人工智能在价值评估领域的运用空间研究——基于执行评估程序的视角

■ 许泽想 孙知子 梅丽霞

一、引言

2018年7月发布的《中国人工智能发展报告2018》中指出，在目前的科技产出方面，我国各项指数都名列前茅：人工智能论文总量和被引用论文数量世界第一，专利数量领先美国和日本，国家电网近五年的人工智能相关技术发展迅速，在全球企业排名第四，人工智能人才总量世界第二；在产业发展和市场应用方面，截至 2018年6月，我国人工智能企业达1 011 家，居全球第二，人工智能领域投融资规模世界最大，占全球60%，人工智能市场增长迅速，2017年其市场规模达237 亿元，同比增长67%，其中计算机视觉市场规模最大，占比为34.9%。

随着人工智能时代的到来，无论个人、企业还是国家都将面临新的巨大机遇和复杂挑战。作为现代第三方高端服务业和经济社会发展的中坚力量，资产评估行业势必须顺应时代潮流，以人工智能利器武装整备，实现更好发展。自2017年始，中联资产评估集团有限公司研发推出首家以“互联网+资产评估”为核心导向的资产评估综合服务云平台——“智慧评估云平台”，始创“摩估云”APP，其相关产品主要采用大数据、云计算方式和协同众包作业体系，推动评估流程自动化、协同化，引起评估业界、各大企业委托方及有关监管部门高度关注（中联评估，2018）。

本文通过对人工智能相关文献的检索、梳理，系统回顾了人工智能的演进历程，以期深入发掘其在行业交叉应用中的优越性与局限性，进而结合资产评估行业发展实际，阐述其在评估执业中运用的或有空间，力求为新时代下资产评估新发展贡献绵薄之力。

二、人工智能的发展概述

人工智能（Artificial Intelligence，AI）通常被认为是一种使机器具备类似人类推理、学习、与环境互动、解决问题，甚至展现创造力等认知功能的技术。国内较权威定义：“利用数组计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论”（辛效威，2018）。

（一）人工智能发展历史

上世纪50年代，科学家们首提人工智能这一概念，追溯至1805年，法国数学家Legendre 提出最小二乘法，为人工智能奠定了算法基础，结合算法领域成果显示，以及大数据支撑，将现有文献就人工智能的发展历程进行大致归纳，如图1所示。

图1 人工智能发展时间轴

（二）人工智能发展现状

21世纪以来，人工智能算法、计算条件和计算能力都有大幅度改善，使得人工智能技术进入了飞速发展期（杨淑婷，2018）。图1表明，AI 技术经历了机器学习、深度学习直至标准化体系形成的全过程。标准体系的设立对AI 及其产业发展具有基础性、支撑性、引领性作用，既是推动产业创新发展的关键抓手，也是产业竞争的制高点（中国电子技术标准化研究院，2018）。

图2 人工智能标准体系框架

但是，现阶段国内AI 领域的标准化工作基础尚不足以支撑日益增长的需求，需要通过系统梳理明确发展脉络和发展优先级，启动有关重点标准的设计，以标准化手段引领产业发展（辛效威，2018），现阶段人工智能标准化体系见图2。

图3 中国人工智能产业规模

即便上述体系有待进一步完善，人工智能受到的关注度依然持续提升，大量的社会资本和人力、数据资源的汇集驱动人工智能技术研究不断向前推进，图3展示了2014-2018年间中国人工智能产业规模变化（杨淑婷，2018）。

三、人工智能的优越性与局限性

人工智能作为科技进步的最新产物，其日新月异的发展势态，在不久的将来，必将充分发挥其独特的优越性，为人类社会生产生活提供更多便利。与此同时，技术发展的未知空间隐藏着很多不确定性，正如前文所述，AI 在行业中运用的标准体系尚存在不足，以及其自身固有的局限性，都会在产业化运用中逐渐暴露风险。因此，全面深入发掘其在行业交叉应用中的优越性与局限性，趋利避害，显得十分必要。

（一）人工智能的优越性

无人售货机、无人收发快递、无人加油站、无人汽车、无人公寓……功能各异形形色色的机器人，正在日夜不息地迭代进化，服务着我们的生产生活，这些便利无一不是基于人类对人工智能优越性的充分运用。其优越性具体表现在以下几个 方面。

1.运算机制的可行性

不同的算法通过人类的数据训练、反馈后，把握输入变量与输出变量之间的相关关系，使算法掌握数据间的规律，并对输入数据进行分类和设定，结合新的数据进行预测，反馈证明运算是可行的。例如，将“身份证号码”和“姓名”设定为输入数据，将“考试成绩”数据设定为输出数据，通过大量训练使算法掌握两者的联系，待训练完成，这一算法就能应用于新数据，具体运算机制在很多方面具有可行性。以评估执业为例分析，如表1所示。

