、速度快（Velocity）和价值密度低（Value）等所谓的“4V”特征[25] ， 或者加上真实性（Veracity）的“5V”特征[26] 。 目前， 大数据已迅速而广泛地存在并应用于经济、政治、社会、文化、教育和管理等生产生活消费的各个领域， 尤其是“它将会像土地、石油和资本一样， 成为经济运行中的根本性资源”[27] 。

大数据分析， 顾名思义， 是基于大数据并利用大数据技术来观察事物现象、探究事物联系、揭示事物本质和发现事物规律的一种人类（在一定意义上亦可能是机器）认知活动。 众所周知， 基于“一切事物或现象背后皆有终极解释”的认知逻辑， 传统意义上的数据分析， 或者说小数据分析特别关注客观事实背后的所谓“因果关系”， 重点强调“前提预设”和“理性推论”， 并在前提、推理和结论这一理性演绎中反复追问“为什么”， 即试图找出事实真相和行动缘由。 但是， “在大数据时代， 我们不必非得知道现象背后的原因， 而是要让数据自己‘发声”， “知道‘是什么就足够了， 没有必要知道‘为什么”[27] 。 也就是说， 大数据分析放弃了传统分析对“因果关系”的渴求， 而是转向对事物或现象“相关关系”的关注， 即通过对“主观事实”的建构， 把那些与“客观事实”存在相关关系的“主观事实”全部列示出来， 从而为组织或个体决策提供各种适切选择或解决方案。 由于大数据分析技术的迭代发展和广泛应用， 使得全样本分析也就是全归纳分析成为可能： 在无假设约束下， 对事物或现象之间可能存在的相关性进行探索性分析， 已经是一件既方便又省时省力的事情了。

诚然， 大数据分析并非全然排斥因果关系， 它离不开随机或抽样分析的支持和配合。 “一旦完成了对大数据的相关关系分析， 而又不再满足于仅仅知道‘是什么时， 我们就会继续向更深层次研究因果关系， 找出背后的‘为什么”[27] 。 事实上， 只有通过两者的有机结合， 也就是验证性分析“把数据由大变小”“从处理过的大数据中提取价值”[28] ， 才能更加精准地发现、预测和总结事物或现象也就是大数据背后所隐藏的规律、模式及其未来发展趋势。

会计原本就具有分析性。 会计分析曾被认为是会计学的三大内容之一， 其他两大内容是会计核算和会计检查。 会计是分析性的， 指的是它从为数众多的业务数据出发， 经过分类和汇总， 把大量的数据缩减为较为少量、极其重要而又互有联系的项目， 这些项目只要编排得当， 就会很充分地反映出一家特定企业的现状和发展情况[29] 。 只不过， 当时的会计分析限于获取资料或数据的技术水平和能力， 主要还是基于会计信息的， 特别是会计报表中那些以货币尺度计量和揭示的结构化数据; 而这些数据表征单一、规模有限、数量偏少、结构简单， 并没有充分考虑企业业务信息和宏观社会信息， 加之会计分析所采用的方法又相对简单、技术手段相对落后， 且侧重指标尤其是量化指标分析， 致使此时的会计分析在本质上还是一项质性分析基础上的有限度的数量分析。

随着IT技术或数字技术尤其是人工智能技术在会计领域越来越广泛的应用， 作为一个数字化、自动化和智能化的信息反馈和价值管理系统， 智能会计的处理对象应该从微观领域经济活动的数量方面， 逐步延伸到微观企业及宏观领域的经济活动和社会生活的质和量方面， 更多的业务信息和社会信息逐渐进入会计分析的视野。 会计信息的生成、会计数据资源的管理和利用日趋自动化、智能化、共享化、社会化和生态化， 智能会计真正成为链接宏微观经济管理和社会活动的纽带与桥梁， 成为价值链上或生态圈内资源优化配置和价值创造实现的“参谋”或“助手”; 以此为基础的会计分析切实具备了大数据分析的特质， 演化成名副其实的大数据分析， 会计分析所依据的数据不仅融合了企业内部业务数据， 而且超出了企业边界进一步扩大到社会领域的群集数据。

