未来十年，金融行业会被人工智能取代吗？
我的图书馆
未来十年，金融行业会被人工智能取代吗？
金融学如何应对人工智能和大数据？
知乎用户，AI从业者/毒鸡汤学PhD
这是一个比较大的话题，同时涉及到了大数据和人工智能两个部分。孙志超老师已经从大数据角度谈了一下现阶段的发展对于金融行业的影响，作为一个在金融服务类公司从事 AI 相关的工作的人，我想从 AI 方面谈谈对于金融行业可能有什么影响。
上一个我不成熟的结论：
金融学是一个复杂的学科，在短时间内，很难被 AI 完全替代。在利润率较高、数据结构化较好、问题定义明确的一些方面，AI 会大行其道。在不同金融领域的 AI 如果都能发展到一定程度时，或许能加速整个金融产业的 AI 发展。
在现阶段，金融公司所面临的数据结构化需求远远高于大数据要求。大量的历史数据还并未电子化，甚至现阶段大量金融公司新产生的数据都还属于不规范的格式。
对于金融人才来说，这个时代需要专精金融且能和计算机从业者顺畅沟通的人才。同时金融学的进一步发展也需要专业人才继续探索。因此金融完全是需要继续学的，但有所侧重的补充计算机知识可以为个人和社会带来更大的价值。
对于金融机构来说，有目的和计划的在合法的途径下收集、购买、或生成相关数据将会为未来企业发展带来巨大的优势。对于大型的金融机构 / 研究机构，应该继续加大在 AI 领域的投资，从内部培养跨金融和 AI 领域的人才，即使在短时间内不能产生直接利润。
1. 人工智能在金融学中的应用：
大量的机器学习模型已经被用于金融实践当中，比如利用机器学习进行风险预测或者假账 / 错账检测。更多的例子可以轻松的通过搜索引擎获得，如“人工智能 + 财务”。比较值得看的的行业动向包括各大金融服务类公司发布的展望，比如高盛去年年底发布的人工智能展望，机器之心有翻译其中的重要部分。答主本身也在 中提到了我们正在开发审计 AI 的进展与展望。
2. 为什么 AI 不能完全替代金融学的各种模型？
A. 无法很好的用 AI 来定义一个金融问题
现阶段比较被商业化广泛应用的机器学习还是监督学习，而监督学习要求有明确的问题定义。现在看起来很有希望的强化学习，迁移学习等还并不能大规模普及应用。
以简单的监督学习为例，如果你想建立一个模型来预测企业并购是否会影响公司股价，那么你需要提供大量并购数据，以及并购后股价是否发生了变动。理想情况下，在收集足够多的并购消息和股价变动信息后，做自然语言分析后提取特征放到机器学习模型里面就大功告成了。
然而在实际情况中：我们无法给出明确的问题定义和边界。如果想用 AI 来来制定一个股票交易策略，那么需要考虑进去多少因素？仅仅只考虑并购消息就够了么？越多的相关的因素越可以提高模型的拟合性和准确性。如宏观政策和微观的具体情况都会影响到股价的波动，漏掉其中哪一个都会造成一定的影响，往往是多多益善。在这种情况下，每个问题都需要大量人和数据来支撑，这也是为什么大量用 AI 来预测股票走势的探索都无疾而终的原因。
现阶段或者可预见的未来，在很多问题上不会出现这种明确的定义和范围。
B. AI 从业者和金融从业者缺乏有效沟通
在很长的时间里面，计算机和金融学之间的联系相对比较薄弱。作为一个 CS 背景的人，我个人对于金融 / 经济学的理解还处于比较肤浅的状态，只理解基本的概念和原理。同样的，金融服务类从业者又缺乏对于 AI 模型和统计的了解。因此使用 AI 来推动金融学发展需要大量跨领域的人才，至少需要两个方向都懂的项目经理。
C. 金融领域缺乏足够的大数据和人工智能人才储备
人工智能的火爆，或者说 06 年 Hinton 论文后带起的深度学习的老树开花，并没有来得及为行业储存大量的专业人才。不难看出，大量一流 AI/ML 人才还是被互联网公司一网打尽，(Hinton 在谷歌 Lecun 在 FB)留给金融服务类公司的人才并不多。以我们公司举例，各国分公司的 Chief Data Scientist 基本都不是计算机 / 统计 / 数学背景出身的科学家。
D. 投出产出在现阶段不成正比，短时间内难以获得收益。在这种情况下，每个问题都需要大量人和数据来支撑。因此研究探索型的、不能产生利润的方向很少有公司来投资 AI 来进行研究的。换言之，有财力提供 AI 研究的金融公司不多，小型的金融机构或者学术机构又缺乏资源（资金，技术人才，数据积累）来进行相关系统的研究。
E. 技术性的难题还包括很多，比如 AI 在金融领域应该以什么样的模式存在？是一个软件，一个网络服务，还是一个机器人。在大量需要与客户沟通的领域，人机交互以及如何生成内容也是继续探索的领域。
3. 金融公司开发 AI 需要什么样的数据？
需要结构化的数据，至少是电子数据。像上面第二点 A 和 B 中谈到的，金融领域的大数据化，甚至是数据结构化都还有很长的路的要走。以审计为例，很多公司还有大量的票据都不能无纸化，更不要提 AI 能够消化的电子数据了。前一阵子我司开发一个面试 AI，但是并没有原始数据可以直接使用。于是我们让 12 个刚入职的员工花了一周时间把我们保留的面试视频逐字逐句的转译到文字 + 特征，整个过程苦不堪言。
因此对于金融公司从现在起就应该继续大力推进数据电子化，在数据价格便宜的时候从其他公司购买数据。或许在不久的将来，数据的价格将会高到不可企及的程度。
4. 为什么还是要继续从事金融学研究？如何有所侧重的学习？
金融领域的 AI 化最需要的不是 AI 专家，也不是金融学者，而是懂 AI 的金融从业者。如果现阶段各行各业都因为人工智能火爆而转向这个方向，只会看到 AI 泡沫破灭后整个社会的一片狼藉。我们需要各个领域专家来告诉 AI 从业者行业的痛点，我们需要项目经理来领导各行各业的 AI 化。
对于已经从业的金融工作者，掌握一些基本的软件操作技能，遇到新的系统能很快上手，就可以了。至于专门花时间来学 CS，甚至 AI/ML，是不大必要的。毕竟最终留给金融从业者的入口不是数学模型或者代码，而是封装好的软件 /APP/ 机器，不会要求过高的理化背景。更何况 AI/ML 的学习要求如线代统计概率等很多基础数学基础，自学起来的时间成本很高。
对于正在选择专业方向或者转型的年轻人来说，继续学习金融，探索未知的领域是一条正道。如果有条件的话，多吸收数据科学方向的知识，甚至可以读一个数据科学的副学位或者双学位。AI 时代说到底，我们只要抱着开放的心，选择迎接新技术，成为最能接受改变那一小部分人，是永远都不会失业的。历史只会淘汰那些选择对抗，停滞不前的人:)
馆藏&321810
TA的推荐TA的最新馆藏最近有很多关于人工智能的报道？财务会计也是一个很容易被机器取代的领域，谈谈你对这一革命性变化的见解，并提供一些对职业未来的建议
评论区大家感兴趣的一些问题：1. AI 会不会做假账？AI能不能学会人类的“变通”？现阶段的初级AI还处于婴儿阶段，很多情况下属于你喂给它什么，它相信什么。因此，如果现阶段我们使用大量“被认为修正”过的数据来训练这个AI，毫无疑问，它会相信这才是正确的做法。未来的AI是什么样，没有人知道。2. 到底我们可以多快实习文中描述的半自动化？很慢。抛开技术上的难题不说，我们遇到的最大困难是来自于审计师的敌对情绪。即使技术成熟了，到被主流业界接受和认可也还需要相当长的时间。3. 财务人员需要学习计算机知识，或者再细说，人工智能或者机器学习的知识吗？我不成熟的小看法是，掌握一些基本的软件操作技能，遇到新的系统能很快上手，就可以了。至于专门花时间来学CS，甚至AI/ML，是不大必要的。毕竟最终留给审计师的入口不是数学模型或者代码，而是封装好的软件/APP/机器，不会要求过高的理化背景。更何况AI/ML的学习要求如线代统计概率等很多基础数学基础，自学起来的时间成本很高。安利一下最近回答的两个相关的问题：------正文背景：答主现在就正在某家四大开发这个系统（使用AI来半自动化审计工作），这属于我的研究的项目之一。团队的主要成员是Machine Learning，NLP，和HCI方向的研究人员，还有（半）义务帮我们提供domain expertise（领域知识）的奥迪特们。因为利益相关和公司规定，只能给出大概的介绍。我们的研发团队对于利用机器来替代大部分财务工作者的前景是表示乐观的，但是需要承认整个项目的推进节奏是缓慢的。