深層神經(jīng)網(wǎng)絡(luò)在未來審計(jì)中應(yīng)用場(chǎng)景展望

□文/鄧楚實(shí)

（中國(guó)礦業(yè)大學(xué)徐海學(xué)院 江蘇·徐州）

［提要］ 現(xiàn)代科學(xué)技術(shù)日新月異，深刻地影響著社會(huì)和經(jīng)濟(jì)發(fā)展，改變著傳統(tǒng)行業(yè)的運(yùn)作模式。深層神經(jīng)網(wǎng)絡(luò)廣泛運(yùn)用于人工智能的各項(xiàng)領(lǐng)域，對(duì)未來審計(jì)工作帶來全方位的挑戰(zhàn)。本文在概述深層神經(jīng)網(wǎng)絡(luò)的內(nèi)涵及其現(xiàn)階段在審計(jì)工作中應(yīng)用的基礎(chǔ)上，介紹文本分析、語(yǔ)音識(shí)別、圖像和視頻解析、判決支持等深層神經(jīng)網(wǎng)絡(luò)的應(yīng)用，重點(diǎn)分析建立被審計(jì)企業(yè)審計(jì)證據(jù)綜合系統(tǒng)、政府監(jiān)管部門和全社會(huì)監(jiān)督平臺(tái)、被審計(jì)企業(yè)審計(jì)研判綜合系統(tǒng)和云審計(jì)平臺(tái)等深層神經(jīng)網(wǎng)絡(luò)在未來審計(jì)工作中的應(yīng)用場(chǎng)景。

一、引言

隨著中國(guó)經(jīng)濟(jì)社會(huì)的快速發(fā)展，國(guó)民整體的商業(yè)行為也在快速地增加。中國(guó)社會(huì)科學(xué)院城市與競(jìng)爭(zhēng)力研究中心與企查查大數(shù)據(jù)研究院聯(lián)合發(fā)布的《2020中國(guó)企業(yè)發(fā)展數(shù)據(jù)年報(bào)》顯示，截至2021年2月，我國(guó)現(xiàn)有在業(yè)/存續(xù)的市場(chǎng)主體1.44億家，其中企業(yè)4，457.2萬家，2020年我國(guó)新增注冊(cè)市場(chǎng)主體2，735.4萬家，同比增長(zhǎng)12.8%。大量的在業(yè)/存續(xù)和新增市場(chǎng)主體對(duì)審計(jì)工作的需求量是巨大的。然而，這些市場(chǎng)主體還在大量的使用傳統(tǒng)審計(jì)工作模式。這些傳統(tǒng)的審計(jì)工作模式存在滯后性和定制化程度低的弊端。傳統(tǒng)審計(jì)工作存在的滯后性主要體現(xiàn)在依靠傳統(tǒng)的現(xiàn)場(chǎng)采樣和核查，這種模式非常依賴于審計(jì)人員自身的專業(yè)能力和實(shí)踐經(jīng)驗(yàn)進(jìn)行主觀判斷，并且這種模式很容易陷入“數(shù)據(jù)陷阱”。這種傳統(tǒng)審計(jì)工作模式在面臨審計(jì)資料巨大和較低水平的審計(jì)人員時(shí)極易增大審計(jì)的風(fēng)險(xiǎn)。傳統(tǒng)的審計(jì)工作定制化程度較低主要體現(xiàn)在對(duì)于廣泛的行業(yè)和大量的實(shí)際情況缺乏定制化的審計(jì)方案。傳統(tǒng)的審計(jì)工作通常會(huì)將審計(jì)對(duì)象大致歸類為不同的行業(yè)類型，但是針對(duì)同一行業(yè)而經(jīng)營(yíng)策略完全不同的企業(yè)就極易產(chǎn)生審計(jì)偏差，從而增加審計(jì)風(fēng)險(xiǎn)。這兩點(diǎn)是制約傳統(tǒng)審計(jì)工作模式發(fā)展的主要障礙。

未來新型審計(jì)工作模式中以深層神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)將被更多地使用。未來新型審計(jì)工作模式能夠有效地解決現(xiàn)有階段傳統(tǒng)審計(jì)工作模式的弊端。第一，新型審計(jì)工作模式能夠進(jìn)行實(shí)時(shí)的審計(jì)數(shù)據(jù)監(jiān)控、有效的分類以及預(yù)警。以深層神經(jīng)網(wǎng)絡(luò)搭建起的審計(jì)中心數(shù)據(jù)庫(kù)對(duì)被審計(jì)企業(yè)實(shí)時(shí)上傳的財(cái)務(wù)數(shù)據(jù)進(jìn)行有效的分類。并且，審計(jì)中心數(shù)據(jù)庫(kù)根據(jù)以往的審計(jì)模型對(duì)可能存在的欺詐行為在上傳的瞬間就能夠進(jìn)行預(yù)警，從而降低審計(jì)的風(fēng)險(xiǎn)留存時(shí)間。第二，新型審計(jì)工作模式能夠依靠大數(shù)據(jù)的幫助建立起一套完整的被審計(jì)企業(yè)定制化審計(jì)方案。根據(jù)企業(yè)類型、主營(yíng)收入、客戶習(xí)慣以及多年財(cái)務(wù)數(shù)據(jù)等要素進(jìn)行深度的審計(jì)方案定制，從而降低可能的審計(jì)風(fēng)險(xiǎn)?？梢?，深層神經(jīng)網(wǎng)絡(luò)能夠在未來審計(jì)中發(fā)揮更為關(guān)鍵的作用。

二、深層神經(jīng)網(wǎng)絡(luò)的內(nèi)涵和底層運(yùn)行邏輯

深層神經(jīng)網(wǎng)絡(luò)是在輸入和輸出層之間具有多層的人工神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的類型不同，但它們始終由相同的組件組成，包括神經(jīng)元、突觸、權(quán)重、偏見和功能。這些組件的功能類似于人腦，可以像其他任何ML算法一樣進(jìn)行訓(xùn)練。DNN可以對(duì)復(fù)雜的非線性關(guān)系建模。DNN架構(gòu)生成合成模型，其中對(duì)象表示為基元的分層合成。

額外的層使得能夠由較低層組成特征，與具有相似性能的淺層網(wǎng)絡(luò)相比，可以用更少的單元來建模復(fù)雜數(shù)據(jù)。例如，事實(shí)證明，稀疏多元多項(xiàng)式在DNN上比在淺層網(wǎng)絡(luò)上更容易按指數(shù)近似。DNN通常是前饋網(wǎng)絡(luò)，其中數(shù)據(jù)從輸入層流到輸出層而不會(huì)環(huán)回。首先，DNN創(chuàng)建虛擬神經(jīng)元圖，并為它們之間的連接分配隨機(jī)數(shù)值或“權(quán)重”。權(quán)重和輸入相乘，并返回0到1之間的輸出。如果網(wǎng)絡(luò)無法準(zhǔn)確識(shí)別特定模式，則算法將調(diào)整權(quán)重。這樣，算法可以使某些參數(shù)更具影響力，直到確定正確的數(shù)學(xué)操作以完全處理數(shù)據(jù)為止。

數(shù)據(jù)可以在任何方向流動(dòng)的遞歸神經(jīng)網(wǎng)絡(luò)被用于諸如語(yǔ)言建模之類的應(yīng)用中。DNN必須考慮許多訓(xùn)練參數(shù)，例如大?。▽訑?shù)和每層單元數(shù)）、學(xué)習(xí)率和初始權(quán)重。由于時(shí)間和計(jì)算資源的原因，無法遍歷參數(shù)空間以獲得最佳參數(shù)。諸如批處理（一次在多個(gè)訓(xùn)練示例上而不是單個(gè)示例上計(jì)算梯度）之類的各種技巧，加快了計(jì)算速度。由于這種處理體系結(jié)構(gòu)適用于矩陣和矢量計(jì)算，因此許多核體系結(jié)構(gòu)（例如GPU或Intel Xeon Phi）的強(qiáng)大處理能力極大地提高了培訓(xùn)速度。自2010年以來，機(jī)器學(xué)習(xí)算法和計(jì)算機(jī)硬件的進(jìn)步導(dǎo)致了用于訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)的更有效方法，該深層神經(jīng)網(wǎng)絡(luò)包含許多層非線性隱藏單元和非常大的輸出層。

OpenAI估計(jì)了從AlexNet（2012）到AlphaZero（2017）的最大深層神經(jīng)網(wǎng)絡(luò)項(xiàng)目中使用的硬件計(jì)算，發(fā)現(xiàn)所需的計(jì)算量增加了300，000倍，而時(shí)間趨勢(shì)線為3.4個(gè)月。

到2019年，通常具有AI特定增強(qiáng)功能的圖形處理單元已經(jīng)取代了CPU，成為訓(xùn)練大規(guī)模商業(yè)云AI的主要方法。深層神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用于金融欺詐檢測(cè)和反洗錢?！吧顚拥姆聪村X檢測(cè)系統(tǒng)可以發(fā)現(xiàn)并識(shí)別數(shù)據(jù)之間的關(guān)系和相似性，并且在以后的工作中，學(xué)會(huì)檢測(cè)異常或?qū)μ囟ㄊ录M(jìn)行分類和預(yù)測(cè)。”該解決方案既利用了監(jiān)督學(xué)習(xí)技術(shù)（例如可疑交易的分類），又利用了無監(jiān)督學(xué)習(xí)（例如異常檢測(cè)）。

三、深層神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用

深層神經(jīng)網(wǎng)絡(luò)已經(jīng)被應(yīng)用于諸如文本分析、語(yǔ)音識(shí)別、圖像和視頻解析以及判決支持等審計(jì)場(chǎng)景，該應(yīng)用可以極大地提高工作效率和準(zhǔn)確性。目前，深層神經(jīng)網(wǎng)絡(luò)的應(yīng)用主要還集中于重復(fù)度高和機(jī)械性強(qiáng)的客觀分析和分類領(lǐng)域，少部分開始應(yīng)用于主觀判斷。

（一）文本分析。文本數(shù)據(jù)從多個(gè)角度提供有關(guān)經(jīng)營(yíng)業(yè)務(wù)的多方面信息。企業(yè)在運(yùn)營(yíng)過程中會(huì)生成并分發(fā)大量文本數(shù)據(jù)，例如監(jiān)管文件、電話會(huì)議的筆錄、董事會(huì)決議、收益公告、業(yè)務(wù)合同、新聞文章以及社交媒體消息等。文本分析可以通過深層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自動(dòng)化。具體而言，可以基于所需求的特征對(duì)文本數(shù)據(jù)進(jìn)行分類。此外，可以使用多種手段來訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)模型，以預(yù)測(cè)未來的需求。整個(gè)過程可以自動(dòng)執(zhí)行，并且結(jié)果是機(jī)器可讀的。通過這種方式，深層神經(jīng)網(wǎng)絡(luò)模型將過去需要大量人力來進(jìn)行分析的定性信息轉(zhuǎn)換為可以進(jìn)一步審計(jì)分析的與其他數(shù)據(jù)集成的定量數(shù)據(jù)。深層神經(jīng)網(wǎng)絡(luò)算法通過識(shí)別相關(guān)概念或主題，識(shí)別實(shí)體（例如人、地方、事件、企業(yè)），提取情感（例如憤怒、喜悅、悲傷、厭惡）進(jìn)一步豐富了審計(jì)證據(jù)。此外，他們可以將概念鏈接到文檔并進(jìn)行相應(yīng)標(biāo)記。這將會(huì)大大提升文本識(shí)別和分類的能力。