表1 运算机制在评估业务中的可行性

2.信息迭代的高效性

在大数据的支撑下，计算机技术的进步，使得高效运算成了现实，迭代运算试错时间更短，获取正确信息效率更高。以博弈类游戏中的人工智能进行决策为例，如果博弈的规则确定，数量有限，是一个封闭的系统，人工智能在原则上能够穷尽一切算法，这意味着人工智能在原则上能够找到最佳的决策途径，人是无法战胜人工智能的，至多只能平手（张庆熊，2018）。借助高效的计算机运算功能，在“记忆”棋谱中搜索精密计算过的棋谱，快速确定行棋的正确方式。这一优越性在其他行业的交叉运用中表现相同，成为AI 技术发挥其巨大能量的关键技能之一。

3.数据整合的便捷性

数据资源的全面管理，包括为人工智能提供了基础数据分析框架的计算资源，促进人工智能自主学习的网络资源，以及不断升级人工智能认知边界的存储资源。致力于对计算资源、网络资源、存储资源等三个方面资源进行管理的云计算，最大限度上整合了多种数据资源的有效形式，弥补了缺乏资源对比数据的大数据技术在这方面的无能为力。云计算提供了资源整合的辅助性支持，为人工智能的自我迭代与演化提供辅助路径。贯穿了大数据与人工智能的技术契合度之后，便可由人工智能自主选择完善方向和资源类型（汪京坪，2018）。

除上述三大优势外，人工智能融合大数据、云计算后，数据资源处理能力愈发强大，在自主迭代演化机制的操作或实践中，明显表现出了技术空间的无界性，必然会在未来行业运用中开创出更优更广的实现路径。

（二）人工智能的局限性

随着社会经济快速发展，以工程学为代表的被动算法和海量云数据收集掣肘，使得狭义人工智能不能满足人们的需求，亟待过渡到广义人工智能阶段（陶阳明，2018），这一过程反映出人工智能固有的局限性，具体表现如下。

1.缺乏自主学习能力

目前，大多领域的人工智能尚处于机器学习阶段，即先建立学习模型，将大量数据人工输入模型，本质上依然是被动学习。而前期经历被动学习阶段后的主动学习，是可以根据需求在相应环境里自主选择相关数据的。自主学习能力还表现为自主编程能力，具备自主编程能力的人工智能往往能更好地适应环境变化，是否具备自主编程能力是狭义人工智能和广义人工智能的根本分水岭（陶阳明，2018）。现阶段人工智能大多仅是预设参数的自动调整，并非是代码或程序指令根据环境差异的自动调整。再以博弈类游戏为例，让两台计算机在对弈中进行深度学习，要比计算机学习人类棋谱的方式更加好，因为前者是在相同的设计程序下的学习，有助于按照程序进行较为周全的比对和在试错中进行系统地学习。据了解，Alpha Go 是靠学习人类棋谱行棋的，而Alpha Zero 是通过对弈过程中自身产生的数以千万计的棋谱进行训练，极大地提高了其行棋方向的正确性。目前，人工智能要实现这样的博弈环境比较困难，根据需求在相应环境中摄取数据进行学习和决策难以广泛实现。

2.明显的非生物特性

人工智能的载体是计算机，也就是典型的机器，机器只会按照预设的程序执行可预见的动作，完成期望的任务，并无生命特征，不会有感受知觉，更无价值导向，所处理的大多是工具理性范围的事情，虽然其可能存在一定程度上模仿人类的感性行为能力，但都带有人类感性的印记。因而，人工智能只是辅助地参与了人的生活实践，犹如过去人使用的镰刀、斧头和算盘参与人的生活实践一样（张庆熊，2018）。因此，AI 明显的非生物特性决定了其在行业交叉应用中所处理的事务性质具有不完全性，这也构成了其在产业运用上的瓶颈。

3.对大数据过分依赖

离开了大数据，AI 技术的有效运用将无从谈起。如前所述，人工智能是在自主学习机制中不断演化智能思维，不断接近人类思考模式，才能满足人们诸多功能的需求。数据平台提供数据、机器学习输入数据、自主学习生成数据，都将构成人工智能识别与决策过程中进行比对和选择的重要基础。

目前，大数据主要有三种类型，即结构化数据、是非结构化数据、半结构化数据，三种数据结构类型的表现形式均需要人工智能来识别，并进行系统分析，方能达到从数据识别到智能甄选的转化（汪京坪，2018）。数据库的丰富程度，直接决定了AI技术在产业中运用的深度、广度、信度及效度。

