摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
绪论 | 第14-19页 |
1.1 选题背景 | 第14-15页 |
1.2 研究目的与意义 | 第15-17页 |
1.2.1 研究目的 | 第15-16页 |
1.2.2 研究意义 | 第16-17页 |
1.3 研究内容与方法 | 第17-19页 |
1.3.1 研究内容 | 第17页 |
1.3.2 研究方法 | 第17-19页 |
2 文献综述与相关理论 | 第19-29页 |
2.1 文献综述 | 第19-23页 |
2.1.1 国外研究文献 | 第19-21页 |
2.1.2 国内研究文献 | 第21-23页 |
2.1.3 国内外研究文献评述 | 第23页 |
2.2 人工智能及社会审计的基础理论 | 第23-27页 |
2.2.1 人工智能及社会审计的含义 | 第23-24页 |
2.2.2 计算机审计、大数据审计与人工智能审计的关系 | 第24-25页 |
2.2.3 人工智能社会审计的特征 | 第25页 |
2.2.4 人工智能及社会审计应用的发展历程 | 第25-27页 |
2.3 人工智能应用于社会审计的理论基础 | 第27-29页 |
2.3.1 信息加工理论 | 第27页 |
2.3.2 协同效应理论 | 第27-28页 |
2.3.3 模式识别理论 | 第28-29页 |
3 人工智能的社会审计应用理论分析 | 第29-37页 |
3.1 人工智能与审计的关系 | 第29-30页 |
3.1.1 人工智能推动审计的发展 | 第29页 |
3.1.2 审计丰富人工智能的应用 | 第29-30页 |
3.1.3 人工智能审计发展的驱动因素 | 第30页 |
3.2 人工智能在社会审计中的应用模式 | 第30-33页 |
3.2.1 专家系统的社会审计模式 | 第30-32页 |
3.2.2 人工神经网络系统的社会审计模式 | 第32-33页 |
3.3 人工智能对社会审计影响现状 | 第33-37页 |
3.3.1 人工智能社会审计应用带来的机遇 | 第33-34页 |
3.3.2 人工智能社会审计应用带来的挑战 | 第34-37页 |
4 人工智能在德勤事务所审计中的应用状况 | 第37-43页 |
4.1 案例背景介绍 | 第37页 |
4.2 人工智能认知技术在德勤事务所审计业务中的应用 | 第37-40页 |
4.2.1 自然语言处理技术在事务所审计中的应用 | 第37-38页 |
4.2.2 机器学习技术在事务所审计中的应用 | 第38页 |
4.2.3 机器学习技术在事务所审计中的应用 | 第38-39页 |
4.2.4 德勤财务机器人的实际使用 | 第39页 |
4.2.5 人工智能文档审查平台的运行 | 第39-40页 |
4.3 人工智能审计系统在德勤事务所审计流程中的应用 | 第40-43页 |
4.3.1 人工智能在风险评估程序中的应用 | 第41-42页 |
4.3.2 人工智能在审计抽样中的应用 | 第42-43页 |
5 人工智能在德勤事务所中的应用效果 | 第43-46页 |
5.1 人工智能社会审计在事务所应用的积极效果 | 第43-44页 |
5.1.1 加速优化信息提取过程 | 第43页 |
5.1.2 应用程序分析与可视化功能作用于快捷获取证据 | 第43页 |
5.1.3 认知技术提高审计质量 | 第43-44页 |
5.1.4 内在成本不断降低审计效率不断提升 | 第44页 |
5.2 人工智能社会审计在事务所应用的负面效应 | 第44-46页 |
5.2.1 弱人工智能仅能执行特定任务 | 第44页 |
5.2.2 过于依赖人工智能影响决策有效性 | 第44-45页 |
5.2.3 人员操作失误导致风险巨大 | 第45-46页 |
6 人工智能在会计师事务所应用的趋势与对策 | 第46-49页 |
6.1 人工智能在事务所应用的趋势 | 第46-47页 |
6.1.1 由弱人工智能向强人工智能转化 | 第46页 |
6.1.2 人工智能应用范围由审计业务向咨询服务扩展 | 第46页 |
6.1.3 人机协作提供更多服务 | 第46-47页 |
6.2 人工智能在事务所应用的实践对策 | 第47-49页 |
6.2.1 审计人员需要终身学习数据应用能力 | 第47页 |
6.2.2 事务所应与监管机构沟通配合 | 第47-48页 |
6.2.3 事务所学习应用先进人工技术 | 第48-49页 |
结论与展望 | 第49-50页 |
参考文献 | 第50-53页 |
致谢 | 第53-54页 |
攻读学位期间发表的学术论文 | 第54页 |