СУБЪЕКТ НЕГОСУДАРСТВЕННОГО РЕГУЛИРОВАНИЯ БУХГАЛТЕРСКОГО УЧЕТА

Искусственный интеллект — друг и помощник бухгалтера

М.Л. Пятов,
Санкт-Петербургский государственный университет.

Страхи и реальность

Как мы и обещали в предыдущей статье, на этот раз речь у нас с вами, дорогие коллеги, пойдет о, наверное, самом неоднозначном и пугающем наше профессиональное сообщество в последние годы подарке технологического прогресса — искусственном интеллекте (далее — И.И.). Именно перспектива роботизации процедуры бухгалтерского учета, основывающейся на применении программ искусственного интеллекта, обсуждается как закат нашей профессии для бухгалтера — человека, предполагающий практически повсеместную его замену «бездушными машинами».

Давайте посмотрим, настолько ли угрожающей в действительности является для нас перспектива использования И.И. в учетной практике и хозяйственной жизни компаний в целом.

Прежде всего нам следует согласиться с тем, что уже сегодня И.И. — неотъемлемая часть нашей повседневной жизни. Оглянитесь — «умные» устройства повсюду! Персональные помощники типа «Алисы» готовы прийти нам на помощь, где бы мы ни находились — они построят для нас маршрут движения, сварят кофе, найдут нужный магазин, поставят музыку, напомнят отослать письмо или сделают это за нас. Автомобили и грузовики, управляемые И.И., уже разъезжают по нашим дорогам (конечно, только там, где наши дороги это им позволяют). Индустрия автономного транспорта уже практически готова к значимому пересмотру подходов к перевозкам и логистике. Автоматизированные алгоритмы биржевой торговли уже изменили правила игры на финансовых рынках, покупая и продавая акции со скоростью, совершенно не достижимой для брокеров — людей. Поисковые алгоритмы Google, Yandex и т.п., социальных сетей, торговых платформ типа Amazon, развлекательных — типа Netflix во многом определяют результаты нашего поиска самой разнообразной информации — от выбора фильма «на ночь» до выбора жизненно важных лекарств. С помощью машинного обучения эти программы «понимают», какую информацию показывать своим пользователям (или их можно этому научить).

Алгоритмы И.И. в явном виде не обладают пониманием того, что они видят. Тем не менее они генерируют явный правильный вывод: например, они различают на картинке собаку, не понимая, что такое собака1. «Живя в хаотичном мире, мы ищем сходство между различными явлениями и ситуациями, чтобы связать неизвестные события с теми, что мы уже пережили. ...Поиск и планирование — это область И.И., в которой машины учатся рассчитывать и выбирать правильную последовательность реакций для решения конкретной задачи»2.

Уже сегодня с помощью работы алгоритмов И.И. с большими данными3 крупные фармацевтические компании анализируют библиотеки препаратов, чтобы найти возможность создания новых перспективных лекарств.

И.И. все больше начинает находить применение в области обеспечения нашей с вами безопасности. Например, поиск потенциального нарушителя закона значительно облегчают обеспеченные И.И. системы распознавания лиц.

В медицинских клиниках новое поколение технологически подкованных врачей постоянно консультируется со специализированными приложениями на основе И.И. В особенности в экстренных ситуациях, когда рабочие нагрузки значимо увеличиваются, врачи готовы прибегать к любой помощи, что способствует интеграции И.И. в их повседневную практику. Но, пожалуй, сильнее всего в последнее время И.И. начинает влиять на медицинскую диагностику4.

Заметим, ни одна из перечисленных новаций не стала угрозой человечеству или отдельному профессиональному сообществу (скорее наоборот).

Немного истории

Чтобы чуть лучше понять саму идею И.И. и тот интеллектуальный путь, который прошло человечество, развивая эту идею и совершенствуя варианты ее воплощения, давайте ненадолго обратимся к истории нашего вопроса. Быть может, это позволит нам лучше увидеть те возможности, которые открывает применение И.И. в области бухгалтерского учета.

В целом тема искусственного интеллекта далеко не нова, и в настоящее время настораживающий нас разговор о вымирании профессий происходит лишь на гребне очередной волны глобального интереса к И.И., сочетающегося с чрезвычайно серьезными инвестициями в эту область развития технологий.