可见， 智能会计意义上的大数据分析是计算机科学、数据科学和计算科学等相关学科赋予会计分析的新任务和新功能， 是一项以会计信息为元数据， 延伸到业务信息和社会信息所进行的会计分析活动。 也就是说， 它是一个利用大数据分析技术， 通过对会计信息、业务信息和社会信息的分解辨析， 从中找出有助于企业科学决策与管理的隐藏模式模型、未知相关关系以及其他有用信息的人机协同的认知过程。

2. 辅助决策支持功能。 作为一个经济/技术系统的组织[30] ， 企业是一个有机统合管理决策和员工决策的复杂技术系统。 “管理就是决策”“决策贯穿于管理的全过程”[31] ， “决策是行政的心脏”[32] 。 没有科学的管理， 就没有理性的决策， 企业在配置经济资源和组合生产要素时， 就很难保证既有效率又有效益， 也就很难增进社会财富和提高文明程度。

众所周知， 理性“是一种行为方式， 是指在给定条件和约束的限度内适应于达到给定目标的行为方式”[33] ， 有其特定的思维方式、认知逻辑和方法论基础。 当然， 理性“在它缺失全知全能性时是有限的”[34] ， 这种有限性主要指的是“人类认知能力的局限性， 即人在较短或一定的时间内处理信息能力的界限”[34] ， 主要“包括知识和计算能力两方面的局限性”[35] 。 而决策则是一种战略或策略选择， “是一个分阶段、涉及很多方面的系统过程”[36] ， “就决策导向最终目标的选取而言， 我们把决策称为‘价值判断; 就决策包含最终目的实现而言， 我们把它称作‘事实判断”[37] 。 可见， 决策是不是理性、管理是不是科学， 其重要的前提是能不能获取足够数量的信息。 信息关联在管理决策过程中具有重要作用， 它渗透在“决策前提赖以从一个组织成员传递给另一个成员的任何过程”中[38] 。

在智能时代， 企业流程或企业样态已不再是传统意义上的产品研发、生产制造、营运管理、商品销售和售后服务， 而应该是价值共创、智能制造、敏捷决策和柔性营销。 作为一个信息系统， 传统会计提供信息的技术和能力是有限的， 尤其在信息获得、存取和计算能力方面， 尚达不到理性决策所要求的“满意化”程度。 “今天的稀有资源不是信息， 而是处理信息的能力”[39] 。 而智能会计， 作为一个智能会计核算系统， 能够及时、精准和低成本地提供科学或理性决策所需要的全部会计信息和其他相关业务甚至社会信息; 作为一个智能决策支持系统， 它是一种以数据仓库为基础， 以联机分析工具（OLAP）和数据挖掘工具（DM）为手段的一整套可操作、可实施的决策支持解决方案， 其处理对象始终聚焦在决策和支持上， 不仅提供足夠的或全样本数据化信息， 而且致力于决策问题的结构化⑥。

自新中国成立后， 关于会计（主要是近现代会计）职能的认识， 在政策上与20世纪60年代我国国民经济实行的“调整、巩固、充实、提高”的“八字”方针密切相关， 在理论上主要源于马克思关于“簿记”功能的一般性描述， 即“过程愈采取社会的规模， 愈失去纯粹个人的性质， 簿记——当作生产过程的控制和观念总结——就愈成为必要。”[40] 其中， “所谓‘观念总结， 是指用观念上的货币即计算货币来总括地反映生产过程及其成果。”[41] 基于上述考虑， 我国学术界和实务界把对“过程的控制和观念总结”概括为“反映”和“监督”， 认为会计的“基本职能一是反映（观念总结）， 二是监督（控制）”[42] 。 1985年我国颁布的《会计法》中又把会计的基本职能规范为“核算”和“监督”。

