我国人工智能治理面临的机遇和挑战：基于科技公共治理视角
卢阳旭 何光喜
[摘 要]建立健全人工智能治理体系，是保障人工智能健康发展的必然要求。人工智能治理的核心议题是风险和收益的平衡，以及相关公共决策的知识合法性和参与合法性的协调。本文基于科技公共治理视角，分析了人工智能治理的两个面相，介绍了各国在人工智能治理方面的探索及面临的挑战。在梳理我国人工智能治理实践的基础上，从原则、制度建设和工具开发三个层面提出了改进我国人工智能治理体系建设的建议。
[关键词]人工智能；科技公共治理；风险；挑战
[中图分类号]D63 [文献标识码]A
一、人工智能治理问题的提出
人工智能是引领新一轮科技革命和产业变革的战略性技术，正在对全球经济社会发展产生重大而深远的影响，[1]是当前全球科技治理的焦点议题。形成一套能有效识别、促成社会意愿“最大公约数”的人工智能治理体系，有效支撑相关公共决策的制定和执行，是促进人工智能健康发展的重要保障。
（一）科技公共治理及其核心议题
作为一种特殊类型的公共治理，科技公共治理具备公共治理的一般特征：治理主体多元化、治理机制多样化。[2]同时，科技创新活动及其影响的不确定性高、知识门槛高，又使得科技公共治理有以下两个方面的核心议题。
1．科技收益与科技风险的权衡问题
科学技术的“双刃剑”效应使得人们对于科技发展一直有一种矛盾的态度，一方面担心发展太慢，让经济社会发展失速；另一方面又担心发展太快、失去控制，伤及人类。这一矛盾态度使得人们在对待科技发展特别是新兴技术的应用上，出现了“预防原则”（precautionaryprinciple）和“先占原则”（proactionaryprinciple）的持续争论。[3]“预防原则”主张，人们要更谨慎地对待科技发展蕴含的不确定性，以防其带来不可预料的危害。“先占原则”则认为科技创新自由至关重要，不应过分强调与科技发展相关的不确定性的负面影响，反倒是要在规制科技创新方面更加谨慎，以免失去科技发展带来的机会。简单说，前者更强调“安全的科学”，后者则更加强调“科学的安全”。[4]
2.“知识合法性”和“参与合法性”的张力问题
科技活动有很强的专业性，较之一般公众，科学家具有很强的知识优势，更有可能作出“知识上”的正确决策，科技相关决策应该主要听科学家的——这是很长时间以来，科学与政治、科学家与公众之间的默契。但是，随着科学的体制化和职业化，知识权力与各种经济和社会利益的深度纠缠，科学家的独立性和客观性不再毋庸置疑。同时，科技对社会的深度纠缠使得科技决策所需的科学知识之外的“社会知识”越来越多，而公民权利意识的增强则意味着公众会越来越不愿意只是被动地接受科学家们的决定。[5][6]换句话说，没有多主体参与的科技公共决策可能在知识上是不完备的，在程序上是“不合法的”。[7]
（二）人工智能治理的两个面相：“影响的治理”与“技术的治理”
1.影响的治理：人工智能的伦理、法律和社会影响
影响的治理是人工智能治理的核心面相，基本原则是以人为本，基本问题是风险和收益的权衡。20世纪90年代人类基因组计划设立专门的研究项目，关注与基因技术相关的伦理、法律和社会议题（Ethical,Legal,andSocialIssuesELSI）。这个框架同样适合于对人工智能影响的分析，目前人们对于人工智能影响的讨论基本上也是从这三个相互联系的层面来展开的。
人工智能伦理议题的核心，是人与人工智能系统的关系，表现在两个层面：一是人工智能持续发展给人类地位带来挑战，虽然目前人工智能还处于狭义人工智能阶段，但人们对通用人工智能和超级人工智能的预期加重了这方面的担忧。二是人工智能的误用和滥用给人与人、人与自然之间伦理关系带来挑战，比如隐私、歧视、尊严、安全、公平正义等。人工智能法律议题的核心，是何种法律规制能够帮助人类在人工智能发展过程中实现“趋利避害”。人工智能社会议题的内容相对宽泛，而且随着人工智能对工作和生活渗透广度和深度的增加，还会有各种新的议题出现。当前，人们关注的主要议题，包括就业、收入分配、深度造假、政治选举等等。[8][9]
需要指出的是，虽然人们对人工智能的潜在风险有很多担心，但总体判断还是好处要大于风险，而且人类社会有机会、有办法去争取实现收益最大化、风险最小化。比如，2018年12月欧盟委员会高级专家组发布的《可信赖的人工智能伦理准则（草案）》（DraftEthicsGuidelinesForTrustworthyAI）指出，总体而言人工智能所带来的收益要大于风险。同月，日本内阁府发布的《以人类为中心的人工智能社会原则（草案）》（SocialPrinciplesofHuman-centricAI(Draft)）也认为人工智能技术是其推进“社会5.0（society5.0）”建设的关键，要尽可能有效、安全地利用它并避免其带来的负面影响。
2.技术的治理：人工智能系统的治理
技术的治理是人工治理的从属面相，基本目标是保障技术系统安全、可控。具体要求主要包括：一是强调人工智能系统要可解释、透明、长期安全并符合社会价值观，要提高算法的透明性、完善数据共享标准和规范。二是要在人工智能系统的可靠性检验和安全性确认等方面寻找新的方法，以保证人工智能系统处于不间断的人类监管之中。比如，2016年美国政府发布的《国家人工智能研发战略规划》提出，在初始设计阶段就要从技术、标准、审查层面保证人工智能系统可控、安全、符合社会伦理。
但人工智能技术治理面临两个方面的挑战：一是人工智能内生偏差和不可理解问题。人工智能算法高度依赖于大数据，而在很多场景下，数据质量（比如样本的代表性）是很成问题的；不可理解性既包括开发者无法确切理解人工智能系统自我学习过程和决策结果，也包括算法对于使用者和监管者而言的不可理解性。[10]二是算法透明化的安全顾虑和法律争议。国家和公司层面的激烈竞争，以及算法、数据及其分析方法通常掌握在少数国家、少数公司手中这一客观事实，使得它们很容易从现行法律框架中搬出私人财产、商业机密、国家安全等作为拒绝公开的理由。
二、各国人工智能治理的探索和挑战
（一）各国人工智能治理的探索
1.影响的识别：共识和差异
近年来，随着研究的深入和实践的增多，全球人工智能治理的一般性议题越来越集中，主要包括人类的尊严和自主性、隐私和数据安全、就业和社会不平等、人工智能系统的可信赖性及恶意使用等。与此同时，人工智能向各领域的快速渗透也让人工智能治理的具体性议题持续增多。据不完全统计，仅在各项能从公开渠道获得的人工智能提案中，涉及的议题就已超过50个。[11]随着人工智能对各领域渗透程度的进一步加深，未来还会有更多利益点和风险点被触及和识别。