我们的计划是逐步的、有条理的、在不让人产生太多抵触情绪的前提下逐步的实施。机器学习，计算机视觉和自然语言理解（生成）都在我们的项目中占有很重要的地位。比如，我们分析对话的情感波动来给出一段对话的置信度（对方是否有可能撒谎或者隐瞒了什么），又或者用Ananomly Detection（异常检测）来初步检测是否某些账目看起来有严重的可疑情况。像其他答案里面提到的那样，德记和Kira System有了合作，K记也和IBM签了合同进行相关的探索，澳大利亚的注册会计师协会正在逐步探索审计自动化 -- 他们正在开发一个叫做Kairos的系统。这个系统在初期只是进行数据整合和文件管理，后期目标可能包括半自动化审计。我们团队为什么要做这个项目：1. 从审计的角度，机器的信誉，可靠性，速度和准确度远大于人。2. 其他的主要竞争者都在做。我们预测最晚开发出成熟系统的四大之一可能会在价格战中落败...接着被另外几家瓜分。小的事务所因为缺乏研发能力和资源而愈发处于劣势。3. 虽然我们的AI方向研发实力逊于互联网公司，如FLAG，但我们拥有第一手的审计数据，且会以垄断的模式获得更多的数据。这也是为什么我一个纯CS背景出身的人会觉得这是一件有意义的事情：毕竟数据为王的时代已经到来，参与颠覆一个行业的是很有意思的事情。4. 得到了资深合伙人的资源支持。我们打算从公司内部发起一场小型革命:)目前遇到的困难：1. 虽然我们可以接触到第一手的数据，但历史数据大部分都是unstructured（非结构化）数据。对于主流的机器学习模型来说，非结构化数据很难处理，我们会需要大量的时间来进行数据预处理。2. 人为的困难（抵触）。大部分我们所接触到的，或者沟通过的审计师们，对于我们的项目都持有怀疑的态度，从评论区中也可以看到不少质疑的论调。大家都隐隐觉得似乎这个想法并不靠谱，在有限的上班时间内，除非老板直接指派，愿意花大量时间帮助我们明确实现目标的人并不太多。3. 很难明确定义要完成的目标是什么。即使我们期待做出一个半自动化的审计模型，它的范围有多大，功能该包括什么，很多具体问题都还没有确定，也都还在不断的摸索当中。很大程度上取决于审计师们的反馈，也就是上面提到的第二点。4. 技术难题。除了上面提到的数据结构化这种问题，我们还面临很多实际问题，如语义的精确理解，对话生成等。毕竟，审计中包含了很多交流，怎么顺畅的完成人机交互，也是一个难题。5. 模型的可解释性。像很多人提到的，管理层和业界是否会相信我们的模型及结果，是一个很大问题。现阶段的机器学习的模型解释度普遍不高，工业界还是比较流行使用Logistic Regression或者Tree-based Models（决策树为主的模型，包括random forests）因为决策树或者回归模型的可解释性和可视化。对于奥迪特们的启示：1. 抓住审计过程中机器所不能替代的部分。机器所擅长的是数据整合，语义情感分析和生成报告。但对于审计过程中和客户的交互过程，我们还存在很大的困难...比如，如何像客户提出对的问题，并确定他们没有答非所问？2. 主动成为这个变革的推动者...如果你们的公司内部也有类似的团队在做相关的研发，可以申请成为其中的domain experts（领域专家）来提供你的专业意见，让生成的系统更加迎合你的习惯。不可避免，作为CS从业者，我们对于审计的过程和精髓并没有深入的理解，主要依靠公司奥迪特的反馈。这曾导致了我们做出的第一版雏形遭到了炮轰，因为没有抓住审计工作痛点，而仅仅显示了技术NB。3. 如果有可能的话，尽量选择大型的会计事务所。因为只有这些事务所才有数据和财力支撑AI方向的开发。如果在不久的未来，AI驱动下的半自动化审计，哪怕只是半自动化，真的成为了商业标准，那么在价格战下小的会计事务所应该很快就会倒下。我估计三年到五年的框架下，我们可以看到一个半自动化的审计模型，这可以大幅度降低审计工作的劳力。奥迪特们并不会（大规模）失业，但是一定需要成为能熟练操作半自动模型的人。说到底，只要抱着开放的心，选择迎接新技术，成为最能接受改变那一小部分人，是永远都不会失业的。
