2013年世界审计组织发布的《北京宣言——最高审计机关促进良治》中提出：作为国家治理不可分割的组成部分，国家审计依法履行其职责，客观公正地进行监督、鉴证、评价和建议，以供国家决策者制定政策和开展规划所用。国家审计的核心是以高质量信息作为决策基础，通过最大限度地公开和整合数据资源来监督政府及相关机构受托责任的履行情况，并提出完善的对策来压缩权力寻租的空间，降低宏观政策实施过程中的不确定性风险，推动实现国家的良好治理，保证经济社会的健康运行和科学发展，从而更好地保障人民的利益，这是国家审计发挥作用的根本所在，也是提高政府公信力并增强国家治理能力最有效的方法。国家审计涉及面广、业务类型差异大（包括经济责任审计、资源环境审计、政策落实跟踪审计及涉外审计等）、数据结构复杂且需要较多的职业判断，人工智能技术的快速发展和应用对其产生了很大的影响，审计的手段和方式、具体业务标准、组织体系以及信息安全等都发生了不同程度的变化。如何应对这些变化并解决面临的问题，对于改善国家治理的质量、体现国家审计的社会价值具有重要意义。 一、人工智能的产生及发展 早在17世纪中期，莱布尼兹、托马斯·霍布斯和笛卡儿就提出了形式符号系统这一人工智能的最初假想。到1950年，Alan Turing在《计算机器与智能》中阐述了对人工智能的思考，并认为图灵测试是机器智能的重要测量手段；1956年，美国计算机科学家约翰？麦卡锡在达特茅斯会议上首次提出了人工智能（Artificial Intelligence，AI）的概念，认为“我们的研究建立在这样的一种猜想之上，即（人类）学习的每一方面或者智能的任意一种特征在原则上都能够被精确描述，并可以由机器来模拟”。相比传统方式下人们需要按照预先设定好的规则或框架完成工作，人工智能的出现使机器可自行对数据展开分析并进行模式识别。不仅如此，人工智能还可以根据数据结果进行一次甚至多次不间断的学习进而完善决策的制定机制，因此数据的质量和数量对于人工智能而言十分重要。 虽然迄今为止人工智能尚未有统一的概念，但是人们普遍认同它能够从数据中学习并利用所学实现既定的目标和任务，并像人类一样理性地思考和行动。因此，人工智能接近于人类大脑的逻辑思维，它将对个体、企业和社会产生巨大的颠覆作用。我国在2018年发布的《人工智能标准化白皮书》中指出，人工智能一般具有三方面的特征：一是由人类设计，为人类服务，本质为计算，基础为数据；二是能感知环境，能产生反应，能与人交互，能与人互补；三是有适应特性，有学习能力，有演化迭代，有连接扩展。由此可见，人工智能就是基于强大的计算能力使机器具有类似人类的认知功能，其借助自然语言处理（NLP）、机器学习等技术对数据进行分析，通过深度学习形成不同的算法模型来帮助人们做出适当的决策。 虽然人工智能经历了不同的发展阶段，但由于受到技术发展水平以及数据质量和数量的限制，相关研究并没有取得实质性的进展。2006年，多伦多大学教授杰弗里？辛顿指出，人工神经网络所具有的优异特性使其具有较强的学习能力，且深度学习的难度也能够通过“逐层初始化”予以解决，因此深度学习不同于传统的机器学习。随着杰弗里·辛顿等对基于人工神经网络学习模型的探讨以及深度学习概念的提出，人工智能开启了在各领域应用的第三次浪潮。特别是2016年Google的人工智能AlphaGo战胜围棋高手李世石，这一事件引起了人们对人工智能的极大关注。世界各国纷纷将人工智能列入未来发展重点，Google、Facebook等世界巨头也通过并购等方式开始布局人工智能领域，人工智能的第三次浪潮引发了社会各行业的巨大变革。 二、人工智能审计的原理 人工智能审计通过融合信息系统审计、数据式审计、大数据审计和联网审计等进一步改变了审计模式和方法。与已有的审计手段相比，人工智能审计以大数据为基础，利用更广泛、更多样化的数据，通过数据挖掘、云计算、机器学习、深度学习等技术构建形成不同算法的审计模型，根据审计的具体规则和各要素之间的勾稽关系来识别业务过程中的异常点从而获取审计经验。相比传统审计模式，人工智能审计模式下基于算法的审计决策依据更充分，决策的制定过程也更为客观、准确、迅速。由于在审计过程中还涉及与单个被审计机构有关联的风险以及整个组织所面临的整体风险，因此从全覆盖以及实时性角度来看，人工智能审计真正实现了以动态变化的方式理解并恰当管理这些风险，使持续审计成为现实。人工智能审计原理如图1所示。 借助AI平台这一基础层，人工智能审计以搜集的结构化和非结构化数据为数据源，通过计算机视觉、自然语言处理、知识图谱及语音识别等各种规则设定程序构建的通用层来模拟人类的各项能力，利用人工智能的通用技术与具体审计业务应用的深度融合搭建了应用层。如果存在数据量不够或者数据质量不高的情况，就需要从流程或算法上寻求解决方案。例如：对于有效样本数不足的问题，可通过采用少样本学习的算法予以解决；对于数据采集质量差的问题，可通过数据清洗和转换等方式进行处理，借助更为精细化的规则程序进行深入分析。在应用层，人工智能审计实现了价值创造的三个层次：自动化、智能化和创新化。作为感知智能技术的单点应用，自动化是指由审计机器人代替人类自动执行业务程序，通过多样化的传感器捕捉更全面的信息，审计全过程自动化拓宽了审计覆盖领域，实现了对所有审计项目的集中统一管理和审计数据的全覆盖。当然在大多数情况下，自动化涉及的只是审计业务链条中的一个或某几个环节，本质上并不改变原有的业务流程。在自动化的基础上，基于知识图谱、自然语言处理及深度学习等认知智能技术和算法发展起来的智能化则让计算机具备了分析、推理和决策能力，这一阶段通过对审计业务流程的改造大幅提升审计能力。到了价值创造的最高层次，创新化则根据智能化应用过程中改变的传统业务流程对审计功能及整体流程进行重构，进而形成新的审计模式或者更为细分的审计业务，真正实现人工智能技术与审计的深度融合。
