人工智能在物流行业的应用综述与发展趋势
预测能力：例如基于人工智能的设备寿命预测、智能天然灾害预测与防治。
判断能力：例如AI下围棋、自动驾驶车、智能搜索、智能控制、博弈等。
学习能力：例如机器学习、深度学习、强化学习等各种学习方法。
在认知能力方面，人工智能在很多领域与人类还存在差距，但在部分细分领域内，已经可以达到人类的智能，例如下围棋、自动驾驶等领域。
3.创造力
创造力指的是人类产生新思想、新发现、新方法、新理论、新设计，创造新事物的能力，它是结合知识、智力、能力、个性及潜意识等各种因素优化而成，这个领域目前人类仍遥遥领先人工智能，但人工智能也在不断发展，例如人工智能作曲、作诗、小说创作、绘画、设计等技术，均有大量的团队在不断探索。
4.智能
智能指的是人类深刻了解人、事、物的真相，能探求真实真理、明辨是非，指导人类可以过着有意义生活的一种能力，这个领域牵涉人类自我意识、自我认知与价值观，是目前人工智能尚未触及的一部分，也是人类最难以被模仿的一个领域。
二、人工智能在物流领域的应用
不同的典型物流行业场景有不同的特点，所需要的技术也不尽相同，应当根据实际的需求确定技术的应用。下面针对一些典型的物流场景，阐述可能应用的相关人工智能技术（参见图2）。
图2典型物流场景下的人工智能技术的应用
1.供应商管理
供应商是生产加工型企业或电商企业的供货者，科学采购、高效收货与质检、智慧财务管理系统等，都能够提高供应环节的效率，降低运行成本。
2.仓储管理
仓储管理包括入库、存储和出库（拣货）等重要环节，涉及到数量庞大的物流机器人、自动仓储设备、运输设备和人员，占用了企业的大量资金。将仓储管理智能化，将为物流行业带来颠覆性的改变。
（1）智慧存储设备：目前，在仓储环节应用的物流设备种类丰富，功能各异。历史发展悠久的堆垛机货架，更加高效的多层穿梭车系统，针对小料箱的高效存储设备MiniLoad等。针对仓储设备的智能化运行，计算机视觉、深度神经网络、机器学习、自动控制等技术的应用，将极大的提升存储设备的周转效率，尽可能的提高设备的利用率；针对仓储设备的科学规划和实施，大数据分析和专家系统等技术，能够提升系统规划的效果；针对仓储设备的维护和保养，采用基于设备数据的寿命预测技术，能够准确、预先的对设备的状态进行掌握，便于提前采取措施。冷库存储是存储行业的一个特殊领域，生鲜、药品等特殊商品需求较大。人工智能技术打造的新型自动化冷库，利用大数据分析可将采购预测与仓储现状结合，自动控制技术可以针对冷库低温的特点，更好地控制仓储货架所用的穿梭车和堆垛机、搬运使用的叉车、码垛使用的码垛机器人等设备。
（2）智能分拣系统：智能分拣系统包括分拣过程中使用的运输设备如AGV、智能分拣车、传送带等，以及分拣过程中的信息流。路径规划、机器视觉等技术，将赋予运输设备更多的智能，使得无人运输更加安全、高效。数据挖掘、大数据分析等技术，能够将拣选订单进行更合理的拆分与合并，并与仓储设备、运输设备和人员形成联动，实现更高效的订单拣选。
3.运输管理
运输环节实现货物的运输，主要包括运输设备和运输过程的信息管理。国内的运输方式有航空运输、铁路运输、公路运输和海路运输。公路运输灵活性高，货运量大，人工智能能够发挥更大的作用。日趋成熟的自动驾驶技术将彻底颠覆现有公路运输体系，更加高效、安全的行驶，更少的人力依赖，将极大地提升公路运输的效率。运输信息的管理内容繁杂，包括发车前的任务下达和路线规划，行驶中的信息跟踪和应急调度，以及到达目的地后的盘点、卸货和车辆状况检查等。人工智能技术对于信息的处理比人类更加高效，通过大数据分析能够为车辆的调度机制提供更加实时、可靠的方案，设备寿命管理能够系统性的监测车辆的状态，及时警报提醒，降低车辆故障发生率。大数据分析能够更好地监测冷链运输过程中的货物状态和司机行为，为保质保量的冷链运输提供更智能的监管。
4.配送管理
5.客户管理
三、人工智能赋能物流行业的实际案例
人工智能在物流行业已经有了丰富的应用，人工智能赋能物流行业带来了更多的效率提升和更好的经济性，物流行业也为人工智能提供了真实的应用场景，可以促进人工智能技术更好的发展。亚马逊作为一个覆盖全球的电商行业，人工智能技术已经渗透到其业务的方方面面，从采购到存储，从运输到配送，从信息世界到现实设备，同时也反向促进人工智能在机器人领域、信息处理领域、智能控制领域的飞速发展。国内的众多电商相关企业，如京东、淘宝、四通一达、顺丰等，都在不断探索人工智能技术的落地应用，大量设备制造厂商如极智嘉、旷视、快仓等企业，更是将人工智能与物流设备包括机器人、货架、搬运车辆等结合，从智能设备入手，为整个行业带来改变。