需要指出的是，各国在议题上的共识并不代表在认知、态度和政策举措方面取得共识。以隐私保护为例，虽然各国都认同应该保护隐私，但在不同的制度和文化背景中，人们对于隐私的理解，以及隐私的重要性排序存在明显差异。比如，有研究者将不同社会和群体对待隐私保护的态度划分为三种类型：“隐私优先”（High-Privacyposition）、“隐私平衡”（Balance-Privacyposition）和“隐私限制”（Limited-Privacyposition）。[12]“隐私优先”论赋予隐私更高的价值排序，认为应该赋予个人更大的“数据控制权”，同时它对于隐私的界定也相对比较宽泛。与之相反，“隐私限制”论则认为，虽然应该保护隐私，但当它与其他社会价值（比如公共安全、言论自由等）不一致的时候，应该让位于后者。“隐私平衡”论介于二者之间，在强调隐私保护的同时，也认为不应该对隐私有过于宽泛的定义和过强的保护，在隐私保护方面则强调发挥个人自主、机构和行业自律的作用。事实上，上述分歧明显地体现在美国和欧盟个人数据和隐私保护的立法和监管思路上。相对来说，欧盟在个人数据和隐私保护上更接近于“隐私优先论”，2018年5月正式生效的《一般数据保护条例》（GeneralDataProtectionRegulation，GDPR）确立了“数据可携带权”“被遗忘权”等个人数据控制权，并要建立统一的执法机构。与之相反，美国在强调个人数据和隐私保护的同时，在个人数据控制权立法保护方面要更加谨慎，更接近于“隐私平衡论”甚至“隐私限制论”。对美国、英国和德国等国企业的实证研究也发现了各国对于隐私的认知差异：美国与英国企业的隐私官员一般从避免损害消费者预期的风险管理角度看待隐私保护，而德国、法国和西班牙三国企业主要从人权角度看待隐私。[13]
2.机制的探索：参与和协同
人工智能发展迅速、渗透性强、议题多样复杂。政府、科研机构、大学、企业和社会组织等都有各自的利益诉求和信息优势，多元参与、充分沟通有利于提高人们对人工智能收益和风险的共同认知，并承担共同责任。虽然人工智能治理是个新议题，但从欧美各国的实践来看，它们基本延续了在转基因、纳米、合成生物学、信息技术等新技术治理方面的理念和架构。以一系列法律为核心的正式制度为人工智能治理提供了基本的制度框架和互动规则，例如欧美国家广泛存在的对重大科技公共议题的议会听证制度。对话会、民意调查以及政策制定者和专家之间的社会网络等非正式治理活动也有利于信息的及时传递和各方利益的表达。比如，在奥巴马政府时期，白宫科技政策办公室就人工智能主题举办了一系列旨在广泛征求社会各界意见的研讨会，在此基础上相继发布了《为人工智能的未来作准备》（PreparingForTheFutureOfArtificialIntelligence）《美国国家人工智能研究和发展战略计划》（TheNationalArtificialIntelligenceResearchandDevelopmentStrategicPlan）和《人工智能，自动化与经济》（ArtificialIntelligence,Automation,andtheEconomy）三份报告，较为系统地阐述美国人工智能发展战略、伦理规范和治理机制。2018年以来，美国国会就个人数据和隐私保护相关议题连续举行了多场听证会，Facebook、谷歌、亚马逊等企业巨头均被邀出席。2018年5月，美国政府又在白宫举办人工智能峰会，邀请谷歌、亚马逊、英特尔等企业巨头，以及顶级学术机构的专家等上百位代表参加，重点讨论AI研发、人才培养、制约AI创新发展的体制和特定部门的AI应用等4个议题。2017年6月，英国上议院成立了人工智能专门委员会，负责研究人工智能发展所带来的经济、伦理和社会问题。2018年4月，该委员会发布了《英国人工智能：准备、意愿与能力》（AIintheUK:ready,willingandable）的报告。
当然，人工智能治理过程中多方参与和协同的方式、效果受到特定国家利益集团的结构和制度环境的深刻影响。人工智能的快速发展必然会冲击现有的利益格局，不同利益集团之间的博弈直接决定了各方在相关决策中的话语权和影响力。以隐私保护为例，数据收集者、数据聚合者（主要指各类数据交易平台）、数据使用者和数据监管者这四类利益主体之间的博弈过程会深刻影响一个地区、国家甚至全球的隐私保护政策。[14]同时，人工智能治理过程中利益博弈、政策制定和执行活动都嵌入特定的政策网络当中，会受到其他领域法律法规和政策执行体制的推动和掣肘。总之，欧美国家在推动人工智能公共治理方面的基本经验，不是简单地让知识合法性或参与合法性占据绝对的优势地位，而是把二者间的张力纳入特定的制度框架内，并通过各种具体的活动程序和技术小心翼翼地保持它们之间的微妙平衡。
3.工具的建立：规范和倡导
工具的多元化和适应性是实现有效治理的重要条件。近年来，国际组织、各国政府和立法机构、研究机构等各类主体积极探索建立多样化的人工智能治理工具。法律的约束力强，是人工智能治理可依赖的重要工具，但由于其刚性强，各国在以法律来规制人工智能方面还是相对比较谨慎，尽量平衡风险规制和促进人工智能创新发展的双重需要。总体而言，以美国和欧盟为代表的一些国家和地区在人工智能相关立法方面采取的基本策略，是差别化和场景化——对人工智能不同应用领域进行专门立法。目前，美国和欧洲等国家和地区在自动驾驶方面已有比较成熟的立法，很多国家（地区）也试图加强对深度造假、智能投顾和智能医疗等人工智能应用重点领域的立法规制。[15]
行业技术标准、从业人员行为规范等也是人工智能治理的重要工具。2017年，电气电子工程师协会(IEEE)发布《人工智能设计的伦理准则(第2版)》，对人工智能伦理事项进行了扩充，而且目前还在持续更新和迭代。国际电信联盟（ITU）、国际标准化组织和国际电工委员会第一联合技术委员会（ISO/IECJTC1）等机构也在紧锣密鼓地进行相关标准的研究和制定工作。同时，一些知名科学家、企业家发起国际性的治理倡议，试图在观念和规范层面凝聚全球共识。比如，2017年1月，由未来生命研究所（FutureLifeInstitute）发起，霍金、马斯克领衔推动全球联署的“阿西洛马人工智能23条原则”（AsilomarA.I.Principles）已有超过1000名人工智能/机器人研究人员以及超过2000名其他领域专家签署。该原则从科研目标、科研经费和文化、科学和政策的互动、系统安全可控和透明性，到负责任、隐私、自主性、利益共享、符合人类价值观和不颠覆人类社会秩序等方面提出了23条人工智能研发和应用原则，呼吁全世界严格遵守，共同保障人类未来的利益和安全，在业界引起了很大反响。2018年12月，一项旨在推动人工智能治理全球合作，促进人工智能可持续发展的《负责任地发展人工智能蒙特利尔宣言》（MontrealDeclarationforaResponsibleDevelopmentofArtificialIntelligence）也开始了全球签署。这些国际性的、跨领域的努力为全球人工智能治理合作提供了重要帮助。