（二）語(yǔ)音識(shí)別。語(yǔ)音數(shù)據(jù)是審計(jì)證據(jù)的重要組成部分之一。要獲取有關(guān)客戶的業(yè)務(wù)和行業(yè)環(huán)境的背景信息并收集審核證據(jù)，審核員需要大量的利益相關(guān)者，例如管理層、內(nèi)部審核員、員工、前任審核員、銀行方面、法律顧問、承銷商、分析師等。審計(jì)師所使用的語(yǔ)言以及這些利益相關(guān)者在面對(duì)面訪談過程中如何回答問題的表現(xiàn)和答案本身同樣重要，因?yàn)樗鼈兛赡馨垓_。例如，利益相關(guān)者使用暗示、不確定性的術(shù)語(yǔ)以及存在響應(yīng)潛伏期可能是隱瞞或偽造的跡象。盡管會(huì)計(jì)師事務(wù)所提供了欺騙檢測(cè)培訓(xùn)以幫助其審計(jì)人員識(shí)別口頭危險(xiǎn)信號(hào)，但是訪談的信息處理是一項(xiàng)艱巨的任務(wù)，因?yàn)槭茉L者表現(xiàn)出無數(shù)的言語(yǔ)舉止。對(duì)于審計(jì)師而言，分析所有口頭答復(fù)或?qū)⑵涫謩?dòng)轉(zhuǎn)錄為文本是困難且效率低下的，甚至抄錄文本文檔仍然是審計(jì)師分析的繁瑣工作。深層神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別功能現(xiàn)在可以實(shí)時(shí)轉(zhuǎn)錄和翻譯語(yǔ)音，不管是否存在噪音或說話者的口音如何，都可以分析文本并直接提取情感、風(fēng)險(xiǎn)因素以及其他見解?，F(xiàn)在，研究人員正在考慮使用體現(xiàn)型對(duì)話代理，即“能夠進(jìn)行類似人機(jī)交互的自主計(jì)算機(jī)接口”與深層神經(jīng)網(wǎng)絡(luò)整合后，ECA可能能夠讀取口頭上的欺騙跡象，并根據(jù)受訪者的回答提出后續(xù)問題。同樣，其他音頻文檔，例如現(xiàn)場(chǎng)會(huì)議、電話會(huì)議以及視頻會(huì)議，也可以由深層神經(jīng)網(wǎng)絡(luò)技術(shù)自動(dòng)處理。這些經(jīng)過高效處理的語(yǔ)音數(shù)據(jù)都可以為審計(jì)意見提供支持。

（三）圖像和視頻的解析與標(biāo)注。圖像和視頻包含有大量審計(jì)過程中需要的證據(jù)?，F(xiàn)在某些常規(guī)的手動(dòng)審核程序可以通過深層神經(jīng)網(wǎng)絡(luò)的視覺識(shí)別功能實(shí)現(xiàn)自動(dòng)化。例如，深層神經(jīng)網(wǎng)絡(luò)算法可以從無人機(jī)拍攝的企業(yè)倉(cāng)庫(kù)里的視頻中識(shí)別圖像的內(nèi)容（例如型號(hào)、數(shù)量、庫(kù)存狀況等）。深層神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠提取描述視頻內(nèi)容的一系列預(yù)定義數(shù)字屬性，相應(yīng)地附加可搜索的標(biāo)簽，并將屬性和圖像都保存到審計(jì)師的數(shù)據(jù)庫(kù)中。此外，深層神經(jīng)網(wǎng)絡(luò)視頻分析功能能夠?qū)崟r(shí)地識(shí)別人臉，檢測(cè)物體并識(shí)別場(chǎng)景的概念和類型，并且視頻處理速度快。圖像和視頻的解析與標(biāo)注能夠極大地提高審計(jì)師的工作效率和準(zhǔn)確性。

