هوش مصنوعی و یادگیری ماشین در حسابرسی

هوش مصنوعی و یادگیری ماشین در حسابرسی

خدیور: ما در حال حاضر داریم از هوش مصنوعی استفاده میکنیم که  فرایند ها را مدیریت کنیم. حالا  چه وقتی که فرایندها را میخواهیم بشناسیم چه زمانی که میخواهیم بهینه سازیشون کنیم چه زمانی که میخواهیم ببینیم براساس اصول انجام می‌شوند یا خیر.

رویکرد های سنتی انالیز فعالیت های زمانبری هستند اما در رویکرد جدید فرایندکاوی فقط در مرحله شروع زمانبر هست اما در کل ارزانتر و سریع تر است.فرایند کاوی انواعی دارد برای مثال کشف فرایند، بهینه سازی فرایند، بررسی  تبعیت، بررسی انطباق نرم افزار های مورد استفاده برای تحلیل داده زیاد هست مثلا پایتون و تخصصی تر مثل دیسکو و پرام. بررسی انطباق که یک نوع از انواع فرایند کاوی است ما در ان یک مدل فرایندی را تعریف میکنیم و برای سیستم تعریف میکنیم و در گام بعد برای شناسایی انطباق یا عدم انطباق رفتار هارا با مدل ایده ال مقایسه میکنیم.

جمالیان پور: حسابرسان زمانی میتوانند از دیتا استفاده کنند که از آن حسابرسی که میخواهند انجام دهند یک قدم جلوتر باشند.

ما زمانی میتوانیم فناوری اطلاعات را حسابرسی کنیم که یک قدم جلوتر باشیم.

در حوزه هوش مصنوعی برای یادگیری باید داده ها را درک و شناسایی بکنیم،  مفهوم را استخراج کنیم و استدلال کنیم.

از جمله ابزار برای درک و شناسایی: شناسایی گفتار، بینایی ماشین، شناسایی الگو

و از جمله ابزار استخراج مفهموم: متن کاوی، داده کاوی، مدیریت دانش، پردازش زبان طبیعی

و از جمله ابزار استدلال: برنامه ریزی هوشمند، کنترل، سامانه تصمیم بار

سطح اول برنامه ریزی شامل تعیین اهداف ارزش، طراحی هوشمند، حکمرانی، سازماندهی وپاسخگویی است.

سطح دوم برنامه ریزی شامل مکانیزم اتوماسیون، فعالیت ها و فرایند هاست.

سطح سوم برنامه ریزی شامل تعیین وظیفه اقدام، تفکر، خلق و مدلسازی است.

سطح چهارم شامل شیوه عمل حس کردن، تحلیل، تصمیم، اقدام و اموختن است.

سطح پنجم برنامه ریزی طزاحی خودکار یادگیری کاراست.

سطح ششم یادگیری شامل برنامه ریزی چرخه عمر

امیر مرادی: ابزار ها و روش های خودکار به دو دسته تقسیم میشوند: هوشمند سازی و خودکار سازی

هوشمند سازی خود به دو دسته تحلیل شناسی داده ها و هوش مصنوعی تقسیم میشود.

که هدف انها شناسایی الگو ها و روند ها شامل انواع ناهنجاری ها است.

از جمله این هدف شناسایی ریسک تحریف باهمیت است.

تعریف ناهنجاری دو نوع میتواند باشد:

1: تراکنش غیر معمول از حیث اندازه، ماهیت یا لذا  کم تکرار

2: نوسانات یا روابط ناسازگار با سایر اطلاعات مربوط یا متفاوت از مقادیر مورد انتظار

الزامات مسئله شامل شناسایی ناهنجاری در در داده های وابسته

شناسایی ناهنجاری در داده های فاقد برچسب و تعیین درجه و و ماهیت هر قلم داده

ویدئو سخنرانی پنل اول در پایین صفحه قرار داده شده است:

به اشتراک بگذارید: