تاثیر هوش مصنوعی روی حسابداری و حسابرسی
هوش مصنوعی علاوه براینکه در زمینه های مختلف کاربرد دارد بلکه جایگاه خود را در حسابداری و حساب برسی
پیدا کرده است که هوش مصنوعی ساخت نرم افزار و تجهیزات کاربردی است و انجام بسیاری از رفتارهای انسان
مثل استدلال ، یادگیری و حل مسئله را تقلید می کند ؛ حسابداری تقریبا اولین حوزه از تجارت است که ابزار و روش
های فناوری اطلاعات و ارتباطات در آن به کار گرفته شده اند، اگرچه فناوری اطلاعات و ارتباطات درابتدا در
سیستمهای حسابداری پایه به کار گرفته شده اند، طولی نکشید که ثابت شد که سیستم های الگو سازی مالی در
جنبه های تحلیلی حسابداری بسیار سودمند می باشند. پژوهشگران بر این عقیده بودند که سرعت وارد شدن فناوری
اطلاعات و ارتباطات درحسابداری به صورت یک حرفه به علت رویکرد محافظانه کارانه شاغلان در این زمینه پایین
تلقی می شود ، ابزار فناوری اطلاعات وارتباطات به طور معمول در طیف وسیعی از وظایف ساده مثل محاسبات
ریاضی تا وظایف پیچیده ای مثل تجزیه و تحلیل آماری ونموداری استفاده می شوند ، به علت پیشرفت مداوم در
زمینه فناوری کامپیوتری، اغلب موسسه های بزرگ حسابرسی استفاده از هوش مصنوعی را در زمینه قضاوت های
حسابرسی به عنوان بخشی از سیستم های یکپارجه اتوماسیون حسابرسی خود در نظرگرفته اند.
هوش مصنوعی ، شاخه ای از علم کامییوتر که ملزومات محاسباتی اعمالی همچون ادراک ، استدلال و یادگیری را
بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه می دهد ، ریشه ها و ایده های اصلی آن را باید در فلسفه ،
زبان شناسی ، ریاضیات، روانشناسی ، نورولوژی و فیزیولوژی جستجو کرد و کاربردهای گوناگون وفراوانی در علوم
رایانه ، علوم مهندسی ، علوم زیست شناسی و پزشکی ، علوم ارتباطات وبسیاری از علوم دیگر دارد.
یک فرآیند عادی تصمیم گیری ،لزوما" باید در برگیرنده ی سه مرحله اصلی تکراری باشد این مراحل عبارتند از :
هوش )که شامل جمع آوری داده ، شناسایی هدف ها ، تشخیص مشکالت ، اعتبار داده ها وسازماندهی مشکالت می
باشد(؛ طراحی )که شامل دستکاری داده ها ، تعیین کمی هدف ها ، تولید جایگزین ها و ارجاع ریسک ها یا ارزش
ها به جایگزین ها ( وانتخاب )که شامل ایجاد آمار و ارقام در زمینه جایگزین ها وتفسیر انتخاب ( بنابراین هوش
مصنوعی بخش مهمی از خانواده سیستم های کمک به تصمیم گیری می باشد که همچنان در حال توسعه و وارد
شدن در فعالیت های فنی و مدیریتی تجارت نوین و حرفه هایی از قبیل حسابرسی است.