对人工智能不太了解，只能就自己的审计经验随便说一点，抛砖引玉吧。&br&&br&十年前我还是个小实习生的时候，在项目上一个多礼拜，就干了一个活儿，叫发银行询证函。几百个银行账户，要一个一个手动填到word模板里去，金额、账号、地址，都不能错，给senior看过几遍，给客户盖过章，复印，然后一个一个手动塞进信封；收到回函以后，每一封都要手动编号、加注、核对、归档，然后填进excel表格。。。这是一个漫长又枯燥的过程。&br&&br&来美帝工作以后发现这里有一个叫&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&的东西，和几乎所有的大银行对接。只要点点鼠标，客户电子授权，询证函就发出去了，一两天之内就得到回复，一键生成pdf文档和excel表格。如果是现有客户，不需要重新输入银行账号，整个过程两个小时完事。&br&&br&当然&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&也不算完美，稍微复杂一点的譬如借款合同条款、金融衍生工具等等，都不能直接求证，仍需人力。另外，&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&的另一端，究竟是人为在背后填写上传，还是直接对接银行系统，我也不清楚。不过，相信依然有很大提升空间。&br&&br&除了发询证函，还有很多小朋友们干的活，若非已经，就是即将被程序性替代掉了。比如：&br&&ul&&li&trial balance 到财务报表手动mapping；&br&&/li&&li&从Trial balance 生成每个科目的底稿&/li&&li&在excel里面做的各种分析测试，什么账龄分析、周转率分析、固资折旧分析、利息费用合理性测算等等；&br&&/li&&li&掌握了大数据分析以后更有针对性的抽样可以把样本缩小；&br&&/li&&li&什么three way match这种比眼力的事情系统扫描一下凭据分分钟搞定&br&&/li&&/ul&
。。。&br&&br&再来：&br&&ul&&li&大家都好讨厌的checklist，是不是和审计系统integrate以后就直接可以生成了呢？&br&&/li&&li&如果底稿里的信息都有标签，那么是不是可以直接相互引用不用左边右边来回reference了呢？&/li&&li&一个accounting issue大家讨论完得出结果以后AI直接按模板生成Memo？&/li&&li&一个公司的trial balance扔给AI，取几个指标，不同方法下算重要性水平，然后大家看着做结论讨论一下选一个？选好了AI马上告诉你要审的科目，调出往年相应底稿，直接按今年数字填好；调出相应审计程序，告诉你下面要做123你去跟客户要资料吧。顺便budget也给你算了，根据往年的历史，你看下没问题就去跟客户报价吧。&br&&/li&&/ul&
。。。&br&&br&想想都觉得有点小激动呢。&br&&br&那么问题来了，本来干这些事情的人都该干什么去呢？&br&&ul&&li&PCAOB说了，要好好加大内控审计的力度，你们一个个都去做深入的客户interview去，每个control都要问个清清楚楚明明白白，documentation做详细点，可不能只是走形式了&br&&/li&&li&PCAOB还说了，这些ERP系统里出来的表格、数据，你们怎么知道他们就是可信的了，难道管理层没有在里面做手脚？每个都要给我详细验证、追本溯源、人工核查&/li&&li&每一个会计政策制定都要有memo——我要的不是形式，是思考过程！辩证的思考过程！&/li&&li&新准则不是出台了吗——收入确认，整个思维方式都变啦，全部重来！没有影响也要document！租赁准则，完全不一样了，谁去把系统设置都改了呀&/li&&li&非常规交易——怎么解读合同、应该对应哪些准则，准则没说明白的怎么处理？恩，这要考虑的可不光是准则，还有企业自身的需要，同行也的习惯，准则制定者背后的用意，还有监管者这些年的风向，等等太多了。甚至，在合同签订前，就能根据不同合同条款的会计影响做出建议，AI也许可以辅助，但做决策和沟通还是要靠人。&/li&&br&&li&财务报表——话说ERP系统发展那么多年了，也没有哪个公司能光靠点鼠标就能生成一份财务报表。每个年终月尾，财务人员依旧忙到要死。各种调整、核对、人工JE、披露哪些、怎么披露。。。审计也是一样啊，系统的部分可以靠系统，人工做的事情也要人工来审。&br&&/li&&li&财务与系统的结合——讲真我觉得现在很多所谓的审计team和IT审计team是分开的。IT审计做了什么，审计team一知半解，只求IT team告诉他们系统正常没有问题；而IT审计其实也不太清楚自己做的事情到底怎样影响审计team。我个人觉得未来的趋势应该是每个搞审计的都懂ERP系统，懂怎么做系统测试、怎么读取背后的程序语言，不再是区分的两个team。&/li&&li&更高级一点的：使用会计信息做出管理决策。&/li&&/ul&。。。&br&&br&以上只是我根据猜想举的几个例子。当然在不久的将来，科技发展迅猛超出想象，以上这些被AI替代也不是没有可能吧。&br&&br&想起一个审计前辈跟我们讲过去的故事：想当年电子化还没有普及的时候，每个组都有成堆如山的文档。那时候底稿主要靠手写，大家上班背着各种文具。那时候只有拨号上网，全组只能一台电脑上网，专供合伙人用，其他人只能等着，轮流上个半小时，一天查一次邮件。今非昔比，现在的效率比以前高不知道多少倍了。只是，大家还是一样忙，也没少人啊反而多了。以前很多做不到的事情现在可以做了；从简单枯燥的工作中解放出来，大家都忙着思考做更多高深复杂的事情了。&br&&br&所以我的结论是，不必太过担心这个行业的消失，但如果你的职责和能力仅限于一些机械重复的简单任务的话，应该考虑一下如何提升自身的能力了。
对人工智能不太了解，只能就自己的审计经验随便说一点，抛砖引玉吧。 十年前我还是个小实习生的时候，在项目上一个多礼拜，就干了一个活儿，叫发银行询证函。几百个银行账户，要一个一个手动填到word模板里去，金额、账号、地址，都不能错，给senior看过几…
&p&勤勤的回答：财务金融工作者会大批失业，含求职、婚配建议，勤勤是认真的 （知乎已经有很多专业的回答，堆砌了很多专业术语，不接地气，勤勤就想用人话来回答，后还有补充回答）&/p&
&blockquote&AI是什么？如果你连这个都不清楚，一定要面壁思过三天再来读这篇文章。&/blockquote&
&p&最近参加一个关于AI的讲座，其中有一张幻灯片排列了未来20年内最有可能被AI代替的职业，勤勤忘记排在第一位的职业是什么了？因为那个跟自己毫无相关。眼珠往下移动，突然眼皮一跳，排在第二位的居然是Accountant会计！心里扑通一下，怎么会这样？难道未来我要失业了？&/p&
&p&于是乎我在网上随便一搜，收到一条关于四大会计事务所之一德勤宣布与Kira System合作，将人工智能引入会计、税务和审计等工作之中。财务处理可以由机器自动化处理非结构化的票据、合同和账簿。真是怕什么来什么，这条新闻就直接打脸。勤勤已经在盘算自己失业排长龙领救济金的场景了。&/p&
&p&仔细想想，这绝不是危言耸听。在美国念书的日子，勤勤深深领略到了三点：&/p&
&p&&b&1、 &/b&&b&技术至上，资本让位。&/b&纵观人类历史变迁，奴隶社会中的奴隶主依靠的是手中的奴隶创造财富；封建社会中的地主依靠手中的土地创造财富；人类步入当代资本主义，资本家依仗资本聚集社会财富；现如今人工智能如火如荼，正逐步蚕食资本家对人类的掌控。君不知，美帝引领世界的动力实质是技术创新。&/p&
&p&&b&2、 &/b&&b&理工男引领世界。&/b&很久以前，包括勤勤在内的理工男都有一个错觉，以为华尔街领跑世界。看看川普上台后首选约见哪一帮子人吧：硅谷的大佬还是华尔街的银行家？候任总统战略眼光不比我们凡人视野低吧，所以你们也不要轻易反驳。可以说，资本主义会迅速的演变成智本主义。&/p&