（四）判決支持。審計(jì)意見是審計(jì)過程中最重要的組成部分之一。除了執(zhí)行重復(fù)性和機(jī)械性任務(wù)外，深層神經(jīng)網(wǎng)絡(luò)還提供了一種支持審計(jì)判斷和提高審計(jì)質(zhì)量的新方法。深層神經(jīng)網(wǎng)絡(luò)可以掃描財(cái)務(wù)報(bào)表，并將財(cái)務(wù)報(bào)表項(xiàng)目自動(dòng)鏈接到相關(guān)的支持證據(jù)，例如視頻剪輯、圖像、新聞稿、采訪等所對(duì)應(yīng)的數(shù)據(jù)屬性。審計(jì)師可以選擇數(shù)據(jù)屬性以預(yù)測(cè)欺詐風(fēng)險(xiǎn)，然后將選定的屬性與傳統(tǒng)的金融或非金融數(shù)據(jù)字段進(jìn)行組合，以開發(fā)新的深層神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。在這種情況下，深層神經(jīng)網(wǎng)絡(luò)可以作為一種合適的預(yù)測(cè)算法，由于通過引入提取的屬性，預(yù)測(cè)變量的數(shù)量比傳統(tǒng)的機(jī)器學(xué)習(xí)算法可以處理的數(shù)量大得多。對(duì)于每個(gè)結(jié)論，模型的輸出可以是預(yù)測(cè)的風(fēng)險(xiǎn)級(jí)別或建議的后續(xù)測(cè)試，具體取決于訓(xùn)練數(shù)據(jù)的性質(zhì)和標(biāo)簽。深層神經(jīng)網(wǎng)絡(luò)將會(huì)不斷地進(jìn)行提升和完善以適應(yīng)基于客觀證據(jù)的審計(jì)意見支持。

四、深層神經(jīng)網(wǎng)絡(luò)在未來審計(jì)中的應(yīng)用場(chǎng)景

根據(jù)深層神經(jīng)網(wǎng)絡(luò)的理論和在審計(jì)中實(shí)際應(yīng)用情況，現(xiàn)階段的應(yīng)用處于摸索階段，還有更為廣泛的應(yīng)用場(chǎng)景有待開發(fā)。在此基礎(chǔ)上，我們可以對(duì)深層神經(jīng)網(wǎng)絡(luò)在未來審計(jì)中的應(yīng)用場(chǎng)景進(jìn)行展望。

（一）建立企業(yè)審計(jì)證據(jù)綜合系統(tǒng)。利用深層神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)性和整合能力將被審計(jì)企業(yè)的客觀證據(jù)進(jìn)行綜合收集及分類。這其中主要涉及到的是文字證據(jù)、語(yǔ)音證據(jù)和圖像視頻證據(jù)。第一，文本數(shù)據(jù)將會(huì)被實(shí)時(shí)地上傳至中央審計(jì)系統(tǒng)的數(shù)據(jù)庫(kù)中并進(jìn)行有效的歸類。之后深層神經(jīng)網(wǎng)絡(luò)將會(huì)利用一部分?jǐn)?shù)據(jù)進(jìn)行對(duì)經(jīng)過訓(xùn)練的標(biāo)準(zhǔn)程序進(jìn)行二次針對(duì)性學(xué)習(xí)，以適應(yīng)被審計(jì)企業(yè)的業(yè)務(wù)需求。第二，語(yǔ)音證據(jù)將會(huì)進(jìn)行轉(zhuǎn)錄為文字證據(jù)并重復(fù)上述操作。除此之外，語(yǔ)音證據(jù)將會(huì)被單獨(dú)歸入語(yǔ)音數(shù)據(jù)庫(kù)并進(jìn)行識(shí)別，這個(gè)數(shù)據(jù)庫(kù)同樣會(huì)將一部分確定為正面的訓(xùn)練集用于訓(xùn)練標(biāo)準(zhǔn)程序以適應(yīng)被審計(jì)企業(yè)。如果語(yǔ)音證據(jù)中存在可能的欺詐言論，數(shù)據(jù)庫(kù)會(huì)進(jìn)行自動(dòng)甄別并上報(bào)至綜合研判系統(tǒng)。第三，圖像和視頻證據(jù)將會(huì)進(jìn)行完整的記錄并且自動(dòng)與數(shù)據(jù)庫(kù)中的文本數(shù)據(jù)進(jìn)行實(shí)時(shí)的交換，以確保能夠相互證明。這一整套的審計(jì)證據(jù)綜合系統(tǒng)的目的在于快速準(zhǔn)確地對(duì)被審計(jì)企業(yè)的審計(jì)證據(jù)進(jìn)行最大限度的真實(shí)性保證。在此基礎(chǔ)上，這些被審核過的證據(jù)將會(huì)被發(fā)送至被審計(jì)企業(yè)綜合研判審計(jì)系統(tǒng)。（圖1）