（二）全球人工智能治理面临的主要挑战
1.收益和风险的有效识别与公正分配
人工智能是一项正在快速发展且具有重大深远影响的新技术，对它的治理面临着巨大的技术和经济社会影响的“双重不确定性”。如何确保收益和风险的平衡，实现收益的公正分配、风险的合理分担是全球人工智能治理面临的巨大挑战。以就业为例，虽然人们知道人工智能将推动更大范围、更具“劳动替代性”的自动化进程，并重塑全球产业链和就业结构，但替代的规模和方式，影响的大小和结构却众说纷纭、难有定论。再有，人工智能如何加速推动资本替代劳动，是否会加剧“资本回报率高于经济增长率”的趋势，[16]造成劳动参与率和劳动收入占国民收入的比例进一步下降，高端就业岗位和普通就业岗位间的收入差距进一步扩大，让人工智能带来的生产效率提高、社会财富增长等好处主要由少数大企业、大资本和高端技术人员和管理者获得？2018年2月，剑桥大学生存风险研究中心（CentrefortheStudyofExistentialRisk，CSER）等机构联合发布《人工智能的恶意使用：预测、预防和缓解》（TheMaliciousUseofArtificialIntelligence:Forecasting,Prevention,andMitigation），认为滥用人工智能不仅会放大旧风险，还会产生新风险，让数字空间、物理空间和政治领域的风险类型更加复杂。总之，不同国家、群体和个人在人工智能相关风险面前的脆弱性是存在结构性差异的，如何降低风险并更合理分配风险是全球人工治理面临的关键挑战。
2.知识合法性与参与合法性的动态平衡
人工智能具有很高的技术门槛，相比于用户、监管者等主体，技术专家拥有很强的知识优势。但人工智能技术具有极强的渗透能力，将来会出现在工作和生活的各种场景当中，与每个人的利益密切相关。在这种情况下，与人工智能相关的公共决策所需的不仅仅是客观的技术知识，公众的利益诉求和价值判断同样非常重要。探索各种能够促进政府、企业、科学共同体和公众四类主体共同参与、协商共治的方式，不仅能够增加复杂决策所需的技术知识和社会知识，更能增加人工智能治理的参与合法性。但必须指出的是，在现实的人工智能治理活动中，四类主体内部并非“铁板一块”，而是普遍存在着各种观念和利益的分化与差异：政府内部存在不同级别和不同部门间的观点或利益差异；科学界内部存在不同学科间、不同技术路线的差异，而且很多所谓的“科学之争”还混杂着复杂的利益纠葛；产业界内部存在不同产业、不同厂商间的利益差异；公众内部的观念、利益分化则更加普遍。总之，纵横交错的利益关系、知识和政治的深度交织都增加了人工智能治理知识合法性和参与合法性之间的张力和平衡难度。
3.全球人工智能产业竞争和治理合作的良性互动
加强人工智能治理的全球合作是国际社会的共识，但各国、各大企业积极争取掌握更大话语权也是全球人工智能治理的客观事实。2019年2月，美国总统特朗普签署《美国人工智能倡议》，提出要应对来自战略竞争者和外国对手的挑战，并确保美国在人工智能领域的领先地位。2018年3月，欧洲科学与新技术伦理组织（EuropeanGrouponEthicsinScienceandNewTechnologies，EGE）发布的《关于人工智能、机器人与“自主”系统的声明》（StatementonArtificialIntelligence,Roboticsand‘Autonomous’Systems）提出，欧盟要启动相关流程，为机器人技术和自主系统的设计、生产、使用和治理制定一个共同的、国际公认的伦理和法律框架。2018年4月，英国议会发布的《英国人工智能：准备、意愿与能力》（AIintheUK:ready,willingandable）更是提出，英国要利用法律、研究、金融服务和民间机构方面的优势，通过在人工智能伦理与准则制定方面的领先来引领人工智能的发展。
三、我国人工智能治理的探索和挑战
（一）我国加强人工智能治理的主要探索
1.高度重视人工智能发展风险研判和防范
2017年7月，国务院发布《新一代人工智能发展规划》，要求必须高度重视人工智能可能带来的安全风险挑战，加强前瞻预防与约束引导，最大限度降低风险。2018年10月，习近平总书记指出，要加强人工智能发展的潜在风险研判和防范，维护人民利益和国家安全，确保人工智能安全、可靠、可控；要加强人工智能相关法律、伦理、社会问题研究，建立健全保障人工智能健康发展的法律法规、制度体系、伦理道德。
2.积极推进法律法规和政策体系建设
近年来，我国通过分散式立法的方式，修订和出台相关法律法规，重点加强了对个人数据、电子商务、智能金融、自动驾驶等与人工智能发展紧密相关领域的修法和立法工作，努力完善促进人工智能健康发展所需的法律框架。比如，2018年8月十三届全国人大常委会审议通过《中华人民共和国电子商务法》，努力在允许算法推荐和大数据画像等新技术发展和消费者合法权益保护之间寻求平衡。中国人大网公布的《十三届全国人大常委会立法规划》显示，个人信息保护法、数据安全法均被列为第一类项目，即条件比较成熟、任期内拟提请审议。一些政府行业监管部门也陆续出台了一系列部门规章，积极适应本领域人工智能应用的监管需要。比如，中国人民银行等部门联合出台的《关于规范金融机构资产管理业务的指导意见》规定，金融机构应当向金融监督管理部门报备人工智能模型的主要参数以及资产配置的主要逻辑，在促进算法透明和人工智能监管框架等方面做出重要尝试。
3.搭建人工智能治理多方参与平台
2017年11月，由科技部、发改委等15个部门共同构成的“新一代人工智能发展规划推进办公室”宣布成立，负责推进新一代人工智能发展规划和重大科技项目的组织实施。来自高校、科研院所和企业的27名专家组成的“新一代人工智能战略咨询委员会”也同期成立，负责为新一代人工智能发展规划和重大科技项目实施，以及国家人工智能发展的相关重大部署提供咨询。为进一步加强人工智能领域相关伦理、法律和社会问题研究和人工智能治理国际交流合作，2019年2月，新一代人工智能发展规划推进办公室决定成立“新一代人工智能治理专业委员会”。2019年4月，科技部发起“为了AI健康发展：新一代人工智能治理准则建议征集”活动，向政府部门、企业、高校、科研院所和各界人士公开征集建议。在人工智能标准化方面，2018年1月，国家标准化管理委员会宣布成立国家人工智能标准化总体组和专家咨询组，负责全面统筹规划和协调管理中国人工智能标准化工作。
（二）我国人工智能治理面临的主要挑战
1.从跟随者到领跑者的角色转换
长期以来，我国科技发展处于“跟跑”状态，科学研究和产业应用方面会遇到的伦理、法律和社会问题大部分都已由先发国家“蹚过”了，我们可以跟在后面学习借鉴国际经验，不走或少走弯路。当前，新一代人工智能对全世界来说都是一个新事物，在治理方面没有现成的经验。我国人工智能部分领域核心关键技术实现重大突破，市场应用深度和广度迅速增长，与之相关的伦理、法律和社会问题的研究和治理不可能再跟在后面学了——从“跟着学”到“带头做”是一个巨大的角色转变。
2.科技公共治理机制不健全
人工智能治理活动嵌入在特定的科技公共治理制度中，而后者是一个从理念到制度、程序再到具体技术的完整系统。虽然近年来我国在人工智能治理领域已经作出富有成效的探索，但我国科技公共治理体制机制方面的诸多不足还是会给人工智能治理带来诸多挑战，突出表现在以下几个方面：一是产业界、公众参与科技公共决策的依据、程序等仍然缺乏明确、详细的法律规定。二是以知识生产、共识达成和决策扩散等为目标的系列公共治理方法和工具开发不够。三是在开放创新和全球合作共治的大背景下，主动参与国际人工智能治理合作的理念、机制和专业人才准备不足。
四、结论和建议
探索形成一套有效的人工智能治理机制和平台、治理方法和工具，以实现治理结果的趋利避害、治理过程的科学民主，是保障人工智能持续健康发展的内在要求。鉴于全球人工智能治理现状以及我国的具体国情，本文提出以下建议：
一是原则层面，根据收益和风险结构进行分类、分级处理。一方面人工智能在不同领域中的应用所带来的收益和风险存在很大差异；另一方面在人工智能创新和产业化链条的不同阶段和环节，收益和风险的大小和结构也存在很大差异。没有必要，也很难用一个标准来简单地加总利害。从目前国际人工智能治理经验和我国治理实践来看，未来我国人工智能治理遵循的基本原则，是根据风险类型和大小，对不同场景下的人工智能系统开发和应用采用不同的监管模式和治理机制，努力实现创新和安全、知识合法性和参与合法性之间的动态平衡。
二是制度规范层面，人工智能公共治理法治化。首先应当在法律层面规范人工智能治理程序，将相关决策过程纳入法治轨道。其次要在科研经费投入、科研活动监管、公众参与方式和程度等方面，都明确相应的制度安排，在项目形成机制、各类利益相关方代表的产生方式和意见表达程序等内容作出可操作的程序设计。[17]
三是技术层面，开发多样化的人工智能治理技术工具箱。在充分借鉴国际人工智能治理方法和工具的基础上，围绕知识生产、共识形成和行动促进这三个人工智能治理的关键问题，开发适合我国制度环境和社会基础的系列工具。
[ 参 考 文 献 ]
[1]习近平，推动我国新一代人工智能健康发展，2018-10-31.
[2]俞可平.国家治理评估：中国与世界[M].北京：中央编译局出版社,2009：3-8.
[3]翟晓梅,邱仁宗.合成生物学的伦理和管治[N].科学时报,2010-7-19.
[4]卢阳旭,龚旭.科学资助中的控制权分配——以科学基金机构职能变迁为例[J].科学学研究,2019(3).
[5]诺沃特尼,斯科特,吉本斯.反思科学：不确定性时代的知识与公众[M].冷民,等,译.上海：上海交通大学出版社,2011.
[6]马森,魏因加.专业知识的民主化：探寻科学咨询的新模式[M].姜江等译.上海：上海交通大学出版社,2010.
[7]王奋宇,卢阳旭,何光喜.对我国科技公共治理问题的若干思考[J].中国软科学,2015(1).
[8]国家人工智能标准化总体组.人工智能伦理风险分析报告[R].2019.http://www.cesi.ac.cn/201904/5036.html.
[9]贾开,蒋余浩.人工智能治理的三个基本问题：技术逻辑、风险挑战与公共政策选择[J].中国行政管理,2017(10).
[10]汝绪华.算法政治：风险、发生逻辑与治理[J].厦门大学学报（哲学社会科学版）,2018(6).
[11]曾毅.构建新一代人工智能准则[N].光明日报,2019-1-24(16).
[12]Margulis,ST.PrivacyAsaSocialIssueAndBehavioralConcept[J].JournalofSocialIssues,2003.59(2):243-261.
[13]Bamberger,KA,Muligan,DK.2015,Privacyontheground:drivingcorporatebehaviorintheunitedstatesandEurope[M],MITPress.
[14]克雷格,卢德洛芙.大数据与隐私：利益博弈者、监管者和利益相关者[M].赵亮、武青译.2016.长春：东北大学出版社.
[15]汪庆华.人工智能的法律规制路径：一个框架性讨论[J].现代法学,2019（2）.
[16]皮凯蒂.21世纪资本论[M].巴曙松,等,译.北京：中信出版社,2014.
[17]何哲.人工智能时代的政府适应与转型[J].行政管理改革,2016(8).
[作者简介]卢阳旭，中国科学技术发展战略研究院副研究员；何光喜，中国科学技术发展战略研究院研究员。电信行业的机遇和挑战
互联网的高速发展已经彻底改变了电信运营商的生存环境，基于互联网的语音、短信、视频通话等服务给电信运营商的传统业务带来巨大的挑战。电信运营商的传统利润在不断被吞噬。全球电信运营商都在探索如何才能避免沦为数字时代的单纯通道，并且不断总结失败的经验，在这条道路上摸索前行。多家知名电信运营商的经验显示，搭建一个生态系统平台，构建一个让硬件商，终端制造商，第三方内容开发者，用户全部参与的一个生态系统，同时引导这个生态系统的健康良性发展，可以帮助电信运营商由传统业务顺利过渡到数据业务时代。此外，电信公司从战略层面主动迎接数据时代的到来，完成传统电信公司和互联网公司的基因结合，将成为核心竞争力。
对于中国三家电信运营商而言，即将到来的4G时代的征战是确定他们未来发展前景的关键一役。标准和市场准入时间的选择成为博弈的关键决策。尽管三家运营商都没有完全收回3G的铺设成本，但是中国移动已经有明显部署显示它将及早进入4G时代。市场对4G的需求已经开始倒逼电信运营商的技术更新。此时，中国电信和中国联通可以考虑放弃3G铺设的沉没成本，及早跟进4G，抢占未来市场。
三家运营商对于4G标准的选择决定竞争的格局，如果中国电信和中国联通共同选择FDD-LTE标准，3G时代三足鼎立的竞争态势将会持续，一家独大的局面较难出现。然而，由于频段资源稀缺，中国电信未来将会如何选择标准，如何选择频段，还有诸多不确定因素。
尽管全球电信运营商最近几年的利润都受到互联网企业的冲击而不断下降。但是大数据和移动互联时代的到来都给电信运营商带来无限的机遇。
大数据在未来医疗、公共事业、零售、制造行业都会创造出巨大的商业价值。大数据时代的到来让数据成为新的生产力。电信运营商提供了互联网上所有的数据通道，这一先天优势，决定其将是未来大数据时代的最强势的竞争者。而当下，电信运营商最迫切的任务是，如何利用和深挖自己的潜在优势，释放出数据的巨大能量。
移动互联将在未来三年井喷发展，电信运营商掌握了所有移动设备接入互联网的最终端口。这使得电信运营商注定会在消费者未来通过移动终端进行的所有商业行为中分得一杯羹。目前，电信运营商最重要的战略举措应当是提高用户对手机号码的忠诚度，将用户的未来移动互联消费和电信运营商捆绑的更为牢固。巨大的用户基数是决胜的关键底牌。中国电信运营商可以考虑从数量庞大的中低端用户着手，通过补贴中低端安卓智能手机等方法尽早占领最大可能用户群，抢占移动互联时代的市场先机。
大数据时代对审计的机遇和挑战
大数据时代对审计的机遇和挑战
朱静芬
随着科技和社会的不断进步发展，信息技术和计算机网络的蓬勃兴起，各行业各领域的数据量迅猛增加。随着结构化、半结构化和非结构化数据的大量涌现，数据规模和种类的快速增长，标志着大数据时代已经来临。在大数据时代下，审计环境发生重大变化，审计数据呈现出大数据独有的特点，包括数据量大、数据种类多、数据价值密度低、数据处理速度快等。当前，大数据时代计算机审计技术已不再是传统审计的辅助工具，而将成为引领审计信息化发展的重要一环。进入了大数据审计时代，如何更快地适应审计工作环境的变化，更迅速、准确地处理数据，积极探索和创新大数据时代审计方法，应对大数据给审计带来的机遇和挑战，已经成为审计人员面临的重要课题。
一、大数据审计的定义及特征
（一）大数据的定义及特征
目前大数据的研究与应用已经成为国内外的热点，不同的文献给出了大数据的不同定义。如维基百科对大数据的定义为：大数据或称巨量数据、海量数据、大资料指的是所涉及的数据量规模巨大到无法通过人工或者计算机，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的形式的信息。大数据几乎无法使用大多数的数据库管理系统处理，而必须使用“在数十、数百甚至数千台服务器上同时平行运行的软件”。麦肯锡公司对大数据的定义为：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。高德纳咨询公司把大数据定义为：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。简单地说，大数据是一种信息资产，是巨量数据集合。
大数据的定义取决于持有数据组的机构之能力，以及其平常用来处理分析数据的软件之能力。大数据对象既可能是实际的、有限的数据集合如某个政府部门或企业掌握的数据库。也可能是虚拟的、无限的数据集合如微博、微信、社交网络上的全部信息。大数据具有五个主要的技术特点，即大体量（可从数百TB到数十数百PB、甚至EB的规模）、多样性（大数据包括各种格式和形态的数据）、时效性（很多大数据需要在一定的时间限度下得到及时处理）、准确性（处理的结果要保证一定的准确性）、大价值（大数据包含很多深度的价值，大数据分析挖掘和利用将带来巨大的商业价值）。大数据具有海量数据规模、快速数据流转、多样数据类型和价值密度低等特征。就审计工作而言，大数据是指开展审计工作所需、所产生或与被审计对象相关的信息和数据的集合。根据数据来源不同，可分成被审计单位数据、审计工作本身形成的数据，以及国土、海关、公安等外部数据。
（二）大数据审计的定义及特征
截止目前，大数据审计还没有明确的概念。2014年10月，《国务院关于加强审计工作的意见》（国发〔2014〕48号）提出，推进有关部门、金融机构和国有企事业单位等与审计机关实现信息共享，加大数据集中力度，构建国家审计数据系统。探索在审计实践中运用大数据技术的途径，加大数据综合利用力度，提高运用信息化技术查核问题、评价判断、宏观分析的能力。这是国家首次在文件中将大数据审计列入审计信息化工作重点。基于此文件，我们可将大数据审计定义为：在大数据环境下，运用新的审计理念和新的数据获取、分析技术，通过对审计大数据进行充分共享和深度挖掘，发现审计线索或生成审计结论，以进一步提高审计工作效率的审计方式。
大数据审计有以下五个方面重要特征：一是高效性。大数据审计能大大提高审计工作效率，促进审计工作更深入的发展。审计人员采集大数据后，利用电子与计算机技术快速进行大数据汇总、筛选、分析，能够快速地发现问题。二是检查与分析数据的准确性、完整性。利用大数据审计方法，审计人员能有效地对大数据进行全面、系统、完整地分析，实现财务数据与业务数据检查全覆盖。三是不可替代性。大数据审计大大缩小了审计测试实质性风险。大数据审计人员利用计算机语言进行数据的汇总分析、阶段特征分析、分布趋势分析、数据字段的比对分析，相关单位大数据之间的关联分析，可以对大数据进行全面系统地测试。四是便利性。利用大数据审计，可以实现相关单位或同一单位的下属不同机构的关联审计，大大节约审计时间，提高审计效能。审计人员利用大数据进行审计实施阶段前的数据分析工作，将来自财政、金融、税务、工商等多个平台的管理数据进行关联，使审计人员对被审计单位的情况进行较全面的了解。五是针对性。审计人员针对被审计单位、被审计事项的某些特征，利用大数据审计方法，从海量信息中可以快速查找有用的信息，发现审计线索，找出审计疑点，锁定审计目标。
很多学者也都纷纷阐述了大数据对审计带来的影响。如刘碧湘（2013）分析了大数据对计算机审计的机遇和挑战，提出利用大数据推进计算机审计，要解决保障数据质量，建立公共分析数据平台，加强对审计人员的培训和建立合理的审计结果评价体系等问题。秦荣生（2014）介绍云计算、大数据技术对审计方式、审计抽样技术、审计报告模式、审计证据搜集等技术和方法的影响；陈伟（2016）提出审计大数据的技术方法体系。可见，大数据时代审计如何创新发展得到学者和研究机构的普遍关注。
二、大数据时代对审计工作提出的新要求
2015年8月，国务院印发了《促进大数据发展行动纲要》（国发〔2015〕50号），明确提出“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态”。文件的核心是推动数据资源共享开放，推动各部门、各地区、各行业、各领域的数据资源共享开放。2016年12月，国务院印发了《“十三五”国家信息化规划》（国发〔2016〕73号），明确要求推动各部门业务系统互通对接、信息共享和业务协同，2018年，形成公共数据资源开放共享的法规制度和政策体系，建成国家政府数据统一共享交换和开放平台，跨部门数据资源共享共用格局基本形成。
2015年12月，中共中央办公厅、国务院办公厅印发了《关于实行审计全覆盖的实施意见》(中办发〔2015〕58号)，其中“创新审计技术方法”部分明确指出：构建大数据审计工作模式，提高审计能力、质量和效率，扩大审计监督的广度和深度。适应大数据审计需要，构建国家审计数据系统和数字化审计平台，积极运用大数据技术，加大业务数据与财务数据、单位数据与行业数据以及跨行业、跨领域数据的综合比对和关联分析力度，提高运用信息化技术查核问题、评价判断、宏观分析的能力。探索建立审计实时监督系统，实施联网审计。文件的出台对我们新时代的审计工作提出了新的要求。