&p&&b&3、 &/b&&b&技术创新改变未来企业领袖。&/b&再来纵观人类历史，亨利福特用流水线作业颠覆了传统作坊式管理模式，引发了一场管理革命，延续上百年。由于人工智能的出现，当代及未来的流水线机械化作业迟早会被AI取代，人类大部分会去从事创造性极高的工作。作为新一代管理者，如何去和创造者们打交道？是去建立一套规章制度？整天发号施令？不允许有失误？惩罚失败？还是营造一个学习型团队？鼓励试验、奖励失败？这是不是又一场管理革命？
去年勤勤在商学院选了三门选修课，都是和数据技术息息相关，有两门还硬当当需要码代码，量化分析企业财务表现。其中勤勤听到最震撼人心的一句话是：“&b&Software
is eating the world!&/b&”（软件正在蚕食整个世界）想想看除了人没有被软件控制，世界上还有什么东西没有软件的存在？不过当你躺在病床上，也许正被某个软件所掌控着呢？（例如床头呼叫护士妹妹的一个小小的智能呼叫系统）&br&&/p&
&p&以研发制造机器人为骄傲的软银孙正义正是看准了人工智能这一趋势，在川普鼓吹美国重返制造大国这个历史性机遇下狠狠的为美国未来制造业豪赌了一把。其实这背后的逻辑是，美国不会再回到战后那样以人力为中心的制造业了，要知道美国人的时间是很“宝贵”的，为了减少企业的人工成本，让美国制造在国际市场上有竞争优势，必定会采用大量的智能化机器来取代简单重复的劳工。孙正义赌的就是这个，他的观点是在未来10年机器人代替人类。&/p&&img src=&/v2-907c92b10d32bd94e025863_b.jpg& data-rawwidth=&500& data-rawheight=&283& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-907c92b10d32bd94e025863_r.jpg&&&p&勤勤还听到一句话：&b&银行越来越像科技公司，科技公司越来越像银行。&/b&高盛赤裸裸的“软禁”一帮科学家几个月，就是为了研究一个投资组合的风险模型！模型都出来了，还要咱们投资分析砖家、风控砖家干嘛？都统统搬砖去，这些“粗笨活”交给机器去配置资产得了。&/p&
&p&这世界太可怕了，掌握顶尖技术的黑客们居然可以引导世界的政治格局？姑且不论俄罗斯黑客入侵美国民主党成员的电子邮件系统，左右选举结果的真实性。想想我们以前对黑客的映像：蹩脚一点菜鸟的篡改一下网站首页，搞个恶作剧或者宣誓下主权；厉害一点公鸡的盗取QQ密码，发点消息尾巴广告；超级大牛们入侵银行系统盗窃资金已经到顶了。但现在我们看到的是，黑客可以改变整个世界格局，靠的是什么，键盘上动动手指，剩下的电脑你自己去干。呜呼哀哉，整个世界格局都能被技术给改变，区区会计还在话下？&/p&
&p&最近的新闻，阿尔法狗AlphaGo在17年一开年就深深的咬了人类一口，还很疼！&/p&
&p&如果这一天真的来临，我们是坐以待毙，还是趁早做打算？选择了财会这一行，我们不后悔。既来之着安之。俗话说光说不练假把式，勤勤给财会从业者们成家立业一站式解决方案如下：&/p&
&p&&b&「会计男们，要不要现在学点编程啥的？会计女们，要不要考虑嫁给可靠的程序猿们？」&/b&&/p&
&p&好了，那学什么？最值得推荐的就是SQL语言。SQL是Structured
Query Language 结构化查询语言的缩写。为什么要推荐这个？虽然勤勤读书的时候写了好几年的SQL，但不想在技术方面来劝导各位，看看美国各大公司对财务分析师的招聘任职描述吧（中国的公司感觉也快了），其中必有一条是“会SQL优先考虑”。这背后的逻辑很容易想通：现如今各大企业都被海量数据包围，作为分析师的你就得会分析这些数据，SQL就是一个强大的工具。那我说，我会Excel就行了么，我就擅长做“表姐表哥”！差矣，表姐表哥未来轮不到你人类来干了！&/p&
&p&那么找什么样的程序猿靠谱呢？当然优先考虑具有数学统计等理科背景的数据科学家，偏应用方向的建议考虑机器学习。把他们拿下，下半辈子的幸福基本不用再考虑考个CPA、CFA啥的了。&/p&&p&从组建家庭的角度来说，这也是一个很好的&b&对冲策略&/b&，俗话说的东方不亮西方亮。组建家庭最原始的功能就是抵御自然风险，两口子从事不同的行业，不至于在一条船上翻吧。&/p&