طبق نظریه واالن با افزایش چشمگیر جمعیت جهان و به علت پیچیدگی ماهیت معاملات به کارگیری روش های
حسابرسی به صورت قابل توجهی به نرم افزار بستگی خواهد داشت بنابراین هوش مصنوعی و سیستم های خبره
مفید بوده و شاید در مدیریت حسابرسی امروزه اجتناب ناپذیر باشند. هدف این سیستم ها کمک رسانی به حسابرسان
برای تصمیم گیری بهتراز طریق توجه به تعصب ها و غفلت های احتمالی می باشد که معموال" در فرآیند های
تصمیم گیری انجام شده به روش دستی اتفاق می افتد. در شرایطی که عموم براین باورند که به علت میزان تطبیق
پذیری وحساسیت مورد نیاز برای این قضاوت ها این سیستم ها را باید به صورت عوامل یا کمک های صرف در
اظهارنظر نهایی حسابرس درباره نتیجه های حسابرسی به کار گرفت . برخی ازنتیجه های تجربی نشان می دهند که
گاهی اوقات حسابرسان بیش از حد بر خروجی این سیستم ها تکیه می کنند اگر چه صرف نظر از ماهیت ابزار و
روش های مورد استفاده حسابرس قبل از رسیدن به تصمیم خاص حسابرس در نهایت مسئول آن قضاوت است
پیش بینی قیمت سهام یا بازده سهام تحت تاثیر عوامل مختلفی قرار دارد. عواملی نظیر تغییرات قیمت ، حجم
معاملات ، سود هر سهم، تعداد سهام داران عادی ، کیفیت سهام ممتازو ... از جمله عوامل موثر در تعیین روند قیمت
سهام هستند. با استفاده از شبکه های عصبی متنوع میتوان ازفرآیند های غیر خطی استفاده نمود و مدل بهینه ای
راطراحی نمود که بهترین پاسخ را پس از اعمال کلیه متغییرها نمایش می دهد.
با کمک سیستم های عصبی مصنوعی می توان داده های ورودی مرتبط با اطلاعات مشتریان به سیستم ارائه و پاسخ
خروجی را برای تصمیمات اعتباری تجزیه و تحلیل کرد. مهمترین مزیت این سیستم ها نسبت به سایر مدل های
خطی از این است که قادر است مجموعه داده های مالی را بدون نیاز به فرض هایی نظیر خطی و نرمال بودن
مورد استفاده قرا گیرد.
در برآوردهای تمام شده عوامل متعددی نظیر تغییرات ناشی از نرخ مواد و دستمزد مستقیم ، تغییرات ارزش واحد
پولی ، تغییر در ماهیت تکنولوژی تاثیر گذارند. بنابراین با توجه به اینکه اطلاعات ورودی زیاد و بعضا ناقص هستند
شبکه عصبی قادر است مناسب ترین گزینه را برای برآورد بهای تمام شده در نظر بگیرد.
شبکه های عصبی در موضوعاتی نظیر فرآیند بررسی تحلیلی و تصمیمات تداوم فعالیت در حسابرسی مفید واقع
میشوند.
منطق فازی یک نوع منطق است که روش های نتیجه گیری در مغز بشر را جایگزین میکند.منطق فازی درمقابل
منطق اسطوره ای یا همان باینری که همه چیز را فقط به دو قسمت سیاه و سفید خیروبلی یک وصفر میبیند قرار
میدهد. در منطق متداول)دودویی( یک عنصر به یک مجموعه تعلق ندارد یا دارد و درغیر این دوحالت ممکن نیست.
هرچند که قادر باشیم ساده سازی در شرایط پیچیده ، به تحریف واقعیت متهم میشویم. تاکتیک منطق فازی اولین
بار توسط پروفسور لطفی زاده در سال1965 بعنوان راه حلی برای شرح پیچیدگی برخی مسایل، معرفی و دربعضی
سیستمها مورد استفاده قرار گرفت. این موضوع تا اواخر سال1980 تقریبا مورد استقبال قرار نگرفت وناشناخته باقی
ماند. اولینجای استفاده و بهره برداری از این روش، در طراحی اپراتور خودکار قطارهای متروی سندای بود و متعاقبا
بسیاری از شرکت ها با هدف توسعه تولید محصوالت هوشمند از این روش استفاده کردند
-حسابرسی:منطق فازی در زمینه حسابرسی مهمترین پاسخ را به موضوعاتینظیر اندازه گیری خطر حسابرسی،
مدیریت احتمال خطر،ابهام در محیط حسابرسی میدهد بعنوان مثال بهترین راه برای خطر کنترل داخلی آزمایش
آن در محیط منطق فازی دریاقتن پاسخ بهینه است.
-تصمیم گیری:یکی از مهمترین کاربردهای منطق فازی در فرآیند تصمیم گیری است که قادراست تا اطالعات
غیرقطعی را به پاسخ های قطعی تبدیل کند.