1.人工智能在仓储领域的应用
智能机器人在仓储作业中目前已经应用非常普遍，自动化立体仓库、无人叉车、AMR（AutomaticMobileRobot）即自主移动机器人等设备的应用，显著提高了仓库分拣、搬运的效率。亚马逊在2012年耗资7.75亿美元收购Kivasystems公司（专注于如何利用机器人在仓库里完成网上大量的订单派发工作）后[8]，在其仓库中大规模应用Kiva机器人（如图3所示），将货架从仓库搬运至员工处理区，实现货到人的拣选，Kiva机器人的应用使得拣选效率增加了三倍，准确率更是达到了99.99%[9]。
图3亚马逊Kiva机器人
图4极智嘉智能拣选机器人
极智嘉（Geek+）作为新兴智能物流装备企业，研制开发的智能拣选机器人（如图4所示）也得到广泛应用，其成功为某医药企业物流中心搭建了使用AMR的月台集货场景，实现了出库集货和装车搬运的无人化；使用上百台智能拣选机器人（货架到人机器人）搭建货到人拣选平台，打造出跨楼层、跨区域的综合性解决方案[10]。京东拥有极其庞大的智能仓群，“智能大脑”作为京东亚洲一号的“司令官”，精细控制使得仓库中自动化立体货架、无人叉车、无人分拣机、打包机等智能单元能够协调作业，“智能大脑”通过每分钟上亿次的计算，对比传统仓库，能够将智能仓库效率提高至少3倍以上[11]。
2.人工智能在配送领域的应用
无人机配送作为一种不受地形、交通、人员限制的配送方式，成为未来快递配送的主要趋势。早在2013年12月，亚马逊就发布PrimeAir无人快递，顾客在网上下单，如果重量在5磅以下，可以选择无人机配送，在30分钟内把快递送到家。整个过程无人化，无人机在物流中心流水线末端自动取件，直接飞向顾客[12]。2020年4月，亚马逊获得了美国联邦航空管理局（FAA）的批准，可以在美国地区运营PrimeAir快递无人机，亚马逊的配送体系正式进入“海陆空”时代[13]。亚马逊最新版本的PrimeAir快递无人机（如图5所示），是一种混合动力飞机，能够垂直起飞和着陆。
图5亚马逊无人机
3.人工智能在数据分析领域的应用
四、智慧物流发展趋势
科学技术的进步和人类社会的发展，让身处时代洪流的每一个人，都对未来的变化充满期待。“人工智能”作为“复制并超越人类智能”的技术，将彻底改变人类世界。物流行业将会更早受到人工智能等新技术的淬炼，将这个涉及到人类生产生活方方面面的“大服务业”推向新的层面，在人工智能技术不断发展和物流行业不断前进的进程中，以下几个方面的内容都值得大家关注：
1.无人机仓储系统
图7无人机仓储系统示意图
2.“陆空一体”的无人配送体系
自动驾驶技术将促成彻底的物流配送无人化。设置在城市社区中的无人快递站，将由智能机器人单独运营，完成自动化收货与暂存。收货完成之后，运行速度快、搬运能力强的无人快递车将会为人员稠密的区域提供配送服务，灵活性强、无视地形影响的无人机将会为人员分散、地形条件差的区域提供配送服务，打造出“陆空一体”的高效配送体系。无人快递车与无人机同时具备收货功能，能够满足客户的寄件需求。
3.智能信息系统
“数据驱动物流”的理念将被更广泛的实践，物流企业所涉及的所有信息都将由“智能信息系统”进行智慧管理。相较于传统的信息管理系统，大量依赖人的记录、整理、上传、分析、决策，智能信息系统将从数据的采集、分析、利用和存储等多反面，替代人力，实现信息管理的无人化，信息利用的高效化。以电商为例，客户的订单将成为驱动整个网购流程的信息原动力，智能信息系统会将其转化为采购的依据、仓储的作业准则、运输的调度前提、配送的指导方针，让电商企业以最小的代价提供最高质量的服务。
4.物流行业将变为知识密集型产业
随着人工智能等新技术的不断成熟和大规模的工业应用，物流行业将从一个劳动力密集型的产业转变为一个知识型密集的产业，企业将更加注重专业人才、技术、专利等的积累。研发人员将为企业的智能化提供源源不断的动力，高级工程师将成为仓储、运输、配送等环节的保障力量，大量工人忙碌的场景将不复存在，少量专业人员就可以维护庞大的物流链条。返回搜狐，查看更多
盘点人工智能发展史上的8个历史性事件
原标题：盘点人工智能发展史上的8个历史性事件人工智能被广大人民群众所熟知大概是从2016年阿尔法围棋（AlphaGo）与围棋世界冠军、职业九段选手李世石进行人机大战那次，并以4：1的总比分获胜。
不少职业围棋手认为，阿尔法围棋的棋力已经达到甚至超过围棋职业九段水平，在世界职业围棋排名中，其等级分曾经超过排名人类第一的棋手柯洁。此次人机大战，引起了全球前所未有的关注，开启了人工智能的新纪元。
实际上，早在上世纪40年代，人工智能的概念就已诞生。在那个时期的一些科幻小说、科幻电影里，就经常有关于人工智能的描述，如超级机器人、超级计算机、光脑等。
在人工智能的发展历程中，还经历了以下七个历史性事件：
一）1943年，WarrenMcCulloch和WalterPitts两位科学家提出了“神经网络”的概念，正式开启了AI的大门。虽然在当时仅是一个数学理论，但是这个理论让人们了解到计算机可以如人类大脑一样进行“深度学习”，描述了如何让人造神经元网络实现逻辑功能。
二）1955年8月31日，JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon四位科学家联名提交了一份《人工智能研究》的提案，首次提出了人工智能（AI）的概念，其中的JohnMcCarthy被后人尊称为“人工智能之父”。
三）1969年人类首次提出了反向传播算法（Backpropagation），这是80年代的主流算法，同时也是机器学习历史上最重要的算法之一，奠定了人工智能的基础。
这种算法的独特之处在于映射、非线性化，具有很强的函数复现能力，可以更好地训练人工智能的学习能力。
四）20世纪60年代，麻省理工学院的一名研究人员发明了一个名为ELIZA的计算机心理治疗师，可以帮助用户和机器对话，缓解压力和抑郁，这是语音助手最早的雏形。
语音助手可以识别用户的语言，并进行简单的系统操作，比如苹果的Siri，某种程度上来说，语音助手赋予了人工智能“说话”和“交流”的能力。
展开全文五）1993年作家兼计算机科学家VernorVinge发表了一篇文章，在这篇文章中首次提到了人工智能的“奇点理论”。他认为未来某一天人工智能会超越人类，并且终结人类社会，主宰人类世界，被其称为“即将到来的技术奇点”。
VernorVinge是最早的人工智能威胁论提出者，后来者还有霍金和特斯拉CEO马斯克。
六）1997年，IBM的超级计算机“深蓝”战胜了当时的国际象棋冠军GarryKasparov，引起了世界的轰动。虽然它还不能证明人工智能可以像人一样思考，但它证明了人工智能在推算及信息处理上要比人类更快。这是AI发展史上，人工智能首次战胜人类。
七）2012年6月，谷歌研究人员JeffDean和吴恩达从YouTube视频中提取了1000万个未标记的图像，训练一个由16，000个电脑处理器组成的庞大神经网络。在没有给出任何识别信息的情况下，人工智能通过深度学习算法准确的从中识别出了猫科动物的照片。
这是人工智能深度学习的首次案例，它意味着人工智能开始有了一定程度的“思考”能力。
人工智能未来的发展：
AI行业的六大发展趋势
·更聪明的机器人
·更快的分析
·更自然的互动
·更微妙的恐惧
·更智能的学习
·知识共享
人工智能的近期研究目标在于建造智能计算机，用以代替人类去从事各种复杂的脑力劳动。正是根据这一近期研究目标，人们才把人工智能理解为计算机科学的一个分支。当然，人工智能还有它的远期研究目标，即探究人类智能和机器智能的基本原理，研究用自动机模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。如今，人工智能已经进入21世纪，其必将为发展国民经济和改善人类生活做出更大的贡献。
来源：人工智能返回搜狐，查看更多
责任编辑：人工智能导论——人工智能的发展历史、现状及发展趋势
初学者学习人工智能有时候需要了解一些背景知识，我从网上简单搜集总结了下分享给大家。
一、人工智能的发展历史
人工智能的发展并非一帆风顺，总体呈“三起两落”趋势，如今算是迈进人工智能发展的新时代。
（1）梦的开始(1900--1956)。1900年，希尔伯特在数学家大会上庄严的向全世界数学家宣布了23个未解的难题。这23道难题中的第二个问题和第十个问题则和人工智能密切相关，并最终促进了计算机的发明。图灵根据第十个问题构想出了图灵机，它是计算机的理论模型，圆满的刻画了机械化运算过程的含义，并最终为计算机的发明铺平了道路。1954年，冯诺依曼完成了早期的计算机EDVAC的设计，并提出了“冯诺依曼体系结构”。总的来说，图灵、哥德尔、冯诺依曼、维纳、克劳德香农等伟大的先驱者奠定了人工智能和计算机技术的基础。