&p&也许你们看了之后会嗤之以鼻，以为勤勤在这里卖弄文字，以显风骚。但勤勤想要强调的是，我们作为财会专业人士，不能仅停留在账簿先生，表姐表哥的视野上了。埋头拉车还要抬头看路。好好思考一下有什么是机器在未来无法取代我们的。例如通过自由现金流的分析企业的估值水平；依靠营运资本、资本性支出来洞察企业的发展战略等等（可以参考勤勤知乎里的系列文章），这些暂时AI无法取代人类，至少在勤勤有生之年吧。&/p&
&p&人人都说努力很重要，但勤勤认为最重要的是方向，是视野，是高度！这世界上不缺聪明的人，也不缺勤奋的人，甚至不缺可以拼脸但偏要拼智商而且勤奋的人！我们如何保住自己的饭碗？古人其实早告诉咱们了，小学咱们都学过成语“南辕北辙”吧：&b&一个成功的人，首先得有一定高度的视野，其次看对方向，最后就靠自己勤奋了吧？&/b&&/p&
&p&勤勤在万米高空，气流颠簸之下完成了这篇回答。如老板们觉得写得还不错，可以试点赞，鼓励下勤勤。并关注勤勤的公众号：&b&「 &/b&&b&勤勤的财经教室 &/b&&b&」&/b&&/p&&p&&i&-------------我是勤勤高薪聘请的分割线----------------&/i&&/p&&p&美东时间1月15日8AM补充&/p&&p&看了其他知友的回答，有不同的观点，感觉很不错，道理都是需要辩论才有意思。很多知友承认AI会改变整个财会行业，当会经历很长的时间，意思就是说现在谈为时过早，我们不要杞人忧天，每天该干嘛还是干嘛。突然勤勤想起恩格斯的那句名言：资本主义在工业革命短短几十年里走过了前面人类上百年的路程。其中一层含义是说，革命性的东西，比懒惰和恐惧塑造的人类来的要快，要猛，一不小心命就被革掉了。&/p&&p&为什么这次人工智能来得那么猛呢？我们还是要回顾下技术发展这短短几十年的历史。如今的技术水平可以支撑现在的人工智能技术了。&/p&&p&&b&1、计算水平大幅度提升，摩尔定律现在还没有失效。&/b&勤勤最早接触计算机是在上个世纪90年代末，那时候的CPU芯片是8088，计算能力真让人捉急。现如今，让我们的农民工兄弟口袋里掏出一部智能手机，计算性能都远远超过8088。人工智能技术需要强大的计算能力，虽然上个世纪屡次提到人工智能，但硬件计算不到位。&/p&&p&&b&2、信息革命过度到数字时代，人工智能才能落地。&/b&如果熟悉人工智能的其中一个领域机器学习，我们就会明白机器是怎么来学习的。基于神经网络的深度学习系统是需要大量历史数据进行不断的训练机器，就跟学生要学好数学，需要不断的练习解数学题一样。倒推到上个世纪，互联网没有，人们还生活在非数字时代，哪来的数据训练机器。现如今，移动互联网下，我们的任何行为都可以数字化。网上购个物数据化后，机器就知道下次怎么做定制推荐。&/p&&p&&b&3、存储技术的扩容和成本的降低。&/b&前面谈到了我们进入了数字时代，意味着人类每天生产的数据是海量的，机器需要基于这些数据不断的来学习、进化。以前勤勤用过5英寸的软盘，连现在的一张照片都没法装下，谈何存储海量的数据来发展人工智能？以前写个程序，还要考虑内存的大小。现如今，云计算下的存储技术，让我们跳过了这些基础性难题，直接面对人类要攻克的最前沿。&/p&&p&人工智能这个概念提出得很早，也许勤勤没诞生的时候都有了。但是，那时候从技术上根本不具备重大突破的条件，人类仅仅停留在满腔的豪情之中。而现在，豪情未减，万事具备，只欠东风，那就是我们可敬的科学家们了！&/p&&p&很多时候，我们拒绝新事物的到来，是因为内心的恐惧和不愿意失去既得的利益，而造就了 take it for granted 的伪经验主义。&/p&
勤勤的回答：财务金融工作者会大批失业，含求职、婚配建议，勤勤是认真的 （知乎已经有很多专业的回答，堆砌了很多专业术语，不接地气，勤勤就想用人话来回答，后还有补充回答）
AI是什么？如果你连这个都不清楚，一定要面壁思过三天再来读这篇文章。
已有帐号？
无法登录？
社交帐号登录
AI从业者/毒鸡汤学PhD/咨询师}