圖1 審計(jì)證據(jù)綜合系統(tǒng)圖

圖2 審計(jì)研判綜合系統(tǒng)圖

（二）建立企業(yè)審計(jì)研判綜合系統(tǒng)。利用深層神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)的綜合分析能力為審計(jì)師綜合研判和最后的審計(jì)結(jié)論進(jìn)行數(shù)據(jù)支持。深層神經(jīng)網(wǎng)絡(luò)會(huì)將經(jīng)過審核的證據(jù)按照重要級(jí)別進(jìn)行自動(dòng)歸類，大數(shù)據(jù)系統(tǒng)會(huì)將這些數(shù)據(jù)與云服務(wù)器中的大量相關(guān)企業(yè)的數(shù)據(jù)進(jìn)行二次審核。在二次審核通過后，大數(shù)據(jù)系統(tǒng)會(huì)將其他同類型的審計(jì)數(shù)據(jù)進(jìn)行對(duì)比并且將對(duì)比結(jié)果一部分保存于云服務(wù)器中，一部分重新傳輸回深層神經(jīng)網(wǎng)絡(luò)組成的審計(jì)系統(tǒng)，這個(gè)審計(jì)系統(tǒng)將會(huì)利用自身的專業(yè)審計(jì)研判程序進(jìn)行研判并得出審計(jì)意見。這個(gè)意見將會(huì)發(fā)送至?xí)?jì)師事務(wù)所合伙人進(jìn)行最后的確認(rèn)。如果合伙人認(rèn)為還有疏漏，可以將可能存在欺詐行為的賬目進(jìn)行人工的二次審核并重新確認(rèn)審計(jì)意見。（圖2）

（三）建立云審計(jì)平臺(tái)。利用深層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)模型和大數(shù)據(jù)的支持建立云審計(jì)平臺(tái)。這個(gè)平臺(tái)將會(huì)由專業(yè)的互聯(lián)網(wǎng)云服務(wù)器提供商進(jìn)行數(shù)據(jù)庫(kù)搭建和支持服務(wù)。在搭建過程中，將會(huì)邀請(qǐng)業(yè)界和學(xué)術(shù)界的專業(yè)審計(jì)人士共同完成。這個(gè)云審計(jì)平臺(tái)將會(huì)建立專門針對(duì)審計(jì)的深層神經(jīng)網(wǎng)絡(luò)模型，并且收集主流會(huì)計(jì)事務(wù)所近三十年的審計(jì)文件和意見。這個(gè)平臺(tái)主要為所有需要審計(jì)數(shù)據(jù)支持的事務(wù)所進(jìn)行針對(duì)不同數(shù)據(jù)和模型的服務(wù)支持。另外，針對(duì)上傳數(shù)據(jù)或者為模型建設(shè)有貢獻(xiàn)的企業(yè)和個(gè)人為自己或者所代表的企業(yè)獲得相應(yīng)的使用權(quán)限額度。未來，云審計(jì)平臺(tái)將會(huì)為所有需要審計(jì)服務(wù)或者數(shù)據(jù)的企業(yè)提供支持并將主要的工作全部集中于線上完成，減少不必要的損耗。更多不同類型和審計(jì)模型也將會(huì)為更為細(xì)分的審計(jì)市場(chǎng)提供更多的可能。