（2）黄金时代(1956--1974)。1965年，麦卡锡、明斯基等科学家举办的“达茅斯会议”，首次提出了“人工智能(ArtificialIntelligence，简称AI)”这一概念，标志着人工智能学科的诞生。其后，人工智能研究进入了20年的黄金时代，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。在这个黄金时代里，约翰麦卡锡开发了LISP语音，成为以后几十年来人工智能领域最主要的编程语言；马文闵斯基对神经网络有了更深入的研究，也发现了简单神经网络的不足；多层神经网络、反向传播算法开始出现；专家系统也开始起步。
（3）第一次AI寒冬——反思发展(1974--1980)。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，过度高估了科学技术的发展速度。然而，接二连三的失败和预期目标的落空，使人工智能的发展走入低谷。1973年，莱特希尔关于人工智能的报告，拉开了人工智能寒冬序幕。此后，科学界对人工智能进行了一轮深入的拷问，使AI的遭受到严厉的批评和对其实际价值的质疑。随后，各国政府和机构也停止或减少了资金投入，人工智能在70年代陷入了第一次寒冬。计算能力有限、缺乏大量常识数据使发展陷入瓶颈，特别是过分依赖于计算力和经验数据量神经网络技术，长时期没有取得实质性的进展，特别是《感知器》一书发表过后，对神经网络技术产生了毁灭性的打击，后续十年内几乎没人投入更进一步的研究。专家系统在这个时代的末尾出现，并开启了下一个时代。
（4）应用发展(1980--1987)。专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。1980年卡耐基梅隆大学（CMU）研发的XCON正式投入使用，这成为一个新时期的里程碑，专家系统开始在特定领域发挥威力，也带动整个人工智能技术进入了一个繁荣阶段。沉寂10年之后，神经网络又有了新的研究进展，具有学习能力的神经网络算法的发现，这使得神经网络一路发展，在后面的90年代开始商业化，被用于文字图像识别和语音识别。
（5）第二次AI寒冬——低迷发展(1987--1993)。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。人工智能领域当时主要使用约翰麦卡锡的LISP编程语言，逐步发展的LISP机器被蓬勃发展的个人电脑击败，专用LISP机器硬件销售市场严重崩溃，人工智能领域再一次进入寒冬。硬件市场的溃败和理论研究的迷茫，加上各国政府和机构纷纷停止向人工智能研究领域投入资金，导致了数年的低谷，但另一方面也取得了一些重要成就。1988年，美国科学家朱迪亚·皮尔将概率统计方法引入人工智能的推理过程中这对后来人工智能的发展起到了重大影响。IBM的沃森研究中心把概率统计方法引入到人工智能的语言处理中；1992年，李开复使用统计学的方法，设计开发了世界上第一个扬声无关的连续语音识别程序；1989年，AT＆T贝尔实验室的雅恩·乐昆和团队使用卷积神经网络技术，实现了人工智能识别手写的邮政编码数字图像。
（6）稳健发展(1993--2011)。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1995年，理查德华莱士开发了新的聊天机器人程序Alice，它能够利用互联网不断增加自身的数据集，优化内容。1997年，IMB的计算机深蓝Deepblue战胜了人类世界象棋冠军卡斯帕罗夫。1997年，德国科学霍克赖特和施米德赫伯提出了长期短期记忆（LSTM）这是一种今天仍用于手写识别和语音识别的递归神经网络，对后来人工智能的研究有着深远影响。2004年，美国神经科学家杰夫·霍金斯出版的《人工智能的未来》一书中提出了全新的大脑记忆预测理论，指出了依照此理论如何去建造真正的智能机器，这本书对后来神经科学的深入研究产生了深刻的影响。2006年，杰弗里辛顿出版了《LearningMultipleLayersofRepresentation》奠定了后来神经网络的全新的架构，至今仍然是人工智能深度学习的核心技术。