В полном соответствии со временем, рефлекторно обратившись к «Википедии», мы можем найти следующее определение понятия искусственный интеллект, кстати сказать, цитирующее работу «Толковый словарь по искусственному интеллекту» авторов: Ф.Р. Аверкина, М.Г Гаазе-Раппопорта и М.Г Поспелова, изданную в Москве в 1992 году: «Искусственный интеллект (И.И.; англ. artificial intelligence, A.I.) — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека».

Существует мнение, что истоки истории искусственного интеллекта нужно искать где-то за 1500 лет до нашей эры, когда (как мы полагаем, что нам известно) мастера из Древнего Египта, Греции и Китая создают антропоморфные движущиеся игрушки.

Далее можно вспомнить о том, что «идея, что знание можно выразить с помощью логики восходит к IV веку до н.э. Здесь Аристотель считается изобретателем силлогической логики — формы логической дедукции. Согласно этой системе, порядок вывода умозаключения из набора предпосылок — то есть зачастую получение нового знания — аналогичен процессу решения математического уравнения, так как и там, и там мы имеем четко определенное пошаговое действие»5.

Ко-то склонен видеть развитие основных понятий информатики и искусственного интеллекта в XVII веке, в частности в идеях Томаса Гоббса (1588–1679) о том, что «мышление имеет механическую, комбинаторную структуру и действует подобно машинам, в которых сочетание различных элементов расширяет их возможности»6. Вспомним: «Человеческое искусство, — писал Т. Гоббс — является подражанием природе (искусству, при помощи которого Бог создал мир и управляет им) как во многих других отношениях, так и в том, что оно умеет делать искусственное животное. Ибо, наблюдая, что жизнь есть лишь движение членов, начало которого находится в какой-нибудь основной внутренней части, не можем ли мы разве сказать, что все автоматы (механизмы, движущиеся при помощи пружин и колес, как, например, часы) имеют искусственную жизнь? В самом деле, что такое сердце, как не пружина? Что такое нервы, как не те же нити, а суставы не такие же колеса, сообщающие движение всему телу так, как этого хотел мастер? Впрочем, — продолжал философ, — человеческое искусство идет еще дальше, имитируя разумное и наиболее превосходное произведение природы — человека»7.

Ближе к современности

«Вероятно, самый большой вклад в разработку раннего машинного интеллекта внес британский математик Алан Тьюринг (1912–1954). В своей работе „О вычислимых числах применительно к проблеме разрешения“ (1936) он описал простое гипотетическое устройство под названием „автоматическая машина“, позже получившее известность как машина Тьюринга. Вместе с американским математиком Алонзо Черчем (1903–1995) он вывел тезис Черча-Тьюринга, согласно которому машины Тьюринга теоретически могут вычислять все, что может быть вычислено с помощью таких простых символов, как числа 0 и 1. Если мысль можно свести к математическим заключениям, то, возможно, из этого следует, что машины обладают способностью к человеческому мышлению. Изобретение машин Тьюринга доказало возможность существования мыслящих машин, что стало главной теоретической предпосылкой для создания современных компьютеров»8.

«Летом 1956 года десять ученых, разделявших интерес к машинному интеллекту, собрались в Дартмутском колледже в Нью-Гемпшире на шестинедельный семинар. Американский профессор математики Джон Маккарти (1927–2011) сформулировал основную цель семинара — исследование способов, с помощью которых машины могут моделировать аспекты человеческого интеллекта: способность чувствовать, рассуждать, принимать решения и предсказывать будущее. Его гипотеза заключалась в том, что человеческие мысли и рассуждения можно описать с помощью математики, и поэтому воспоминания, идеи и логическое мышление могут быть выражены алгоритмами так же, как правила гравитации можно выразить краткими уравнениями. ...В настоящее время считается, что Дартмутский семинар способствовал зарождению И.И. На нем была заложена общая методика исследования И.И. и создано профессиональное сообщество»9.

Как писал, характеризуя историю развития искусственного интеллекта в 1987 году британский ученый Дж. Маккалистер, «в последнее время в самых различных публикациях по вычислительной технике все чаще встречаются термины... «искусственный интеллект», «экспертные системы»... Раньше с понятием искусственного интеллекта связывали надежды на создание мыслящей машины, способной соперничать с человеческим мозгом и, возможно, превзойти его. Эти надежды, на долгое время захватившие воображение многих энтузиастов, так и остались несбывшимися. И хотя фантастические литературные прообразы «умных машин» создавались еще за сотни лет до наших дней, лишь с середины тридцатых годов, с момента публикации работ А. Тьюринга, в которых обсуждалась реальность создания таких устройств, к проблеме искусственного интеллекта стали относиться серьезно"10. "До настоящего времени, — писал Маккалистер, — единого и признанного всеми определения И.И. не существует, и это не удивительно. Достаточно вспомнить, что универсального определения человеческого интеллекта тоже нет. Дискуссии о том, что можно считать признаком И.И., а что — нет, напоминают споры средневековых философов, которых интересовало, сколько ангелов смогут разместиться на кончике иглы«11.

Но если И.И. и нельзя дать исчерпывающего определения, — продолжал автор — можно перечислить задачи, методы решения которых на ЭВМ принято связывать с понятием И.И. Среди таковых уже в 1987 году назывались: «автоматическое решение задач» как «не столько вычислительная процедура поиска ответа... сколько нахождение метода решения поставленной задачи»; ... обеспечение работы «распознавателей», то есть устройств, реагирующих на внешнюю среду через различные датчики, например камеры, и позволяющие решать задачи распознавания образов; ... здесь же "распознавание речевых команд"12. «Системы распознавания естественной речи позволят пользователю упростить взаимодействие с ЭВМ... Задачи доказательства теорем и обучения (например, для овладения навыками в какой-нибудь игре) решаются с помощью автоматического совершенствования алгоритма посредством обработки пробных вариантов, то есть как бы с помощью накопления «собственного опыта». Следует отметить, что способность к обучению представляет собой одно из основных свойств И.И."13.

"В настоящее время многие отождествляют понятия И.И. и экспертных систем. ...Существующие экспертные системы включают в себя огромные базы знаний, сформированные с помощью информации, получаемой от экспертов, то есть специалистов в той области, для которой создавалась каждая система"14.

Однако, отмечал автор, "для эффективной работы мощных систем И.И. необходима высокая скорость доступа к большим базам данных, а также высокое быстродействие. ЭВМ с обычной архитектурой не удовлетворяют этим требованиям«15.

Отметим, как раз в настоящее время технические барьеры реализации идей И.И. практически сняты. Именно это и обеспечило столь широкое вхождение И.И. в нашу повседневность в последние годы.

Значимо (по нынешним темпам прогресса) раньше — в 1971 году — профессор Дж. Слэйгл в своей работе «Искусственный интеллект. Подход на основе эвристического программирования» отмечал: "машины способны к деятельности, которую часто называют интеллектуальной, если она производится людьми"16. «Усилия исследователей в области «искусственного интеллекта» направлены на создание машин, обнаруживающих поведение, которое мы у людей называем интеллектуальным"17.

"Вычислительные машины, — писал тогда Слэйгл, — обладают очень большим быстродействием и высокой точностью. ...В некоторых случаях их используют для моделирования других систем. Например, они применяются для моделирования как всей экономики США, так и функционирования отдельных фирм, транспортных и энергетических сетей и даже работы других вычислительных машин"18.

«Можно указать, — продолжал автор, — на три подхода к проблеме искусственного интеллекта, применяемые различными исследователями: создание искусственных сетей, искусственное воспроизведение эволюции и эвристическое программирование...

Сеть состоит из большого числа простых элементов и связей между ними. Искусственная сеть либо моделируется на вычислительной машине, либо строится из физических элементов. Часто каждый элемент сети представляет собой искусственный нейрон (нервную клетку). Одним из преимуществ такого подхода является то, что синтезируемая сеть обычно адаптивна; это означает, что она может «обучаться» на собственном опыте. ...Однако лучшее, на что искусственные сети пока оказались способны, это «обучаться» распознавать простые зрительные и звуковые образы. Таким образом, деятельность сетей еще очень далека от интеллектуального поведения"19.

"При эволюционном подходе к искусственному интеллекту моделируемую на вычислительной машине систему заставляют эволюционировать путем мутаций и отбора. Таким путем удалось добиться, что системы искусственного интеллекта эволюционировали в системы, способные решать простейшие задачи"20.

"Под эвристикой понимается правило, стратегия, метод или прием, используемые для повышения эффективности системы, которая пытается найти решение сложных задач. Эвристическая программа — это программа для вычислительной машины, использующая эвристики. ...Некоторые из эвристических программ ...способны обучаться на основе собственного опыта. Несколько программ являются многоцелевыми в том смысле, что они могут решать различные классы задач"21.

Как бы развивая эти идеи, пятнадцать лет спустя Дж. Макаллистер напишет: «Многие аспекты искусственного интеллекта связаны с развивающейся в настоящее время наукой — робототехникой. Идея создания «разумного» робота, способного «учиться на собственном опыте», представляет собой одну из центральных проблем И.И. Такой робот может обладать способностью к ведению диалога на ограниченном естественном языке и уметь решать задачи, требующие инициативы и некоторой оригинальности мышления. Для этого необходимо некоторое предварительное обучение робота, в результате которого он мог бы, в отличие от используемых сейчас промышленных роботов, выполнять целенаправленные и заранее незапрограммированные действия«22.

В настоящее время эта проблема решена, и все вышеперечисленные потенциальные задачи искусственного интеллекта, которые совсем недавно казались сюжетами фантастики, сегодня могут найти воплощение в хозяйственной жизни компаний и в первую очередь в бухгалтерском учете.

Начнем с задачи распознавания образов.

Распознавание образов

Можно сказать, что все многообразие и сложность методов бухгалтерского учета объединяет задача распознавания образов, отражающих содержание фиксируемых в учете фактов хозяйственной жизни. Оценивая содержание источника учетных данных — первичного документа, бухгалтер формирует учетную запись на счетах, посредством которой в отчетности формируется (корректируется) образ соответствующего элемента общей картины положения дел фирмы. Так, перед глазами заинтересованных пользователей бухгалтерской отчетности возникают такие образы, как основные средства, товары, резервы, расходы будущих периодов, доходы, расходы, прибыль и т.д.

У отражаемых в учете хозяйственных фактов бесчисленное множество характеристик, выходящее далеко за пределы, в свое время очерченные известной «теорией информационных слоев» профессора Я.В. Соколова23. Большая часть из них не фиксируется в бухгалтерских регистрах. Характеристики, которые потенциально могут найти отражение в учете, объединяют первичные документы. Однако содержание первичных документов чрезвычайно некрасноречиво. Для того чтобы рассказать заинтересованным лицам о том, какое влияние фиксируемый факт оказал (окажет, может оказать) на положение дел компании, бухгалтеру необходимо принять за основу его (факта) квалификации определенные экономико—правовые воззрения и сформировать его образ. Так приобретенное фирмой имущество становится основным средством или товаром, или нематериальным активом, или финансовым вложением; потраченные деньги превращаются в расходы будущих периодов, а убытки покупателя в его гудвилл рост затрат на выпуск продукции превращается в резервы предстоящих расходов или амортизационные отчисления, а разность между полученной выручкой и затратами десятилетней давности — в основание для выплаты дивидендов в будущем году.

Пользователи бухгалтерской отчетности могут наблюдать за жизнью интересующей их компании во многом только посредством восприятия вот этих самых создаваемых бухгалтерами образов, часто имеющих весьма условное отношение к хозяйственной действительности. Однако именно набор таких образов в реальной хозяйственной жизни служит стимулом (провокацией) для принятия решений о совершенно реальных действиях, формирующих экономическую жизнь нашего общества. И здесь, пожалуй, наиболее далеким от реальности и наиболее сильным по степени воздействия на сознание участников хозяйственной жизни является образ прибыли фирмы.

До недавнего времени возможности такой бухгалтерской «магии» формирования образов хозяйственной жизни во многом определялись теми границами, в которые помещал учетную мысль и, как следствие, методы бухгалтерского учета уровень технологического развития общества. Тот набор данных о хозяйственном факте, который заключают в себе первичные учетные документы — это результат длившегося десятилетиями поиска оптимального соотношения между дефицитом и избыточностью данных, позволяющих формировать набор бухгалтерских образов хозяйственной действительности.

Усложнение жизни и усложнение образа

В настоящее время наша хозяйственная жизнь чрезвычайно усложняется. Постоянно множится количество факторов, от которых зависит будущее стремящихся «удержаться на плаву» компаний. Более того, это усложнение происходит все быстрее и быстрее. И вот современная нам учетная методология, формировавшаяся во второй половине XIX — начале XX века, отражающая в том числе и «скорости» динамики хозяйственной жизни, характерные для предыдущей технологической революции (времени индустриализации общества), начинает все хуже справляться с темпами современности и степенью ее сложности.

Набор образов хозяйственной жизни фирмы, предлагаемый нам сегодня бухгалтерскими методами прошлого и позапрошлого веков, выглядит чрезмерно упрощенным, а формируемая с их помощью картина положения дел фирмы — избыточно усеченной.

Ограничения (допущения), свойственные «старой, доброй бухгалтерии», — периодичность представления данных, границы форм отчетности, одновариантность используемых оценок, ограниченность учетных объектов и их представляемых характеристик, отсутствие прогнозных данных, ограничения коэффициентного анализа отчетности, несопоставимость финансовых и нефинансовых данных и проч. и проч. — превращаются в действительные границы учетных моделей фирмы, снижающих их полезность для принятия управленческих решений в условиях современности.

В этих условиях буквально спасительным для судеб бухгалтерского учета инструментом, способным обеспечить его развитие на весьма далекое прогнозируемое будущее, может стать то, чего так пугаются сегодня наши коллеги, — технологии «искусственного интеллекта».

Новые образы нового времени

Подумайте, какие данные могут составлять образ основного средства во внешней бухгалтерской отчетности фирмы? Увидев позицию «Основные средства» в составе внеоборотных активов фирмы и сумму ее оценки, допустим в 5500 000 рублей, мы можем сделать вывод о том, что в составе внеоборотных активов компаний отражает определенный набор принадлежащего ей на праве собственности материального имущества, отвечающего критериям признания в учете в качестве основного средства, остаточная (или скорректированная) оценка которого составляет 5,5 млн руб. Обратившись к пояснительной записке, мы сможем дополнить данный образ информацией о том, какими именно способами начисления амортизации была сформирована сумма оценки данной статьи и узнать, переоценивает ли компания отражаемые в отчетности объекты основных средств. Пояснения к балансу смогут рассказать нам о степени амортизации парка основных средств фирмы и показать, насколько интенсивно они обновлялись на прошедший отчетный период. Вот, пожалуй, и все.

Конечно, данный образ может быть значимо дополнен данными аналитического (управленческого) учета основных средств нашей компании. Наши знания (в пределах указанных выше характеристик) здесь могут быть детализированы до каждой единицы данного имущества в отдельности. Также мы сможем узнать ряд технических параметров отдельных объектов основных средств — рекомендуемый срок службы, количество пройденных и планируемых ремонтов (обновлений и т.п.).

Что же к нашим представлениям о составе основных средств компании смог бы дополнить их «цифровой образ», формируемый на основе уже в настоящее время реализуемых на практике информационных технологий? Наиболее правильным ответом здесь будет — «все что угодно, и даже больше»! Практически любые могущие заинтересовать нас характеристики объекта могут формировать элементы его цифрового образа как принципиально нового элемента информационной реальности.

Любые физические и технологические параметры объекта. Его фактические габариты, прогнозное количество дней (часов, секунд) до его возможной поломки, возможную цену продажи на актуальном рынке схожих по характеристикам объектов, степень «моральной старости» по сравнению с возможными альтернативами современного оборудования, объем выпускаемой на нем продукции (любого иного участия в процессе производства) за всю историю эксплуатации, характер влияния его технологической новизны в сравнении с иными элементами парка основных средств на логистические процессы в компании, динамику эффективности использования в зависимости от работавших на нем сотрудников, характеристики влияния его эксплуатации на экологию, влияние его цвета и шума работы на психологический климат в цехе, его доля в получаемой компанией выручке, расходование электроэнергии на его обслуживание, влияние величин начисляемой по нему амортизации (проводимой переоценки) на показатели финансового положения компании и т.д. и т.п., и проч. и проч.

Перечисленные здесь параметры ограничиваются исключительно пределами фантазии автора этой статьи и требованиями к ее объему. Можно сказать гораздо короче: использование И.И. позволит нам создавать в учете фактически виртуального двойника учитываемого объекта, цифровое воплощение которого информационно будет стремиться к равенству с ним самим. Собственно, процедура учета сведется к непрерывному воспроизведению учетных объектов в их цифровых образах. В целом такой учет будет непрерывно воспроизводить общий цифровой образ ведущей его компании. Любые иные учетные процедуры начнут носить аналитический характер — формирование на основе набора цифровых образов любых представимых (запрашиваемых) вариантов отчетности и анализ ее данных.

Более того, цифровой образ объекта сможет содержать и данные о своем изменении на протяжении всей своей «учетной истории».

При этом такой цифровой портрет объекта сможет не только обновляться практически в реальном режиме времени, но, что чрезвычайно важно, содержательно (аналитически) увязываться с динамикой цифровых портретов всех прочих элементов фирмы по любым заданным программе параметрам, на которые эксплуатация данного объекта будет оказывать влияние.

Пределы возможностей

Следует отметить, что, заключая в себе практически безграничные возможности создания индивидуальных цифровых образов для каждого конкретного объекта учета, И.И. при этом (во всяком случае в прогнозируемом сегодня уровне его потенциального развития, исключая идею эффекта сингулярности и т.п.) не сможет вообразить объект, хоть чем-то отличающийся от любого из им уже учтенных. Ведь "на сегодняшний день системы И.И. не могут объяснять свои решения — правильные или не правильные — даже своим создателям«24.

Эта характеристика И.И. будет прекрасно подходить для задач бухгалтерского учета, так как способна препятствовать фальсификации данных на основе И.И., однако она же может создать затруднения при использовании И.И. для «самостоятельного» анализа им данных, а, главное, построения прогнозов.

Определенную популярность в последнее время получило утверждение о том, что человек в любой своей деятельности использует лишь совсем небольшой процент потенциала своего мозга. Примерно также можно утверждать, что, принимая решения, человек использует лишь ничтожно малый процент от всего объема данных, которые могли бы быть ему полезны. Это обстоятельство обусловлено границами содержания и информативности получаемых им информационных сообщений, в том числе это касается и информационных границ бухгалтерской отчетности компаний.

До настоящего времени любая информация о любом мыслимом объекте, формируемая не непосредственным наблюдением за ним, получалась заинтересованными лицами в виде тех или иных моделей предмета, всегда значимо «усекавших» полный комплекс данных, объект характеризующих. Информация никогда не была равна своему объекту. Сам объект информационно значимо превосходил любые данные о нем.

И.И., теоретически зная «всё» о своем объекте, будет способен создавать фактически цифрового двойника любого учитываемого объекта, даже «расширяя» границы информативности такого образа за счет накопления данных об его учетной истории. К учетной статике, отражаемой в отчетности на конкретный момент времени, таким образом, сможет быть добавлена «динамика» элементов отчетности. Мы уже имеем такую практику, например, в медицине, где «история болезни» пациента значимо дополняет информативность данных его текущего обследования.

Отменит ли такая практика саму идею моделирования в виде составления отчетности в определенных формах — скорее всего, нет, так как у человека просто не хватит когнитивных возможностей для адекватного восприятия всего многообразия данных, формирующих цифровые образы учетных объектов. А вот у И.И. их как раз будет достаточно для того, чтобы распознавать соответствующий объект, что называется, целиком.

Анализ и прогнозирование

Работа с цифровыми двойниками объектов учета позволит существенно изменить практику анализа отчетности. Сложная до степени неподвластной человеку взаимоувязка учетных данных позволит представлять заинтересованным лицам практически любые аналитические выкладки по рассматриваемому объекту с любым требуемым набором факторов, позволяя обнаруживать самые неожиданные на первый взгляд механизмы влияния на параметры работы компании от самого общего уровня до любой вообразимой степени детализации.

Непрерывно осуществляющийся анализ «больших данных» из внешних по отношению к компании источников позволит связать такие данные внутрифирменного анализа с любым возможным набором внешних факторов, влияющих на состояние предприятия. Анализ такой степени сложности и такой скорости просто физически неосуществим человеком, которому в новой технологической реальности (в пределах, не относимых к области принятия решений искусственным интеллектом) останется принятие решений на основе предоставленной информации.

Степень сложности проводимого И.И. анализа и скорость его осуществления должны будут послужить источником существенного снижения рисков экономической деятельности. Парадоксально, но здесь максимальное усложнение аналитических процедур сможет значимо упростить принятие адекватных ситуации управленческих решений.

В перспективе И.И. сможет стать более сильным, по сравнению с человеком, аналитиком, не способным лишь принять решение на основе результатов проведенного анализа. Однако и соответствующие решения могут быть сгенерированы алгоритмом, если в программу будут заложены соответствующие функции, посредством которых человек делегирует И.И. самую важную область экономической деятельности — принятие решений. И вот здесь мы с вами подходим к чрезвычайно интересной теме так называемых смарт-контрактов и смарт-компаний — условно самостоятельных участников экономической жизни, деятельность которых сможет обеспечиваться работой И.И. О перспективах такого возможного сценария развития И.И. и его роли в жизни социума — наша следующая статья.

Рекомендуемая литература по теме

Читателям, заинтересовавшимся затронутыми данной публикацией вопросами, мы можем порекомендовать знакомство со следующими источниками:


1. Фэн Ш., Тейлор М. Заменит ли нас искусственный интеллект: введение в XXI век. — М.: Ад Маргинем Пресс, ABCdesign, 2019. — С. 50.

2. Там же. — С. 50-51.

3. Термин применяется к чрезвычайно большим и сложным наборам данных, которые компьютер может проанализировать, выявив в них закономерности, тенденции и ассоциации. С помощью обработки больших данных можно получать 
новую информацию и строить прогнозы.

4. Фэн Ш., Тейлор М. Заменит ли нас искусственный интеллект: введение в XXI век. — М.: Ад Маргинем Пресс, ABCdesign, 
2019. — С. 59-60.

5. Фэн Ш., Тейлор М. Заменит ли нас искусственный интеллект: 
введение в XXI век. — М.: Ад Маргинем Пресс, ABCdesign, 
2019. — С. 19.

6. Фэн Ш., Тейлор М. Заменит ли нас искусственный интеллект: 
введение в XXI век. — М.: Ад Маргинем Пресс, ABCdesign, 
2019. — С. 20.

7. Гоббс Т. Левиафан. — М.: РИПОЛ классик, 2017. — С. 41.

8. Фэн Ш., Тейлор М. Заменит ли нас искусственный интеллект:
введение в XXI век. — М.: Ад Маргинем Пресс, ABCdesign, 
2019. — С. 23-24.

9. Фэн Ш., Тейлор М. Заменит ли нас искусственный интеллект: введение в XXI век. — М.: Ад Маргинем Пресс, ABCdesign,
2019. — С. 18-19.

10. Макаллистер Дж. Искусственный интеллект и Пролог на микроЭВМ. — М.: «машиностроение», 1990. — С. 10.

11. Там же. — С. 11.

12. Макаллистер Дж. Искусственный интеллект и Пролог на микроЭВМ. — М.: «Машиностроение», 1990. — С. 13-14.

13. Там же. — С. 14.

14. Там же.

15. Там же.

16. Слэйгл Дж. Искусственный интеллект. Подход на основе
эвристического программирования. — М.: «Мир», 1973. — С. 7.

17. Там же. — С. 9.

18. Там же. — С. 10-11.

19. Слэйгл Дж. Искусственный интеллект. Подход на основе 
эвристического программирования. — М.: «Мир», 1973. — С. 11.

20. Там же. — С. 12.

21. Там же. — С. 12-13.

22. Макаллистер Дж. Искусственный интеллект и Пролог 
на микроЭВМ. — М.: «Машиностроение», 1990. — С. 15.

23. Палий В.Ф., Соколов Я.В. АСУ и проблемы теории бухгалтерского учета. — М.: Финансы и статистика, 1981. С. 40-41.

24. Фэн Ш., Тейлор М. Заменит ли нас искусственный интеллект: введение в XXI век. — М.: Ад Маргинем Пресс, ABCdesign, 2019. — С. 70.

Материалы журнала «Вестник ИПБ (Вестник профессиональных бухгалтеров)» доступны в личном кабинете члена ИПБ России.

Поделиться