（四）建立政府監(jiān)管部門和全社會(huì)監(jiān)督平臺(tái)。利用深層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)模型建立政府監(jiān)管部門和全社會(huì)監(jiān)督平臺(tái)。無論是審計(jì)或者被審計(jì)企業(yè)都需要面對(duì)全社會(huì)的監(jiān)督，讓一切專業(yè)行為暴露在公眾的關(guān)注之下是減少審計(jì)風(fēng)險(xiǎn)的重要手段之一。云審計(jì)平臺(tái)除了面向?qū)I(yè)的客戶之外，還會(huì)將全部數(shù)據(jù)與政府主要的監(jiān)管部門進(jìn)行實(shí)時(shí)的數(shù)據(jù)上傳，政府的主要監(jiān)管部門能夠進(jìn)行及時(shí)的監(jiān)管和服務(wù)。這些被審計(jì)的企業(yè)特別是上市企業(yè)的審計(jì)數(shù)據(jù)也將會(huì)受到全社會(huì)的監(jiān)管。通過登陸平臺(tái)的數(shù)據(jù)查詢界面，社會(huì)公眾可以查看被審計(jì)企業(yè)的財(cái)務(wù)和審計(jì)狀況。這樣有利于被審計(jì)企業(yè)受到國(guó)家監(jiān)管部門和全社會(huì)公眾實(shí)時(shí)高效的監(jiān)督，以提高自身的專業(yè)性和合規(guī)性，也有利于減少審計(jì)風(fēng)險(xiǎn)和惡性欺詐行為的發(fā)生。建立政府監(jiān)管部門和全社會(huì)監(jiān)督平臺(tái)將會(huì)幫助整個(gè)國(guó)家的經(jīng)濟(jì)發(fā)展更加良性和高效。

五、結(jié)論

審計(jì)師未來可以通過使用審計(jì)證據(jù)綜合系統(tǒng)、審計(jì)研判綜合系統(tǒng)以及云審計(jì)平臺(tái)更加高效和準(zhǔn)確地為被審計(jì)企業(yè)、國(guó)家監(jiān)管部門以及全社會(huì)提供更有保障的審計(jì)服務(wù)。會(huì)計(jì)師事務(wù)所的組織結(jié)構(gòu)也將發(fā)生改變：由以往的合伙人-項(xiàng)目組-審計(jì)師的垂直管理體系改變?yōu)楹匣锶?綜合審計(jì)系統(tǒng)-審計(jì)師的扁平管理體系。深層神經(jīng)網(wǎng)絡(luò)與審計(jì)的深入融合將會(huì)改變審計(jì)行業(yè)的工作模式。審計(jì)行業(yè)也將會(huì)依托深層神經(jīng)網(wǎng)絡(luò)而更加透明并且肩負(fù)更多的社會(huì)責(zé)任。但是，在這一過程中，還需要國(guó)家監(jiān)管部門的法律和隱私服務(wù)方面的支持，社會(huì)公眾也需要給這些轉(zhuǎn)變更多的時(shí)間和耐心，更多的中小型會(huì)計(jì)師事務(wù)所也需要根據(jù)自身的業(yè)務(wù)特征進(jìn)行轉(zhuǎn)型以適應(yīng)時(shí)代的發(fā)展。未來人工智能技術(shù)必將參與到各行各業(yè)之中，審計(jì)行業(yè)更是需要調(diào)整心態(tài)，積攢技術(shù)基礎(chǔ)，積極地投入這場(chǎng)未來的改變之中。