（7）新时代(2012--至今)。随着移动互联网技术、云计算技术的爆发，积累了历史上超乎想象的数据量，这为人工智能的后续发展提供了足够的素材和动力，以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，迎来爆发式增长的新高潮。。人工智能，大数据，云计算，物联网技术，共同构成了21世纪第二个十年的技术主旋律。2012年，由多伦多大学在ImageNet举办的视觉识别挑战赛上设计的深度卷积神经网络算法，被业内认为是深度学习革命的开始。2014年，伊恩·古德费罗提出GANs生成对抗网络算法，这是一种用于无监督学习的人工智能算法，这种算法由生成网络和评估网络构成，这种方法很快被人工智能很多技术领域采用。2016年和2017年，谷歌发起了两场轰动世界的围棋人机之战，其人工智能程序AlphaGo连续战胜曾经的围棋世界冠军韩国李世石，以及现任的围棋世界冠军中国的柯洁，引起巨大轰动。语音识别、图像识别、无人驾驶等技术不断深入。
二、人工智能的发展现状 主要表现在以下几个方面：（1）专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平等。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，在局部智能水平的单项测试中可以超越人类智能，形成了人工智能领域的单点突破。（2）通用人工智能尚处于起步阶段。目前，虽然专用人工智能领域已取得突破性进展，人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，与人类智慧还相差甚远。（3）人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。各国及大型互联网公司在人工智能领域的投资日益攀升，全球和中国人工智能行业投融资规模都呈上涨趋势。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。2018年，中国人工智能领域融资额高达1311亿元。人工智能领域处于创新创业的前沿。（4）创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。（5）人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。三、人工智能的发展趋势：（1）从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。（2）从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。（3）从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。（4）人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。（5）人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。（6）人工智能产业将蓬勃发展，人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。美国、中国、印度以及西欧等国纷纷布局人工智能产业。中国在论文总量和高被引论文数量上都排在世界第一，中科院系统AI论文产出全球第一，中国在人才拥有量全球第二，但杰出人才占比偏低。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。（7）人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。 以上内容主要来自《人工智能的历史、现状和未来》 谭铁牛《求是》2019/04
人工智能时代企业财务会计面临的问题及对策
刘心昱青岛大学
摘要：伴随信息科技的飞速发展，人工智能时代已全面来临，科学先进的人工智能技术被广泛应用于行业各个领域。与会计行业而言，人工智能技术的应用使得传统会计发生了巨大变革，借助人工智能大大节省了人力、提升了会计核算的精准效率，在感受到受益优势的同时也让我们看到了人工智能对传统会计行业造成的巨大冲击。本文从当前会计行业现状分析出发，提出人工智能对财务会计的影响利弊，并提出应对解决之策，以期促进会计行业积极顺应时代发展转型，借助人工智能实现会计领域的变革创新。
关键词：人工智能时代；企业财务会计；问题；对策
一、前言