毫无疑问， 会计“对经济发展是反应性的”[43] 。 因此， 智能会计作为一个反应性系统， 总体上要内嵌于日趋成熟的数字世界， 服务于数字经济建设和企业数字化转型。 具体而言， 一方面要由机器或技术基本或完全取代其反映或核算职能， 另一方面要使监督职能回归到它的“控制”本义， 并赋予计划、分析和评价等基本内涵， 形成一个相对完整的会计管理循环， 其内容至少包括“会计预测、会计决策、会计预算、会计计量、会计控制、会计报告和会计分析”[44] 。 诚然， 此时之“控制”已经是“管理”的同义语了。 在“控制”职能中， “监督”仍然有强调的必要， 只是监督的内容、方法、方式和手段， 都已发生了根本性变化。

完全可以预见， 在把以会计信息为基础的大数据推送到管理决策边缘或中心的过程中， 智能会计发挥着交联大数据与决策和行为的关键作用。 它不单是一种支持决策与行动的数据收集和处理的智能化工具， 更重要的是， 它将通过对宏微观经济组织或个体的业务分析、数据理解、数据准备、建立模型及评估和信息调配等， 不断提高数据的结构化水平和决策过程本身的智能化程度， 使数据更加贴近或走进科学决策和价值创造过程。

三、智能会计是一门科学

智能会计是会计知识与大数据技术和人工智能技术的完美结合。 伴随着“创造性破坏”和“颠覆性创新”的数字技术的涌现和应用， 大数据成为一个现象级领域， 其计算能力得到大幅度提升， 推动会计进入了一个用数据和计算来定义和理解也就是智能会计的新阶段。 正是由于数字技术对会计学的这种技术赋能， 才一定程度上使“在学术大家庭里的会计学这一新生儿”[45] ， 由“软科学”向“硬科学”迈进了一大步。 可以说， 智能会计学是会计、科技（技术）和管理（决策）三者深度融合、一体化发展的应然和实然结果， 而大数据、算力、算法共同驱动了会计智能化跃迁的这一重要进程。

作为一门科学， 智能会计不仅要关注一笔笔经济业务、一个个鲜活案例和一列列对应变量， 更要关注可用数学模型或统计模型捕捉到的语言、位置、运动、网络、图像和视频等非货币化和非结构化的质性元素及其表征出来的大数据之间的依赖关系; 不仅要进行会计与技术的一体化、整体化研究， 而且要在会计与技术的“无缝之网”中来研究会计现象、探寻会计规律。 在智能会计学这个概念中， “会计”一词更多的是强调把会计理论（主要是指会计准则、制度、标准和规则）引入“智能”（主要是指人工智能中的算力、算法， 即计算能力）这个数据采集、挖掘、建模、输出的全过程之中。 其中， “智能”一词更多的是强调对会计核算和会计管理的技术赋能。 这是一个理论指导计算、计算启发理论的完美过程。

应该说， 智能会计是基于包括会计信息在内的大数据， 利用会计科学与计算机科学、数据科学、计算科学等相关学科相结合的方式方法， 研究智能会计活动（智能会计核算、智能会计预测、智能会计决策、智能会计预算、智能会计分析、智能会计控制和智能会计评价等）专门问题的方法性、计算性、实践性和交叉性科学， 属于交叉学科范畴， 具有计算社会科学属性。

1. 智能会计是一门方法性科学。 社会发展到今天， 鉴于会计的科学性， 不能否认智能会计也是一门实质性科學的论断， 也就是它本身具有解读经济利益实质的理论功用。 但是， 如果从技术和方法论角度看， 智能会计又确实是一门更加侧重于方法论的科学。 换言之， 智能会计不仅是一门基于规则、数据和技术来研究会计实质及其规律的实质性科学， 更是一门关于会计方法技术化、智能化和智慧化的方法性科学， 亦即着重研究方法论的一门科学。

智能会计虽然也研究规律， 但是它所研究的业务或交易之规律， 是在归纳或研究业务或交易方法时， 才开始研究的。 为方法而研究规律， 是智能会计学的鲜明特征。 智能会计分析数据及其要素间的结构、关联和因果之关系， 主要是为了数据建模或者统计建模， 是为了说明和总结方法， 侧重的仍然是方法科学的内容。

2. 智能会计是一门计算性科学。 大数据、人工智能等数字技术广泛而深入地应用于会计领域， 无疑塑造了智能会计这个新领域， 并促使会计更加趋向于计算化和数字化。 在智能时代， 任何组织或个人“所处的整个世界是由算法控制， 并且按算法确定的程序进行演化”[46] ， “计算已成为人们认识自然、生命、思维、社会的一种普遍的观念和方法”[47] 。 与传统会计相比， 智能会计更是“一个计量过程”[48] ， “会计计量是会计活动的核心职能”[49] 。 从严格意义上讲， 受传统计算技术等因素影响， 现行会计计量是很难达到如实反映和决策相关等会计信息质量特征要求的， 而智能会计则不然。 在计算能力和数字技术支持下， 智能会计能够极大地提高会计信息的确定性和逼近性， 细化其颗粒度， 也就是智能会计所形成的以数字表示的会计信息会越来越精准地揭示现实经济世界的本质和全貌。

可以说， 智能会计既是“计算”也是“算计”， 在本质上就是一种计量—— 一种面向数字技术应用的社会计算过程， 具有计算社会科学属性。 具体而言， 智能会计不仅要计算经济活动的数量方面， 而且要通过对大数据的收集与分析， 去发现更有意义的模型; 甚至通过深度机器学习， 去观察更大规模的会计现象， 去透视更为复杂的会计系统， 进而发现和形成创造性的会计思想、理论与方法， 探究未知领域的邻近可能性。 智能会计不仅要关注计算机或更广义的数字技术在会计活动中的应用， 而且要研究会计知识在计算机或数字技术中的嵌入使用， 并以此来探究和认知智能会计科学中的规律性和方法性知识。

3. 智能会计是一门实践性科学。 智能会计归根结底是一种社会活动、认识活动， “在本质上是实践的”[50] ， “是一种实践活动”[51] 、“一种具有历史性、建构性的实践活动”[52] ， 即为了实现组织资源和生产要素的优化配置， 按照既定目标和规则来反馈和创造价值， 管理和控制宏微观价值运动。 理论源于实践。 对智能会计这种后发性的科学而言， 其理论、观点和方法即知识体系的形成和建构， 更多的是始于实践观察， 更要强调对客观存在的、在一定程度上也是方兴未艾的智能会计实践的观察、反映和分析的这种实践优位性。 因为， “科学规律（除数学以外）必须从事实中归纳和总结得出， 人类的主观性可以被这种方法有效地过滤掉”[53] 。 当然， 智能会计实践又不完全等同于自然现象， 不仅要广泛地运用数学、统计学和人工智能技术， 而且也包含着更多的价值判断与主观选择。

4. 智能会计是一门交叉性科学。 基于组织及其环境关系的数字性和复杂性， 智能会计具有鲜明的交叉学科特征， 或者说， 它本身就是一门交叉科学。 过去， 会计学被限定在经济领域， 视为一项经济管理活动， 甚至仅视为一项微观经济管理活动。 而现在， 随着企业生产社会化和数字化程度的不断提高， 智能会计工作早已超出了微观经济主体边界， 甚至从国民经济整体利益的角度出发， 在整个社会范围内基于所谓的大数据来组织活动， 成为一种经济、社会、技术交叉融合的综合实践活动， 具有显而易见的复杂性、突发性和多尺度性。

众所周知， 针对复杂、综合和交融性的重大经济社会问题， 单一学科的知识往往难以进行多维度、全方位、整体性的深入探讨和系统建构， “需要互补应用多种研究路径——统计模型和模拟、社会和经济理论、实验室实验、调查、民族志田野调查、历史和档案分析， 以及实践经验”[54] ; 需要运用计算机科学等理论， 通过对问题的不同层次的抽象， 利用算法去解析业务行为， 设计人工智能系统， 求解复杂问题， 并利用数学模型和方法形成更有针对性的解决方案。

实际上， 相对于数字中国建设对会计专门人才的数字化、敏捷化和智能化的要求， 传统会计学已经出现了难以逾越的知识屏障、技术不足和能力短板， 迫切需要吸收、嫁接和融合不同学科的发展成果， 通过各大门类科学及各专业知识之间的整合、共享和交融这一学科演化和设计的基本途径， 逐步实现智能会计学的知识积累和体系构建。 从这个意义上而言， 智能会计是会计科学与计算机科学、数据科学、计算科学、数学科学、统计科学等相关或相近科学之间发生的外部交叉， 以及会计科学内部各专业知识之间发生的内部交叉所形成的边缘性、横断性和综合性知识体系。

【 注 释 】

1 在英文语境中“智能”一词对应的是“intelligence”，源于由“inter”和“legere”两部分构成的古拉丁语“intelligere”，其中，前者可理解为“在其中”，后者可解释为“辨识和选择”，结合起来看，就是“从中辨识和选择”，因此，“intelligence”可以引申为“自动地学习、研究、通晓和领会”;在中文语境中“智能”是“智慧”和“能力”的缩写。前者是指人从感觉、到记忆、再到思维的完整过程;后者是指对智慧产生的行为和结果的表达过程。它们在人这一个体中发挥智能的程度分别被描述为“智商”和“能商”，而我们时常讲的“情商”，则是介于这两者之间，发挥调控作用，使之正确或恰到好处。“智商”“能商”和“情商”在一定意义上是人的感知、认知和行为的外显。

2 人工智能的思想可以追溯到人工神经元网络概念的产生（McCulloch等，1943）和“图灵测试”（Alan M. Turing，1950）。1959年约翰·麦肯锡（John McCarthy）在达特茅斯会议上正式提出了“人工智能”（Artificial Intelligence）一詞，指出：“人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。”2007年他在《什么是人工智能》（What is Artificial Intelligence）一文中又给出了人工智能更为宽泛的定义，即：“制造智能机器，特别是智能计算机程序的科学和工程”。而《牛津词典》给予人工智能的定义是：计算机系统的理论与发展，能够执行通常需要人类智力的任务，例如视觉感知、语音识别、决策和语音翻译等。

③ “模仿”在这里指的是外在模仿而非人脑或行为模仿，它是人工智能的第一步，是初始阶段。这时的人工智能还谈不上“学习”，无论是后面讲的“弱学习”还是“强学习”。模仿的过程，一是要借用人工智能从无法用指标衡量的现实问题中收集获取可供后续数据分析的图片、文字、数据并加以记录和储存;二是要在已收集的信息基础上，对其进行人工智能识别、分类并根据不同信息类别加以指标化，使之成为可供数学或统计模型处理的数据信息;三是要基于已收集转化的数据指标和信息，结合处理实际问题的具体规则和实践，按照原有问题推演过程建立人工智能处理体系，使求解问题智能化;四是将已建立的人工智能处理体系投入实际问题处理过程以检验其可行性，发现其不足之处，以求改进。

④ 深度学习（Deep Learning）指基于多层神经网络算法模型，能够不断加强机器从海量非结构化数据中自行归纳物体特征以及对新事物多层特征提取、描述和还原的能力。它使得人工智能技术的识别准确率不断提升，从而可以在更广泛的场景下解决实际问题。

⑤ 神经拟态（Neuromorphic）主要是指用模拟、数字或者模数混合大规模集成电路（包括神经元或者神经突触模型的新型材料或者电子元器件）和软件系统，来模拟神经系统、实现神经网络建模，并在此之上构建智能系统。

⑥ 只有将半结构化和非结构化的决策问题结构化，才便于使用决策规划来确定问题、设计解答方式，并从中选择最佳或最优方案。其中，结构化的问题可以通过机器来自动化求解;半结构化的问题就需要人机交互;非结构化的问题应借助技术水平和认知能力的提高而逐步半结构化或结构化。

【 主要参考文献 】

[1] 王爱国.跳出会计看会计[ J].财会学习，2013（12）：1.

[2] 王爱国.智能会计：会计转型发展的方向[ J].会计之友，2020（9）：2 ～ 5.

[3] 王爱国.CFO在智能会计发展中应把控三大问题[N].中国会计报，2021-09-03.

[4] 杨纪琬，阎达五.开展我国会计理论研究的几点意见——兼论会计学的科学属性[ J].会计研究，1980（1）：2 ～ 10.

[5] 杨纪琬，阎达五.论“会计管理”[ J].经济理论与经济管理，1982（4）：39 ～ 45.

[6] 娄尔行.会计的实质是管理——《现代物资企业会计管理》序[ J].中国物资流通，1989（12）：30.

[7] 杨纪琬，娄尔行.经济大辞典·会计卷[M].上海：上海辞书出版社，1991：1 ～ 778.

[8] 西德尼·戴维森著.娄尔行译.现代会计手册（第一分册）[M].北京：中国财政经济出版社，1982：1 ～ 321.

[9] American Accounting Association. A Statement of Basic Accounting Theory[R].AAA，1966.

[10] APB. Statement No.4. Basic Concepts and Accounting Priniciples Underlying Financial Statements of Business Enterprisis[R].AICPA，1970.

[11] 余绪缨.要从发展的观点，看会计学的科学属性[ J].中国经济问题，1980（5）：46 ～ 47.

[12] 潘序伦，王澹如.基本会计学[M].北京：知识出版社，1983：1 ～ 559.

[13] 葛家澍.会计学导论[M].杭州：立信会计图书用品社，1988：1 ～ 509.

[14] 续慧泓，杨周南，周卫华等.基于管理活动论的智能会计系统研究——从会计信息化到会计智能化[ J].会计研究，2021（3）：11 ～ 27.

[15] 王爱国.会计理论研究——构建中国特色的会计理论体系[M].海口：南海出版公司，1995：1 ～ 312.

[16] 恩格斯著.中共中央马克思恩格斯列宁斯大林著作编译局译.自然辩证法[M].北京：人民出版社，1972：1 ～ 340.

[17] 弗洛里迪著.王文革译.第四次革命：人工智能如何重塑人类现实[M].杭州：浙江人民出版，2016：1 ～ 295.

[18] Mcafee A.， Rynjolfsson E.. Machine，Platform，Crowd： Harnessing Our Digital Future[M].New York： WWNorton & Company，2017：1 ～ 416.

[19] Pasquale F.. The Black Box Society[M].Cambridge： Harvard University Press，2015：1 ～ 320.

[20] 马克思著.中共中央马克思恩格斯列宁斯大林著作编译局译.资本论第二卷[M].北京：人民出版社，1953：1 ～ 678.

[21] Tony Cass. A Handler for Big Data[ J].Science，1998（10）：636.

[22] Manyika J.， Chui M.， Brown B.， Bughin J.， Dobbs R.， Roxburgh C.， Byers A.. Big Data： The Next Frontier for Innovation， Competition，  and  Productivity [Kindle edition][R/OL].Mc Kinsey  Global  Institute，2011. http：//www.mckinsey.com/Insights/MGI/Research/Technology_and_Innovation/Big_data_The_next_frontier_for_innovation.

[23] 李金昌.大数据与统计新思维[ J].统计研究，2014（1）：10 ～ 15.

[24] 李金昌.從政治算术到大数据分析[ J].统计研究，2014（11）：3 ～ 14.

[25] 马建光，姜巍.大数据的概念、特征及其应用[ J].国防科技，2013（2）：10 ～ 17.

[26] Marr B.. Big Data： Using SMART Big Data， Analytics and Metrics to Make Better Decisions and Improve Performance[M].UK： John Wiley & Sons，2015：1 ～ 656.

[27] 维克托·迈尔-舍恩伯格等著.盛杨燕等译.大数据时代：生活、工作与思维的大变革[M].杭州：浙江人民出版社，2013：1 ～ 261.

[28] 胡雄伟，张宝林，李抵飞.大数据研究与应用综述[ J].标准科学，2013（11）：29 ～ 33.

[29] R. K. Mautz. Effect of Circumstances on the Application of Accounting Principles， Financial Executives Research Foundation[M].New York：Financial Executives Research Foundation，1972：1 ～ 188.

[30] 卡斯特·罗森茨韦克著.李柱流等译.组织与管理：系统方法和权变方法[M].北京：中国社会科学出版社，1984：1 ～ 724.

[31] Simon H. A.. Rationality in Psychology and Economics[ J].Journal of Business，1986（59）：209 ～ 224.

[32] Simon H. A.. Administrative Behavior[M].New York：Macmillan，1947：59.

[33] Simon H. A.. Theories of Bounded Rationality[C]. Amsterdam： North-Holland，1972.

[34] Simon H. A.. Bounded Rationality in Social Science：Today and Tomorrow[ J].Mind & Society，2000（1）：25 ～ 39.

[35] Simon H. A.. Models of Bounded Rationality（Vol. 3）[M].Cambridge， MA： The MIT Press，1997：1 ～ 470.

[36] Simon H. A.. Administrative Behavior-A Study of DecisionMaking Processes in Administrative Organization[M].New York： Macmillan Publishing Co，lnc，1971：1 ～ 400.

[37] 赫伯特·A·西蒙.管理行为[M].北京：北京經济学院出版社，1988：1 ～ 314.

[38] Simon H. A. Rational Choice and the Structure of the Environment[ J].Psychological Review，1956（63）：120 ～ 138.

[39] 赫伯特·A·西蒙.管理决策新科学[M].北京：中国社会科学出版社，1982：1 ～ 146.

[40] 马克思.资本论（第二卷）[M].北京：人民出版社，1953：1 ～ 672.

[41] 葛家澍.马克思的簿记理论与现代会计[ J].中国经济问题，1983（s1）：72 ～ 77/83.

[42] 阎达五.会计管理结构——对中国会计理论建设的若干思考[M].北京：北京出版社，1990：1 ～ 362.

[43] 迈克尔·查特菲尔德著.文硕等译.会计思想史[M].北京：中国商业出版社，1989：1 ～ 347.

[44] 阎达五，陈亚民.论会计管理循环[ J].财会通讯，1988（8）：10 ～ 14.

[45] 约翰.B.坎宁著.宋小明等译.会计中的经济学[M].上海：立信会计出版社，2014：1 ～ 271.

[46] 李建会.走向计算主义[ J].自然辩证法通讯，2003（3）：31 ～ 36.

[47] 孟小峰，李勇，祝建华.社会计算：大数据时代的机遇与挑战[ J].计算机研究与发展，2013（12）：2483 ～ 2491.

[48] 林志军.关于会计计量的认识[ J].会计研究，1986（5）：15 ～ 19.

[49] Yuji Ljiri. The Theory of Accounting Measurement[R].AAA，1975.

[50] 马克思.马克思恩格斯选集第一卷（关于费尔巴哈的提纲）[M].北京：人民出版社，1995：1 ～ 396.

[51] 杨栋，魏大鹏.科学观之演进与管理学科学属性之争[ J].管理世界，2009（6）：124 ～ 134.

[52] 李正风.科学知识生产方式及其演变[M].北京：清华大学出版社，2006：1 ～ 369.

[53] Rosenberg. Lakatosian Consolations for Economic[ J].Economics and Philosophy，1986（2）：127 ～ 139.

[54] Duncan Watts. Computational Social Science：Exciting Progress and Future Challenges[Z].The Bridge on Frontiers of Engineering，2013.