ChatGPT对企业内部审计影响的思考

作者简介:
刘雷,李玲焰,许默为,重庆理工大学会计学院;安徽中烟合肥卷烟厂

原文出处:
中国内部审计

内容提要:

02


期刊代号:V3
分类名称:审计文摘
复印期号:2023 年 10 期

关 键 词:

字号:

      “十四五”规划第五篇题为“加快数字化发展建设数字中国”。加快推进审计数字化转型,是推动我国审计信息化水平实现高质量发展的重大契机,也是贯彻落实国家信息化发展战略、打造数字经济新优势、建设数字中国的必然选择。中央审计委员会办公室、审计署印发的《“十四五”国家审计工作发展规划》提出要“全面贯彻落实习近平总书记关于科技强审的要求,加强审计技术方法创新,充分运用现代信息技术开展审计,提高审计质量和效率”。

      人工智能(Artificial Intelligence,AI)是数字化转型的重要技术支撑,2022年11月,美国人工智能研究实验室(OpenAI)推出人工智能聊天机器人ChatGPT(Chat Generative Pre-trained Transformer),迅速成为现象级热点事件,助推新一代人工智能技术热潮席卷全球。ChatGPT作为生成式人工智能的代表,基于深度学习、神经网络等先进算法,通过大量数据的训练,具备了处理各种语言情境和主题的能力,可以根据上下文和历史对话生成自然且多样化的回答,使计算机能够像人类一样思考和创作,极大地拓展了人工智能在各领域的应用前景。

      因此,企业应积极推动内部审计的数字化转型,与人工智能技术相融合,促进内部审计高质量发展。本文在简要介绍ChatGPT的内涵及特征的基础上,分析其在内部审计流程中的积极影响,探讨其给内部审计带来的挑战及应对之策。以期为以ChatGPT为代表的人工智能技术应用于内部审计领域方面的工作提供参考。

      二、ChatGPT的内涵和主要特征

      (一)ChatGPT的内涵

      ChatGPT是一种基于深度学习和自然语言处理技术的大规模预训练语言模型,是当前AIGC(AI Generated Content,人工智能内容生成)领域技术进展的成果,其技术支撑主要包括以下几个方面。一是它采用深度学习中的Transformer(多层变换器)架构,能利用自注意力(Self-Attention)机制进行预训练,使用无监督学习算法对大规模数据进行训练,实现高效的并行计算,从而减少训练时间。二是它可以进行“人类反馈强化学习”(Reinforcement Learning from Human Feedback,RLHF),即将人类偏好作为奖励信号来训练模型,调整对话的过程和结果,该技术使机器在理解人类语言方面取得重要进展。三是运用指令微调技术(Instruction Fine-Tuning,IFT),在预训练的基础参数上进行微调,可以有针对性地对特定任务采用特定的任务数据集进行训练,在不同任务间进行优化和改进,同时对自然语言进行建模和推断,这样可以更好地理解和处理特定任务中的语言信息,以此来提高模型的性能和表现力。四是引入了思维链(Chain-of-Thought,CoT)技术,在微调的基础上,提高模型的逻辑推理能力,在对话过程中进行提示和引导,把大问题拆分为小问题,从而帮助模型更好地理解人类的语言请求。

      总的来说,ChatGPT是综合机器学习、神经网络等诸多技术的复杂集合,通过大规模的训练数据和计算资源的支持,它可以高效地学习和理解人类语言,并产生与人类相似的响应,可以将其应用于多个领域。

      (二)ChatGPT的主要特征

      ChatGPT与其他人工智能模型相比,主要有以下几个特征。

      1.更拟人化。

      ChatGPT是基于人类反馈强化学习的模型,拟人化是它的最大特征之一。它可以基于每个使用者的需求和偏好生成相应的回复,让使用者更能产生情感上的共鸣,创造更加个性化的体验。和传统意义的人机对话系统相比,ChatGPT提供了人们在使用过程中所需要的情绪价值,具备了拟人化的响应模式,通过“模仿学习+强化学习”,使其互动性更强。此外,它可以自适应用户输入的内容和上下文,进行情景对话,在对话过程中还能够根据实时数据和用户反馈来改良已经生成的方案,提高自己的性能和表现,具有更强的适应性。

      2.更智能化。

      ChatGPT所呈现出来的高智能化,背后依赖于强大又先进的技术。在数据方面,已公布的GPT-3的模型参数量达到1750亿个,专业人士根据GPT-4最新的表现,推测其模型参数量约为10万到100万亿量级。数据背后是广泛的应用场景,在算力方面,ChatGPT每天的算力总消耗约为3640PF-days(即假设每秒运算1000万亿次,需要连续运行3640天)。要想训练出更强大的模型,除了海量的数据,强大的算力,ChatGPT还使用了基于Transformer架构的神经网络模型算法,体现了ChatGPT“大数据+大算力+强算法=智能模型”的逻辑。此外,在传统的人机协作模式中,人工智能主要起到检索的辅助作用,但是ChatGPT优化了这种模式,在互动过程中自行筛选信息,最后给出回复,使整个过程变得更加智能。

      3.更通用化。

      在交互方式方面更加通用化。过去为了能让机器完成任务,操作者需要学习机器语言,按照既定的规则输入指令,但是ChatGPT省去了复杂的过程,让用户可以使用日常语言和机器进行直接互动,进行高质量、流畅的对话交流,降低了普通人使用人工智能的门槛。此外,从适用领域方面也更加通用化。ChatGPT没有专门针对某个领域设计模型,也不需要特定的任务或领域知识,其覆盖面之广,能够回答跨领域的各种问题,为不同的领域和用户提供更加精准的服务。相比其他模型,ChatGPT更适合进行通用的对话和问答等应用,也被称为专用人工智能走向通用人工智能的转折点。

相关文章: