亚洲欧美中文日韩在线v日本,亚洲精品永久在线观看,亚洲av日韩av永久无码色欲,亚洲成a人片777777,亚洲人成网站在线播放942

6月6日，由上海國家會計學(xué)院與中興新云、元年科技、浪潮集團(tuán)、用友集團(tuán)、金蝶集團(tuán)等聯(lián)合主辦的“信息技術(shù)驅(qū)動行業(yè)財務(wù)變革”高峰論壇暨2021年影響中國會計人的十大信息技術(shù)評選結(jié)果發(fā)布會在上海國家會計學(xué)院順利舉行。

針對本次由188位專家評選出的潛在影響中國會計從業(yè)人員的五大信息技術(shù)，本次論壇邀請五位嘉賓從信息技術(shù)的內(nèi)涵、發(fā)展趨勢、可能出現(xiàn)的產(chǎn)品、可能的應(yīng)用場景、學(xué)習(xí)建議等維度進(jìn)行深入分析，通過前瞻性的探討，展望對會計從業(yè)人員產(chǎn)生的影響方式和范圍。對此，本次評選專家、中國會計學(xué)會會計信息化專業(yè)委員會委員、山西財經(jīng)大學(xué)副教授續(xù)慧泓對深度學(xué)習(xí)與智能決策進(jìn)行了全面介紹。

概念釋義

理解深度學(xué)習(xí)需要從人工智能、機(jī)器學(xué)習(xí)的概念入手。上世紀(jì)四五十年代，圖靈賦予人工智能一個非常簡單的判斷條件：當(dāng)與機(jī)器對話時，無法分辨對面是機(jī)器還是人，這就是人工智能。人工智能的核心是如何讓計算機(jī)像人一樣思考。

和人工智能密切相關(guān)的概念是機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法，讓計算機(jī)理解人類的行為，理解人類的數(shù)據(jù)，并且產(chǎn)生它的結(jié)果。深度學(xué)習(xí)，是機(jī)器學(xué)習(xí)的子集，是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。

從相關(guān)概念的發(fā)展演進(jìn)來看，20世紀(jì)60年代進(jìn)入了人工智能的推理時期，推理時期是指將程序語言形成計算機(jī)代碼，讓機(jī)器具備邏輯推理能力，從而使計算機(jī)擁有智能，幫助人類進(jìn)行有關(guān)的邏輯推理。

20世紀(jì)70年代進(jìn)入知識時期，知識時期是指把人類獲得知識轉(zhuǎn)化成規(guī)則，通過規(guī)則應(yīng)用讓計算機(jī)具有智能。典型的應(yīng)用包括專家系統(tǒng)、決策支持系統(tǒng)等。

20世紀(jì)80年代末真正進(jìn)入機(jī)器學(xué)習(xí)時期，神經(jīng)網(wǎng)絡(luò)的出現(xiàn)標(biāo)志了機(jī)器學(xué)習(xí)概念的誕生，通過各神經(jīng)元連接模擬人類各節(jié)點(diǎn)的思維過程進(jìn)行相應(yīng)決策。由于當(dāng)時計算機(jī)的計算能力、存儲能力、網(wǎng)絡(luò)能力都不足以支持這么復(fù)雜的運(yùn)算，神經(jīng)網(wǎng)絡(luò)的概念興起后并沒有得到廣泛的應(yīng)用，90年代更多集中在統(tǒng)計學(xué)習(xí)，包括各類描述性統(tǒng)計、分析指標(biāo)。2006年深度學(xué)習(xí)的概念又在機(jī)器學(xué)習(xí)的概念之上引申一步，機(jī)器不僅能夠從海量的數(shù)據(jù)當(dāng)中發(fā)現(xiàn)規(guī)則，而且能夠自己推導(dǎo)出規(guī)則。

隨著數(shù)據(jù)量暴漲和計算能力大幅提升，深度學(xué)習(xí)應(yīng)用日趨成熟。

人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者之間的關(guān)系也逐漸清晰。人工智能通過各類專家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計算等方式，達(dá)到讓計算機(jī)代替人進(jìn)行思考分析的目標(biāo)。機(jī)器學(xué)習(xí)是一類方法，用于支持人工智能目標(biāo)的實(shí)現(xiàn)，包括監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)是根據(jù)已有的數(shù)據(jù)集，知道輸入和輸出結(jié)果之間的關(guān)系。無監(jiān)督學(xué)習(xí)是不知道數(shù)據(jù)集中數(shù)據(jù)、特征之間的關(guān)系，需要根據(jù)聚類或一定的模型得到數(shù)據(jù)之間的關(guān)系。深度學(xué)習(xí)更多的是解決無監(jiān)督學(xué)習(xí)的問題。深度學(xué)習(xí)中應(yīng)用到的技術(shù)在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)一步發(fā)展，如卷積神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等。

機(jī)器學(xué)習(xí)與一般程序存在一定區(qū)別。一般程序的處理是根據(jù)提供的規(guī)則和數(shù)據(jù)推導(dǎo)答案。基于一般的程序處理，能夠?qū)崿F(xiàn)的目標(biāo)是清晰規(guī)則環(huán)境下的自動化。機(jī)器學(xué)習(xí)的邏輯思路是基于海量數(shù)據(jù)的輸入與已觀測到的結(jié)果或者是行為進(jìn)行比對，發(fā)現(xiàn)的數(shù)據(jù)如何支持得到的結(jié)果，推導(dǎo)出規(guī)則。機(jī)器學(xué)習(xí)核心問題是發(fā)現(xiàn)問題數(shù)據(jù)內(nèi)在的規(guī)律，找到其中的規(guī)則。如果使用了高階神經(jīng)網(wǎng)絡(luò)算法，則稱為深度學(xué)習(xí)。因此，機(jī)器學(xué)習(xí)解決的問題是實(shí)現(xiàn)智能化。

機(jī)器學(xué)習(xí)有三個要素，數(shù)據(jù)、預(yù)期結(jié)果、學(xué)習(xí)。

數(shù)據(jù)來自于外部輸入的海量數(shù)據(jù)，包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。預(yù)期產(chǎn)生的結(jié)果往往是一種可觀測、可記錄的行為結(jié)果，形式可以是標(biāo)簽、模式、行為、結(jié)果等。學(xué)習(xí)本質(zhì)上是衡量算法效果好壞的方法。這一衡量方法是為了計算算法的當(dāng)前輸出與預(yù)期輸出的差距。衡量結(jié)果是一種反饋信號，用于調(diào)節(jié)算法的工作方式，輸入和輸出不斷地接近目標(biāo)意味著越接近規(guī)則。

深度學(xué)習(xí)的原理實(shí)際上模擬了人腦對生物識別的過程。例如模擬人類看見圖片的過程。首先是視覺捕獲，捕捉一些特征，如發(fā)現(xiàn)邊緣和方向。其次識別形狀，將識別到的形狀進(jìn)行組合，每進(jìn)行一次組合就與結(jié)果進(jìn)行比對，經(jīng)過多次比對完成圖像識別。從系統(tǒng)的角度，識別就是通過對不同特征的層層捕獲，根據(jù)捕獲到的數(shù)據(jù)抽象特征，給特征富余權(quán)重，特征和權(quán)重的乘積代表判斷事物發(fā)展的方向，然后進(jìn)行不同的組合，得到最優(yōu)化的結(jié)果。這就是深度學(xué)習(xí)的基本原理。

深度學(xué)習(xí)的基本原理可以概括成五個步驟。

首先是低層次的感知，對應(yīng)到場景中，可能運(yùn)用視覺識別、聲音識別、文字識別等技術(shù)。通過識別捕獲全量、海量信息，進(jìn)行數(shù)據(jù)預(yù)處理，剔除無用的信息，降低計算量。處理完成后進(jìn)行特征提取，判斷基本特征值，再進(jìn)行特征選擇，將特征進(jìn)行組合排列，最后抽象出規(guī)則，用于后期的推理和預(yù)測。

相關(guān)問題

深度學(xué)習(xí)能解決不確定、模糊、動態(tài)、復(fù)雜、海量數(shù)據(jù)的決策支持。其中有一些需要注意的情況，第一，深度學(xué)習(xí)解決的是復(fù)雜問題的決策。動態(tài)、模糊、不確定、規(guī)則不清晰、簡單問題用其他方法可能更好的解決。第二，深度學(xué)習(xí)需要海量數(shù)據(jù)作為輸入數(shù)據(jù)參與訓(xùn)練，樣本量越大，越有利于得到好的結(jié)果。第三，財務(wù)領(lǐng)域決策與管理的不確定性，需要深度學(xué)習(xí)的支持完成決策。深度學(xué)習(xí)應(yīng)用場景目前主要集中在語音識別、圖像識別、模式識別、智能搜索、個性化推薦、機(jī)器翻譯、自然語言處理等，相關(guān)應(yīng)用的準(zhǔn)確性取決于特征捕獲的明顯性、算法的準(zhǔn)確性等因素。

深度學(xué)習(xí)發(fā)展至今也產(chǎn)生了一些值得思考的問題。

一是算法黑箱，復(fù)雜的計算過程，海量的數(shù)據(jù)，計算過程不被人類識別，并不能幫助人類完全識別內(nèi)在的規(guī)律，可以發(fā)現(xiàn)規(guī)律，但是解釋不了規(guī)律。

二是算法強(qiáng)制，過度的依賴算法，算法不斷產(chǎn)生正向激勵，帶來算法強(qiáng)制，進(jìn)入認(rèn)知或執(zhí)行的誤區(qū)。

三是人機(jī)協(xié)同，如何處理好人機(jī)關(guān)系，讓人與智能設(shè)備、智能算法和諧相處，以及由此產(chǎn)生的激勵機(jī)制。

四是算法倫理以及如何處理相關(guān)道德問題。

未來展望，系統(tǒng)一定會從弱人工智能階段過渡到強(qiáng)人工智能階段，所謂強(qiáng)人工智能就是讓系統(tǒng)具備了感知、識別和情感的能力。

（本文系根據(jù)“信息技術(shù)驅(qū)動行業(yè)財務(wù)變革”高峰論壇演講錄音整理）