2015年12月，刘家义审计长进一步在全国审计工作会议上指出：“推进以大数据为核心的审计信息化建设是应对未来挑战的重要法宝，也是实现审计全覆盖的必由之路。”大数据审计涉及国民经济运行的主要数据，数据分类上既包括来自被审计单位信息系统的财务数据、资料，也包括来自互联网上的音频、视频、图像等非结构化数据。同时，审计数据的跨行业、跨领域、跨层级等特性，急需利用大数据来进行整理分类、分析挖掘等技术。
2016年5月，审计署印发了《“十三五”国家审计工作发展规划》。这是第一个全国性的国家审计工作五年规划，对“十三五”时期全国审计工作的目标、任务和措施作出了安排部署。文件明确提出要创新审计管理模式和组织方式，要大力推行现代审计综合模式，全面推广“总体分析、发现疑点、分散核实、系统研究”数字化审计方式。其中“十七、加快审计信息化建设”指出，以提升审计能力和审计效率为目标，加大数据集中力度，完善国家审计数据中心，形成全国统一的审计信息系统。加大数据分析力度，拓展大数据技术运用，大幅提高运用信息化技术发现问题、评价判断、宏观分析的能力，形成“国家审计云”。需要做好包括4个方面的工作：一是加大数据集中和整合力度。建立健全数据采集与管理的制度规范和工作机制，到2020年实现对经济社会各类主要信息数据的全归集。完善审计业务电子数据管理办法。大力推进各类数据的整合和标准化，逐步实现信息共享，提升数据利用价值。建立审计数据灾备中心。二是加强大数据技术运用。积极应用“云计算”、数据挖掘、智能分析等新兴技术，提高审计效率。探索多维度、智能化数据分析方法。加强对各领域、各层级、各系统间数据的关联分析，增强判断评价宏观经济、感知经济风险等方面能力。大力推进联网审计。三是加强信息化建设项目审计。围绕国家大数据战略和“互联网+”行动，以提高财政资金使用效益和维护国家信息安全为重点，加大对政府部门、国有企事业单位信息化建设项目及信息系统审计力度，促进国家大数据战略的顺利实施。四是完成金审三期工程建设。制定统筹推进全国审计信息化建设指导意见。到2020年，基本建成数字化审计指挥平台、大数据综合分析平台、审计综合作业平台、模拟仿真实验室和综合服务支撑系统。逐步实现审计计划编制、资源配置、组织管理、质量控制、成果利用等全过程的数字化。基本建成一体化信息综合服务支撑保障体系。
近年来，审计全覆盖已经成为一个高频词。十三届全国人大一次会议新闻中心，审计署审计长胡泽君在回答记者关于“审计工作如何实现全覆盖?如何成为重要武器？”的提问时表示：第一，坚持党的集中统一领导，优化审计监督职责。审计全覆盖涉及行政机关,也涉及党的机关。第二，积极推进大数据审计，坚持科技强审，通过信息化、数字化，努力提高审计监督的质量和效益。第三，加强对审计监督对象的内部审计工作的指导和监督，促进党政机关、企事业单位更有效地抵御风险，实现高质量发展。可见，审计署审计长关于审计全覆盖的回答中也提到了积极推进大数据审计，此项工作迫在眉睫。
大数据无时无刻不在产生，尤其随着信息化程度的提高，金财、金税、金保、金盾、金农工程等的发展，涉及的也不仅只是财务数据，还有大量业务数据。“总体分析、系统研究、发现疑点、分散核实、精确定位”的数字化审计方式是发展的必然趋势。大数据审计旨在向“数据一体化、业务一体化、模式一体化”的方向推进发展，审计模式将贯穿于纵横交错的各行各业。所以，审计方法要向大数据审计方法转变，主要表现在审计资料由抽查部分纸质资料转变为更多的海量电子数据，审计思路由财务审计转变为综合绩效审计，审计时效由事后审计转变为实时监督，审计覆盖面由部分被审计单位转变为审计全覆盖。总之，伴随着信息技术的发展，审计工作日渐依赖于大数据的发展，大数据技术成为实现审计全覆盖必由之路，给审计技术方法的信息化和高效化带来了多方位的革新和进步。因此，只有顺应时代潮流，转变思维观念，改进方式方法，才能有效提高审计质量、提升审计效能、提高审计管理和服务水平、防范审计风险，充分发挥审计的国家治理基石、重要保障作用。
三、大数据时代审计工作的机遇
大数据已带来新一轮信息化革命，走进并深刻地进入了我们的生活，它给我们带来了新的思维变革和管理变革。审计作为一个用数据说话的综合性经济监督部门，在大数据时代将迎来不少机遇。大数据审计实现了跨行业、跨领域、跨地区、多维度、多层次审计，更容易发现复杂性、隐蔽性问题，对共性、趋势性问题能进行预警并能采取预防手段，更可以实现可视化领导层决策。大数据审计的推动能充分发挥审计的“抵御”和“预防”的功能，切实实现审计保障国家经济社会健康运行的重大作用。
（一）审计分析更全面，建立总体审计的思维模式
随着被审计单位财务和业务数据的电子化，采集电子数据进行数据分析已经成为审计工作中不可缺少的一部分。大数据时代可以通过联网审计技术获取到被审计单位更多、更全面的电子数据加以分析，从而对被审计单位进行系统、全面甚至跨部门的综合分析。可以收集和处理整体的所有数据，利用计算机审计方法对海量数据进行更全面的分析，建立总体审计的思维模式，从总体的视角发现以前难以发现的问题。
（二）审计数据获取更便利、实现联网实时审计
以前，审计人员获取各个部门的相关数据需要分别去各个部门收集信息，分别点对点的与被审计单位进行联网。
随着大数据技术的发展，跨越系统、平台、数据结构的技术使审计效率明显提高。审计部门可以充分利用采集来的各方数据建立集中统一的审计平台，只要接入平台，所有审计所需的数据在设置一定的权限后都可以直接获取，甚至使联网实时审计成为可能，从而大大提高审计效率，节约审计成本。
（三）创新审计思维，建立审计思路
以前审计工作的思维是从局部到整体，审计的效率受制于数据采集和整理能力。而在当前的大数据时代，审计创新性地使用大数据方式，思维模式从整体转换成局部，审计方法的发展得到质的飞跃。大数据审计不仅是审计方式的创新，更是思维方式的变革。大数据的应用，带来了海量的审计数据库，其中的大数据既可以来源于企业的信息系统，也可以是互联网中所提交的数据，审计人员可通过利用关联思路和模式从相应的数据库中进行搜集和利用，最后从数据的内部联系、相应的关联分析及数据中的疑问等方面，构思出审计的思路，从而为审计的下一个阶段奠定基础。
（四）强化审计分析，提高审计洞察力
传统环境下，审计数据的获得需要进行大量的人工整合，数据汇总和整理效率较低，且分析预测能力不强。而在大数据时代，云计算、量子计算和流处理等技术的应用，使得大数据的计算速度日渐提升，审计数据的分析更多地采用了统计分析、数据挖掘和数据可视化等方法，从而扩大了审计技术的分析能力。大数据时代审计工作可以从不同的角度采用很多数据挖掘方法对数据进行挖掘。如数据概化可以得到财务报告的一般属性特征描述，从而为审计人员判断虚假财务报告提供依据；统计分析可以通过回归分析、因子分析和判别分析等方法可对数据进行分类和预测，从中发现审计疑点，将其列为审计重点；聚类分析可以识别企业的财务报表中的规律性和存在的异常；关联分析可以发现存在异常联系的数据项，从而发现审计疑点。可视化技术提供的数据图像化可以直观的呈现大数据特点，帮助审计人员快速有效地交互分析大量数据，提高审计洞察力；云计算、流处理等技术的应用和审计数据实时分析功能可以使联网审计更好的实现实时审计。