当前人工智能的理论和技术日趋成熟化，其应用领域也在不断扩大，从教育到医疗、从科技到金融各个行业都受益匪浅。人工智能就本质而言，是对人的智力活动进行计算分析，通过计算机技术对人的思维信息过程进行模拟的一种智能行为，形成拟人、智能化的计算机系统，以此为人们提供更加人性化的智能服务，帮助人们完成智力工作。
从1987年到2017年，从美国首开会计智能化先河到财务机器人的出现，让人工智能在会计行业实现了质的飞跃。借助财务机器人实现会计自动化操作，替代财务人员完成一些重复性、规则性、结构化的工作，有效提升了会计核算工作，成为人工智能技术在会计行业发展的重要成果。财务机器人的出现无疑给会计行业带来巨大欣喜和变革，与此同时也对传统会计形成挑战和威胁。因此，致力于研究人工智能时代企业财务会计的问题，这是当前会计领域所聚焦的热点话题，值得我们进一步深思探讨。
二、当前财务会计行业现状分析
财务会计工作涉及到社会各个行业，近年来伴随经济的持续向好，国家对财务人员的需求量也在不断攀升，高校财会专业不断扩招，会计从业人员越来越多。2017年国家会计法规定会计从业人员必须持证上岗，会计从业资格证书成为了从事财务会计工作的第一道门槛。经统计了解，2019年我国各级会计人员比例差距很大，其中初级会计、中级会计人员占据了整个会计行业的90%以上，尤其是初级会计人员高达70%以上，而高级会计人员却极度缺失，特别是国家注册会计师更为短缺。从这些数据我们不难发现，会计行业人才两极分化严重，基层会计人员已趋于饱和状态。而在人工智能时代背景之下，会计从最先传统的人工记账向电算化靠拢，再到现阶段的财务软件系统的开发应用，经过科技的不断革新，会计信息化技术日趋稳定和成熟，现代智能化财务管理已然成为当前会计行业的发展新趋势[1]。
三、人工智能对企业财务会计的积极作用
（一）会计工作效率大幅提升
目前人工智能技术主要应用于会计核算方面，传统会计模式下会计人员需要做大量基础性工作，比如整理单据、审核单据、报销费用等，这些工作尽管简单但是重复性大、机械性强，会消耗大量人力和时间。而人工智能就可以很好地解决这一问题，实现会计业务数据的高速处理输入，账单、凭证的全自动生成，促进会计相关数据信息的加快生成、会计核算的效率提高；同时给会计人员减轻大量的工作负担，让他们具备更多的工作时间和精力去处理其它财务工作。
（二）会计信息准确率有效提高
人工作业是传统会计工作的基础，会计工作人员每天要处理大量原始凭证票据、登记录入等工作，由于纯人工操作很难保证百分之百的准确率，一旦出现人为差错，不但造成返工、加剧工作量，还会影响正常工作进度。同时，由于每个人的财务水平、业务能力不同也会影响财务工作的效率和质量。那么，在日常会计工作中应用人工智能，则可以有效规避这类问题，通过人工智能减少人工操作，简化业务流程，会计数据的录入输出更为规范化，有效提高会计信息的准确率，还能规避人为操作情况下可能发生的信息造假问题。比如，使用财务机器人扫描增值税发票，系统自动设置后能够快速查验发票并将结果登记录入表格中，会计工作人员则可以直接将其转移税务部，通过财务机器人自动访问发票选择确认平台，下载增值税发票批量勾选文件，对比发票清单予以匹配并判断可否认证抵扣，再将所勾选发票批量整理上传导入到发票选择确认平台中进行抵扣进税。再如，通过人工智能操作费用报销业务，在所设定程序中填写步骤提交表单，经财务机器人严格审核，确认发票是否真伪、有无签章等，这样不仅规范了报销业务流程同时提高了会计信息的准确性。
（三）助推会计行业升级转型发展
在会计行业实现电算化的发展模式下，现在所有企业基本都有引用财务软件系统开展工作，有效改革了传统会计工作模式下的各项会计工作，如审核单据、编写凭证、登记账目、编制报表等。尽管所有的工作效率都有所提升，然而其财务信息却仍然缺少一定的时效性，无法满足企业对财务信息的及时需求。在人工智能背景下，企业的会计核算不再是单一化模式，完全可按照信息使用者的需求将业务和账务相结合，形成对应指标的财务报表，及时反馈出动态化的财务信息数据；还能按照信息使用者的偏好习惯提供个性化财务报告；尤其是能够更为全面深入的分析并处理会计数据，提高数据信息的高质高效，使其转化成企业重要的财务信息，帮助企业实现科学决策[2]。这些都助力推动了会计行业的升级转型发展，让会计工作更好地适应社会发展需求。
四、人工智能时代企业财务会计面临的问题
（一）会计信息安全风险提高
将人工智能应用于现代企业的日常财务会计管理工作中，提高了财务信息数据的分析处理能力，但同时也提高了数据的安全风险性。在人工智能背景下，财务数据达到数字化存储条件，与传统保存形式相比，数字化存储所容纳信息量更大，也更方便财务人员进行查询和使用。然而，它也存在一定的弊端，数据系统如防护措施不强，很容易遭受黑客系统的侵袭，数据在输出输入的过程中受到恶意拦截，极易造成信息的外泄，严重情况下致使重要的商业机密丢失，给企业造成无可挽回的经济损失。所以，企业在使用人工智能开展财务会计工作时一定要增强数据的安全防护，加大防护级别和力度，防范于未然。
（二）会计人员职业需求提高
在传统固定式会计工作环境中，大部分会计从业人员日复一日进行着重复性、机械性、低难度性的基础工作，而人工智能时代的来临彻底改变了这一现状，在大跨步提高常规性会计工作效率的同时，也预示着未来将有大量的一线财务工作者面临着失业再就业的风险。作为一名财务人员，要想在残酷激烈的时代竞争中站稳脚跟，则必须要满足当前社会对其提出的新标准高要求。人工智能技术的产生和应用，改变了传统会计行业的运作模式、核算方式，促进了行业升级转型，将财务工作者从重复机械化的工作中挣脱出来，使他们能够具备更多时间和精力去处理一些有分析战略性、高附加值的工作，实现传统会计向管理会计的有效变革，在企业财务预测、分析调控以及投资决策等方面发挥出专业优势和价值[3]。因此，在会计领域只有不断加强自我职业技能和水平，掌握现代化办公能力，才能适应会计行业的用人需求，不至于被竞争淘汰掉。
（三）会计人员结构需求改变
鉴于人工智能对企业财务会计工作的积极影响，也预示着未来企业所需的传统会计人员将逐步减少，大批从事基础会计工作的人员要寻求新的生存能力；同时在会计领域，将对掌握财务相关知识同时具备技术研发维护能力的高端复合型人才求贤若渴，综合应用型人才的缺口随之将不断扩大。因此，未来会计行业对人才需求的变化，必定会影响整个行业的会计人员结构产生变化。
（四）人工智能系统管理问题复杂
应用人工智能开展企业财务会计管理工作尽管益处多多，但同时在实际运作中也会产生一些较为棘手的问题，例如财务机器人在处理实际会计工作时，可能因系统错误影响财务工作、致使财务数据出错，给企业及客户造成经济损失，同时法律责任的主体无法明确追究，究竟是技术研发人员还是财务机器人本身的问题无法确定，人工智能系统管理方面没有一套行之有效的范式依据。所以，要如何管理人工智能系统也是会计行业亟待解决的问题。
五、人工智能时代企业财务会计的应对策略
（一）积极转变传统会计理念
在人工智能时代，人工智能技术的应用给企业和财务人员同时带来了机遇和挑战，总的来说利更大于弊，我们也因此看到了会计工作的高质高效运行，还有一些会计从业人员顺应需求作出的积极转变。在此形势下，作为会计人员首当其冲要尽快转变个人思想，改变传统的会计工作理念，充分认识到行业和形势的需求，明白现代会计工作的内涵，加强财务相关工作业务的学习，尽可能多的掌握一些经济管理、计算机应用等领域相关知识，打牢自身的会计业务处理能力，提升财务分析、预判、管理能力，以更扎实的财务理论和技能基础应对人工智能时代的挑战[4]。
（二）由传统会计向管理会计转型
1.提升企业财务队伍业务能力
企业首先要对财务部门组织架构进行优化调整，重新定位财务工作范围和职责，调整财务人员的岗位职责体系，对原有的财务人员进行岗位分类分工。需要注意的一点是职能定位必须要以创造管理价值为核心，才能从传统核算会计向管理决策会计转变，将财务工作的重心调整到企业财务预测分析、控制决策层面。因此企业必须要实现三个方面的转型，这其中包括财务工作内容、财务业务手段、财务工作人员的全面转型，切实提高企业财务部门的决策支持、风险管理、统筹规划能力。同时，财务工作者应深入业务部门参与过程管控，跟进执行情况，保证目标的达成；提高财务工作的前置性，构建事前分析、事中预警、事后核算反馈的全闭环财务管理模式。此外，要进一步增加财务信息化的建设，按照企业业务部门的管理需求，及时、有效、精确的为其提供财务数据的决策支持。有必要的前提下企业可另设管理会计岗位，提高企业财务管理能力。
2.重新梳理企业流程制度
在传统会计模式下，会计工作处于一种局部性、被动化状态，这种事后核算的会计形式不利于企业实现财务预测。为改变这种局面，企业必须重新梳理业务、财务的工作流程，构建财务事前预测、事中预警、事后反馈的流程，将其融入进业务流程的每个阶段，将财务管理覆盖到整个业务链，建立企业内部管理会计体系，其中涵盖有财务核算、成本控制、资金管理、预算分析、资产管理、合同管理、绩效管理等各个方面，促进企业财务管理体系和企业相关业务相互结合，让财务和业务两大部门形成合作关系，为企业各项业务的经营提供精确有效及时的财务信息和指导意见[5]。
