随着AI功能的扩展，其决策能力已成为争论的焦点

应该如何进行以及应采用什么标准？例如，英国近就如何确保AI可以保护人们并使其具有可解释性进行了认真的政治辩论 -我将在本文中讨论这些主题和其他主题，技术与能力

随着机器学习的出现，人工智能已经超越了验证规则和宏的简单性，机器学习是系统在识别模式时变得更智能的能力，这使系统可以随着时间做出更优化的决策，过去的问题是无法将系统暴露给足够的数据（我们正在谈论数百万个实例）以无法准确识别模式。

人脸识别项目就是一个例子

研究团队不得不将大量图像输入到系统中，以教它寻找什么，在会计方面，仅根据标准流程的性质，我们已经在收集大量数据。处理所有这些数据的能力如何？有了云计算，我们现在可以大规模运行流程，例如大数据报告和机器学习，实际上，我们可以使用数十亿笔交易来指导系统查找费用异常之类的事物，然后将其标记为欺诈，错误或需要进一步检查，会计师会告诉您，他们所做的大部分工作都是管理例外情况。

我们正在建设具有学习识别和纠正异常的能力的AI-使会计团队能够从事与业务增长有关的战略任务

通过在云服务器中保持高弹性（平均负载的两倍以上），我们能够处理大量服务器和大型数据集中的AI操作以获得结果，保障措施随着我们增强AI和机器学习的能力，的担忧之一就是避免建立某种反乌托邦式的科幻社会，在这种社会中，人类的生活会落后于机器人霸主的目标，这意味着我们必须确保通过构建控件来使人们对系统负责，可以将这些控件视为杠杆，就像我们用来将计算机引导至其他自动化任务的杠杆一样，当前计算机在绘制恒星图方面大有帮助，但是人们要定义和监视它们要绘制的部分，同样血肉医生和医疗技术人员会在每个级别上控制和调整医学中计算机诊断的使用。

在金融领域，我们可以创建将边界应用于AI的杠杆，以防止它们超越离散任务，例如搜索费用异常

的保障措施就是教导AI以人类可读的方式报告自身，AI的可解释性，技术行业将此称为可解释的AI，通过授权AI解释其决策，建议或行动，我们使人们可以控制并保护AI脱离轨道，AI可能会在其查看的十亿条记录中发现数千个异常，而不是查看那数千条记录，我们希望AI告诉我们为什么选择这些记录或至少将它们放入可审查的存储桶中，所以我们可以运行进一步的自动化以纠正错误或拒绝欺诈。

影响向前发展

这些进步对财务团队意味着什么？展望未来，随着人们转向更具战略意义的活动并将平凡的工作移交给人工智能，我们预计会计功能将发生变化。我们还认为需要能够理解和指导AI行为的专家。处理AI的主要标准是对统计数据有深刻的理解，这可能超出了典型财务专业人士当前的要求。这个新角色类似于我们在1990年代和2000年代初看到的报告专家，他们需要对关系数据库有更深入的了解，因为查询数据变得更加先进，并且公司正在寻找摆脱对电子表格的依赖的方法。

 客服热线：400-050-6600

商业联合会数据分析专业委员会