（五）审计证据更充分、审计结论更准确
审计作为一个综合性的经济监督部门，需要用数据说话。随着绩效审计的发展，审计部门需要通过数据对被审计单位做出审计评价。在大数据时代，充分利用数据分析技术、将分散存储在不同系统中的海量数据关联并进行深度挖掘分析，可以对被审计单位进行全面审计分析，从而取得更充分的审计证据、得出准确的审计结论。在数据分析下得出的所有审计结论都有大量的数据作为支撑，将使审计的成果更客观、更能得到被审计单位的认同；另外从宏观层面进行大数据关联分析，可以提高分析宏观经济发展趋势、感知经济社会运行风险、发现违纪违法问题线索的能力，从而进一步提升审计信服力和影响力。
四、大数据时代审计工作面临的挑战
传统的财务审计过程中一般会运用如审阅法、复核法、核对法、函证法等查账方法。进行经济效益审计时，既要运用财务审计的一般方法，又要运用如经济活动分析、决策分析和数学分析等多种分析方法和现代管理方法。而这些方法在大数据时代已显得较单薄。大数据时代给审计带来机遇的同时也带来了新的挑战，主要表现在以下方面。
（一）审计数据真实性风险
大数据时代，需要从各种渠道采集大数据信息，而审计数据的“真实性和完整性”与大数据的“杂乱和不精确”之间产生了矛盾。其中影响数据真实性的因素很多如被审单位存在主客观因素导致的数据缺失和误差或审计人员处理大数据时导致的遗漏和缺失等。而上述数据的真实性风险将会对后续审计技术方法的运用造成根本影响。
（二）审计数据控制和保护风险
大数据时代，为了进行更全面的审计，往往需要从众多的被审计单位中采集大量的数据进行分析，其中包含着大量敏感数据。虽然将海量数据集中存储，方便了审计数据分析和处理，但如果安全管理不当造成的大数据损失或泄露，会引发严重的数据风险和隐私风险。如何在采集数据进行审计分析的同时加强对大数据平台的安全防护以及被审计单位和个人的信息管理保护，成为大数据时代审计工作面临的一大挑战。
（三）审计数据存储与处理风险
大数据时代，被审计单位的大数据为审计数据的存储和处理提出了挑战。一是审计数据的存储风险。随着结构化和非结构化数据量的持续增长以及分析数据来源的多样化，已有的审计数据存储技术将不能完全满足大数据环境的需要。随着被审计数据的单位和年份的增多，数据量也大规模的增长，对审计数据存储的容量提出了挑战。同时，对审计数据中心的恶意进攻或进行网络攻击都会造成严重的不良后果。这些审计数据的存储风险将会对审计技术与方法的利用造成基础性障碍。二是审计数据的处理风险。海量的数据的输入输出对审计大数据处理能力提出了挑战，如何突破数据传输瓶颈、提高数据处理速度也成为大数据环境下审计工作必须解决的问题。目前，在审计大数据处理和转换方面的难题主要归因于两个方面。大数据价值密度较低，导致在对海量非结构化数据进行审计时，发现线索的难度更大；所需处理的数据规模急剧膨胀，现有的数据中心及其硬件设备难以完成挑战，审计技术急需升级革新。
（四）复合型审计人才匮乏风险
现在审计工作普遍存在着人员紧、任务重的问题，审计人员很少抽出大量的时间来学习新的知识，不少审计人员的知识结构较为单一，计算机操作能力较弱，难以有效地完成大数据审计，审计技术与方法受到人为性限制，审计效率难以得到提高。有不少审计人员对大数据的认识较陌生，审计思维还停留在传统的查账阶段，依赖抽样分析，认为使用现场审计实施系统导入账套浏览电子账就可以。没有对财务和业务数据进行关联分析，导致大量的数据没有被有效使用，海量数据的存在使得传统的审计方法步履艰难、难以应对。因此，造成审计覆盖面较小，审计广度和深度不够。
一线经验丰富的审计人员往往缺少计算机技术知识，而懂计算机的审计人员又经验不足，审计经验丰富又可承担数据分析和数据挖掘的复合型审计人才更为缺乏。大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。如何利用大数据对我们审计人员的能力水平提出了更高的要求。大数据的复杂性及多样性使得审计人员不仅要具有一定的会计基础、数据挖掘和分析能力，还要快速学习掌握相关的大数据处理技术。
五、大数据在内审工作的重要作用
在大数据背景下，内部审计的外在环境发生了巨大的变化，传统意义上的手工查账方式已越来越不适应目前内部审计发展的客观需要。信息技术和计算机网络在审计工作中的运用，大数据应越来越被内部审计机构所重视，审计人员通过大量数据的分析、查询、处理能快速，有效找到必要的审计线索、审计疑点、审计证据。可见，大数据审计已成为内部审计发展的大势所趋。如何更快地适应内部审计工作外部环境的变化，更迅速、准确地采集、存贮、分析、处理大数据，积极探索和创新大数据时代内部审计的新方式方法是摆在内部审计人员面前的重要课题，研究大数据审计的重要特征对内部审计有重要意义。
（一）有利于全面提高内审工作效率
利用大数据开展内部审计工作，可以节约内部审计机构的人力、物力与财力，全面提高内部审计工作效率。目前，大型国有企业、行政事业单位内部审计机构的人员编制较少，基层行政事业单位及国有企业内部审计机构的专业审计人员编制更少，技术设备不够先进，一直制约内部审计的发展。在人员编制规范的约束下，无法实现用大量招录内部审计工作人员的方式来解决内部审计力量不足的问题，内部审计机构必须创新审计思路，改进审计技术手段，提高内部审计工作效率，利用大数据系统开展内部审计，能较好地弥补内部审计机构人力、物力与财力不足的问题。
（二）有利于健全内部审计功能
在传统手工审计方式下，内部审计工作因人员与技术力量的制约，审计涉及范围较窄，审计报告重点主要测重于评价内控制度与管理风险，内部审计对违规违纪问题的查处力度不大，内部审计报告主要是查弊纠错。利用大数据审计有利于健全内部审计功能、促进内部审计绩效的提高。利用大数据审计可以让审计人员对被单位的财务收支增长率、成本效益率、资金需求预算等多方面进行分析与预测，为领导者的决策提供实质性参考，增强内部审计组织在单位决策层面的建设性作用。
（三）有利于抓住内部审计重点
利用大数据审计有利于抓住内部审计重点。内审工作需要详细地开展对被审计对象全面的审计调查了解工作，内审人员通过对被审单位大数据的关联分析、汇总分析、阶段特征分析、分布趋势分析、数据字段的比对分析，可以在现场审计实施前发现被审对象业务数据与财务数据的异常现象与疑点问题，为审计实施抓住重点，进行重点取证，让内审工作有的放矢。
（四）有利于全面提升内部审计覆盖率