-تخصیص دارایی:برای تخصیص کل دارایی های یک فرد به سه بخش پس انداز،سرمایه گذاری درآمد و سرمایه
گذاری رشدی میتوان براساس سن فرد و درجه ریسک پذیری وی مدل تخصیص دارایی های فازی را طراحی کرد
سیستم خبره یکی از شاخه های هوش مصنوعی است که با گرد آوری دانش تخصصی و اطالعات کارشناسی در یک
حوزه خاص و استفاده از منطق میکوشد تا در کنار متخصصان و همپای آنان به عرضه خدمات تخصصی بپردازد.
بعبارت دیگر این سیستم ها نرم افزار های کامپیوتری هوشمندی هستند که درآنها نقش تخصصی کارشناسان بصورت
مجموعه های اطالعات علمی گرد آمده است.اصطالح سیستم خبره از سیستم های خبره دانش محور مشتق شده
است سیستم خبره سیستمی است که دانش انسانی را بوسیله کامپیوتر، برای حل مسایلی که غالبا نیازمند تخصص
انسانی است، بکار میبرد، در واقع سیستم خبره روشی برای گنجاندن دانش افراد خبره در کامپیوتراست، گاهی در
جهت بنای هوش مصنوعی، این سیستم ها میکوشند جنبه هایی از دانش و استدالل انسانی را در کامپوتر بگنجاند
تا به تحلیل مسایل غامض پرداخته وبه نتایجی مناسب برسند
-تصمیم گیری سزیعتر در سیستم های خبره از انسان های خبره-بهره وری وبازدهی نسبتا باال- کاهش هزینه های
پرسنلی و هزینه های ناشی از بکارگیری کارکنان در امورمالی و برخی مسایل مدیرتی شرکت-سازگاری و معتبر بودن
سیستم های خبره در شرایط مختلف ریسک و سود آوری شرکت- ارتقا ظرفیت حل مسِله: این سیستم ها ریسک
تجاری را کاهش، بازده را افزایش و بسیاری از مدل های بهینه را طراحی میکند-. مهارت هایی که در حل مسایل
مدل هایی که توسط سیستم های خبره ایجاد ایجاد و طراحی شده اند همواره ثابت و حاضر است، یعنی بازنشستگی
افراد یا تغییر شغل کارکنان خبره در شرکت این موارد منسوخ نمیشود و در اختیار سیستم قرار دارد ن فرد.
با توجه به نظریه داروین الگوریتم های ژنتیک در مورد تکامل جان گرفتند. الگوریتم های ژنتیک در دهه1960 توسط
جان هالند اختراع شد و در دهه هی 1960 و1975توسط وی، دانشجویان و چندین از همکارانش توسعه داده شد
در دانشگاه میشیگان، امروزه واژه"الگوریتم" توسط اغلب متخصصان در این زمینه در مفهومی متفاوت از مفهوم اولیه
مورد نظر جاند هالند بکار میرود.
پیش بینی ورشکستگی: برنامه نویسی ژنتیک قادر است تعداد متغیرهایی که با استفاده ازمدل های سنتی و روش
های انتخاب آماری در پیش بینی ورشکستگی با اهمیت تشخیص داده میشوند رابه حداقل برساند.
هوش مصنوعی منطق،تفکر و یادگیری و استدالل را کشف میکند و در حقیقت فرآیند اجرایی این مسائل تقلید تقلید
از رفتار انسان است. هوش مصنوعی اغلب به شیوه های نظیز شبکه های عصبی مصنوعی، منطق فازی، الگوریتم
ژنتیک و سیستم های خبره مورد استفاده قرار میگیرد. در مواردی که در حل مسائل و مدل سازی، نیازمند انعطاف
پذیری بیشتری داشته باشیم ازشبکه های عصبی مصنوعی و الگوریتم ژنتیک میتوان استفاده کرد. این مدل ها نیاز
به دانش کمتری برای حل مسائل نیز دارند.در مواردی که عدم اطمینان در حل مسئله توصیف میشود.منطق فازی
کاربرد وسیعتری دارد، زیرا در منطق فازی متغیزها به وضوح تشریح نمیگردند
منبع :
tpbin.com