3.积极推进业务和财务的融合
将传统会计向管理会计转型发展，企业将一部分财务人员从原来单一的工作中脱离出来，让他们参与到企业经营管理中。实施具体操作流程如下：首先将财务和业务部门相融合，让财务人员深入了解业务环节，充分了解企业的业务模式、流程以及产品相关知识；其次优化业务流程，财务人员通过业务单据收集并存储业务相关数据；最后再对业务数据进行分类加工、整理汇总，最终形成一份完整详尽的经营分析报告。经过以上的财务介入操作，对业务施行全程监控，为企业运营管理人员提供及时准确的预算监管、经营分析、决策数据，全方位参与到企业的日常经营管理之中，实现财务价值的提升【6】。
4.强化内部培训和专业人才引进
企业要想获得管理会计的全面转型，首先要对现有财务人员进行强化培训，提高他们对管理会计的认知和技能，积极鼓励他们报考管理会计师证，加强理论和实践的相互结合，并从现有财务人员中遴选一批重点培养对象进行特别培养；其次要在企业内部进行一定宣传引导，让公司的管理人员能够了解一定的管理会计知识，明白管理会计在整个企业的关键影响，引进有经验和资质的管理会计人才。通过内抓外聘双管齐下扩大企业财务管理能力，提高财务人员职业素质，为企业实现管理财务夯实人才基础。
5.充分利用信息化手段
财务工作要实现转型发展，信息化办公是必要途径，通过信息化技术实现信息数据的深度挖掘，让企业实现合理预算、集中管理、成本控制、风险管控、资产管理、财务报账等工作的有机融合，同时还可为企业运营决策提供价值参考、数据支撑，极大化的提升财务管理的效能。企业建立办公自动化系统（OA系统），对企业资源计划系统（ERP系统）进行升级，构建ERP云端系统，将OA系统与ERP系统连接，从而实现数据的自动传输，保证信息数据的同时同步和精确化，以此形成财务共享平台，促使财务和业务实现融合并进，进一步提升企业价值。例如OA费控系统的应用，可以直接进行网络报销、实现无纸化办公，解决纸质单据面对面报销问题，即便是跨区域也能完成网络审核报销流程，提高财务报销工作的效率。故此，做好信息系统功能建设将为企业向管理会计转型提供有利条件。
（三）增强企业会计信息安全防护
企业要增强会计信息安全防护意识，组织财务工作人员参与网络使用安全问题的有关培训，提高员工对信息的甄别能力、规范员工操作流程，尽量规避因个人工作失误导致的出错问题；其次，企业可成立网络维护部门或外聘网络维护专员，定期为企业的网络进行检查、维护并更新，增强网络的安全性，及时解决黑客入侵、信息拦截威胁等问题，保障财务信息数据的安全性。此外，企业应构建财务信息安全预警机制，做到防控在先、预警在前、管控有力。
（四）完善人工智能监管系统
在大数据时代，人工智能所能搜集的数据更为广泛，在目标信息之外还可能触及到一些非必要信息，可能侵犯到他人隐私或知识产权问题。为规避此类现象，则要在应用中构建相对透明公开的人工智能监管体系，将应用问责制与应用监管相统一，对人工智能的设计算法、产品研发、成果应用的全过程予以监管。同时，有必要监督应用人工智能产品的企业自觉自律，平时在管理上加以监管，构建良好的企业文化机制，重视企业长远规划发展，加强对恶意侵犯他人隐私、滥用信息数据、违背职业道德等行为的惩戒措施。
六、结束语
伴随科技不断创新发展，未来人工智能技术在财务会计领域的应用只会越来越广泛、越来越普及。作为企业和会计从业人员，应该积极转变理念，顺应新时期会计行业的变革创新，主动引入人工智能应用于企业财务管理工作中，财务人员更要积极学习新观念、新知识、新技能，提高自身职业素养和专业水平，加强管理会计意识和能力，以求适应企业对财务人员的用工需求，为企业发展获取长远经济效益贡献财务管理支持。
参考文献：
[1]曾靖.新时代人工智能对财会工作的影响及对策研究[J].福建质量管理,2020(06):76.
[2]王赟.人工智能对会计行业的影响[J].现代营销,2020(06):208-209.
[3]朱玉梅.人工智能时代企业财务会计面临的问题及对策[J].商场现代化,2019(10):127-128.
[4]王贺.人工智能时代企业财务会计向管理会计的转型研究[J].环球市场,2019(36):70,72.
[5]刘春红.浅析企业财务会计向管理会计的转型[J].经营者,2020,34(9):169-170.
[6]朱石玉.人工智能发展对会计行业的影响及应对措施[J].江苏商论,2020(08):37-40.