利用大数据审计有助于全面提升内部审计的审计覆盖率。我国目前的大型国有企业、大型行政事业单位下属有诸多二级机构、三级机构。如何强化主管部门下属单位的财务收支活动与财政收支活动的审计监督，国家审计机关由于人员编制等因素的制约，没时间也没人力物力对其主管的下属单位进行全覆盖的审计监督，各大口内审机构也由于人力物力的制约，无法实现内审工作全覆盖。如果内审机构使用大数据审计，可以大大提高内部审计工作效率，节约现场审计实施时间，从而实现全面提升内部审计覆盖率。
六、大数据时代审计工作的应对策略
（一）建立数据标准、完善技术研发机制
要实现审计全覆盖的要求必须解决数据不规范、不准确、不完整和低密度等数据质量问题。一要建立满足审计全覆盖要求的全行业数据标准，大数据审计正规化、标准化、信息化；二要建立审计数据标准，以增强审计工作的技术性、严谨性和可靠性。最终从总体上确保审计数据的真实性，为审计信息的整合、利用，为后续实施的审计技术方法奠定坚实的基础。同时，要完善技术研发机制。要加强大数据分析模型和软件的研发，以解决数据处理风险。要制定审计软件的统一标准和行业法规，最终通过利用统一的审计软件，可以实现数据采集、存储和分析应用的无缝对接，从而完善数据采集与处理、存储的全过程。
（二）加强对审计大数据安全管理
为了保障大数据平台的稳定运行，首先必须要保证大数据平台的物理安全，建立关键基础设施的安全监管体系，具有完备的业务连续性计划与灾难恢复管理。然后，对获取的审计大数据应进行分级管理，根据数据的重要性进行等级分类。对确需保护的数据，必须有切实可靠的手段进行有效管理。如应有严格的权限审批控制手续，规范大数据利用的具体工作流程；对获取和使用的被审计单位数据，应严格按照审计署《审计项目电子数据保密管理办法》（审法发〔2007〕53号）要求进行管理。
（三）完善大数据的存储和处理性能机制
伴随审计信息化的推进，数据量的快速增长为归集、整理、存储及综合利用被审计单位电子数据带来了挑战，解决存储空间的不足和安全性，已成为当前审计工作中的当务之急。首先，要升级当前已有的大数据海量处理平台和存储性能，以满足多样化和巨量化的需求。对海量数据的储存要求数据存储系统要有相应等级的扩展能力，可以考虑通过增加模块或磁盘柜来增加容量；数据量的增加造成输入输出能力的瓶颈，可以考虑各种模式的固态存储设备，以提高数据的处理能力，从而保障海量数据分析的高效运行。其次，应积极提升冗余消除技术，以减少数据的重复或过剩，从而降低传输开销和存储空间。第三，要建立严格的数据权限管理机制和防黑客系统，保证大数据的安全性。总之，对待大数据的存储和处理要走出以往数据存储的简单模式。
（四）加快大数据审计人才培养进程
在如今科技发展日新月异的大数据时代，大数据平台的搭建、实施、运行以及到后期的维护和更新都需要具有大数据思维和创新能力的复合型人才。而大数据时代的审计对审计人员的业务能力乃至现代化电子信息技术提出了更高的要求，这就要求将大数据审计人才的培养纳入工作重点。一方面应吸纳培训具有这种能力的复合型人才，另一方面要加强对审计人员的信息化专业培训，不断提高审计人员的综合能力。不仅要将大数据审计纳入到绩效考核指标中，更要通过多种渠道，对审计人员加强计算机和大数据分析技术方面的培训，更好地推进审计职业化建设。
同理，对于大型国有企业、行政事业单位必须加强大数据审计人才、计算机人才的引进力度，对现有的内审人员进行全面的大数据审计技术技能培训，更新本单位、本系统大数据软件应用系统，通过购进先进计算机设备及应用终端，为本单位内部审计人员开展大数据审计打下良好的物质基础；同级审计机关应加强对内审工作大数据审计的指导，为内部审计组织开展大数据审计提供强有力的技术规范与制度保障。
综上所述，大数据时代给审计工作既带来机遇也面临着挑战。当前我国大数据审计仍处于探索阶段，审计技术、审计规范、审计制度等都有待研究，大数据审计技术方法需要不断完善和改进。大数据审计风险控制问题的解决不是一蹴而就的事，审计人员只有把握机遇，顺势而上，在发展中不断创新审计技术和审计思路，完善审计方法，要从战略上重视大数据的开发利用，直面挑战，更好地利用大数据助推审计信息化建设，审计工作才会更加高效、严谨和客观，更好地实现审计“全覆盖”。
人工智能未来发展机遇与挑战并存
从未来发展来看，作为一门交叉科学，人工智能技术涉及到社会学、信息学、控制学、仿生学等众多领域，既是生命科学的精髓，更是信息科学的核心，具有光明的发展前景。
人工智能技术还促进了多种科学与网络技术的深度融合，解决了互联网时代看似无法解决的问题和痛点，将互联网带入到了一个全新发展的智能时代，极大影响着网络技术和信息产业的未来发展方向。
目前，人工智能技术研究正在如火如荼地展开，进入了六十年来最狂热的发展阶段。从目前发展现状来看，人工智能技术还存在着较大的市场发展空间和投资机会，例如，以大数据收集为基础的医疗、教育、消费、营销等垂直行业就尚未出现人工智能领域的行业龙头，因此将未来成为各大资本和上市公司竞相追逐的宠儿。
而随着新科技革命继续发展，人工智能技术也正孕育着新的重大变革。一旦突破，必将对科学技术、经济和社会发展产生巨大和深远的影响，深刻地改变经济和社会的面貌，并促使生产力出现新的飞跃，成为第四次工业革命的主旋律和人类社会新未来的重要支柱。
但是，我们也要看到，虽然人工智能技术给人类社会带来了极大的便利，但同样也存在着诸多风险挑战。例如，人类将面临着技术、信任、法律、道德等一系列问题。人的“机器化”和机器的“人化”是人工智能技术发展的两个必然发展趋势，很多人担心智能机器在为人类提供聪明友好帮助和服务的同时，也会给人类带来威胁甚至灭顶之灾。从理论上讲，机器的智能化程度越高，其内部电脑控制软件的规模就越庞大且复杂，出现故障的概率也就相应的越高。
如果真的有一天，机器智能化超过一定程度而控制系统又出现问题的话，将会给人类社会带来难以想象的后果：一系列毫无感情的智能机器管理着整个人类社会、一群不知疲倦杀人的智能机器走上战场，被赋予“生杀大权”，滥杀无辜，最终成为“人类终结者”……这些可怕的场景并非杞人忧天，也是未来人工智能技术发展必须思考的问题。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：人工智能技术在计算机中的发展现状和实际应用http://www.duozhishidai.com/article-13415-1.html中国AI人工智能发展史，大致分为三个发展阶段http://www.duozhishidai.com/article-8524-1.html人工智能可以实现的技术有哪些，可以应用于哪些方面！http://www.duozhishidai.com/article-10028-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站