四、人工智能在评估执业中的运用空间

随着“互联网+”、大数据、云计算的兴起和发展，人工智能在各行各业都崭露头角。特别是，2016年3月，全球四大会计师事务所之一的德勤会计师事务所宣布与Kira Systems 合作，将人工智能引入会计行业，之后又相继有其他会计师事务所和会计相关行业表示引入人工智能，至此，人工智能正式进入会计、审计行业，引起会计行业及相关从业人员的高度关注（邢啊凤，2017 ）。2017年，中联资产评估集团有限公司研发推出首家以“互联网+资产评估”为核心导向的资产评估综合服务云平台——“智慧评估云平台”，始创“摩估云”APP，其相关产品主要采用大数据、云计算方式和协同众包作业体系，推动评估流程自动化、协同化，引起评估业界、各大企业委托方及有关监管部门高度关注（中联评估，2018）。

截至目前，鲜见评估行业应用人工智能的案例，以“人工智能在评估执业中的运用”为关键词进行文献检索发现，理论界研究成果寥寥无几。因此，本文在上述理论背景的基础上，基于执行评估基本程序视角，尝试探讨人工智能在评估执业中的运用空间——建设资产评估全业务流程支撑平台，迭代开发，不断完善产品体系（中联评估，2018）。

（一）明确评估业务基本事项

明确评估业务基本事项是资产评估程序的第一个环节，始于评估业务承接之前（汪海粟，2016）。传统的执业方式是由资产评估师和资产评估机构通过与相关当事方沟通讨论、查阅相关资料、初步调查等途径明确评估业务的基本事项。

引入人工智能后，打造具有大数据支撑的资产评估APP（简称“APP”），实现在线人机互动。如委托方身份注册APP 账号形成项目编号并登录，将委托方、产权持有者和委托方以外的其他评估报告使用者的身份信息、评估目的、评估对象、评估范围以及相关基本信息和需求输入系统。系统运行预设程序，以分项的形式自动反馈价值类型、评估报告使用限制、评估基准日、评估报告提交时间及方式、评估服务费总额、支付时间和方式以及委托方的工作配合和协助等其他需要明确的重要事项，由委托方选择同意或不同意，不同意的分项自动进入修改或补充信息界面，如对评估服务费总额有异议，系统则自动提示收费标准，引导委托方修改相关信息，直至所有分项全部同意，系统自动展示所明确的全部基本事项，并运行大数据就项目风险情况、专业胜任能力、独立性充分与否进行检测，提示是否进入下一步。

（二）签订业务约定书

评估业务约定书是评估机构与委托人共同签订的，传统的执业方式一般由资产评估师代表评估机构同委托方签订，用来确定委托与受托关系，明确评估目的、评估范围、双方义务责任等重要事项的合同（汪海粟，2016）。

确定进入下一步后，系统自动生成业务约定书，此界面显示中国资产评估协会颁布的《资产评估准则——业务约定书》（中评协[2011]230 号）的基本内容：（1）评估机构和委托方的名称、住所；（2）评估目的；（3）评估对象和评估范围；（4）评估基准日；（5）评估报告使用者；（6）评估报告提交期限和方式；（7）评估服务费总额、支付时间和方式；（8）评估机构和委托方的其他权利和义务；（9）违约责任和争议解决；（10）签约时间。已录入的信息不需要重复录入，部分信息如（9）、（10）系统会自动生成，未尽事宜需要委托方补充后提交系统检测，待所有信息检测确定后提示委托方签字或按压指纹，系统自动生成评估机构的电子签章，并提示“签约成功”。业务约定书签订后，履行评估程序受到限制需要增加、调整约定事项的，可以对业务约定书相关条款进行变更或补充，直到正常履行评估程序。

（三）编制评估计划

人工智能环境下，业务约定书签订后，无须编制评估计划，直接进入下一步。

（四）现场调查

现场调查是评估工作中相当重要的环节之一（汪海粟，2016），不同外部环境下，现场调查的执行情况大相径庭。本文提如下两点设想。

其一，初级（局部）应用阶段，社会信用体系尚未健全、大数据云端不发达的情况下，仍然需要人工介入，在这一阶段，评估人员由勘查员取代，事先与委托方做好沟通配合的工作，履行传统评估人员现场调查职能，仅在手段方面有所改善，如勘查员身份（一般为工号）登录APP 并找到相应的项目编号，进入现场调查界面，根据系统提示，现场录入包括不动产、机械设备等实物资产以及无形资产、股权等非实物资产的相关数据信息。

其二，高级（全面）应用阶段，社会信用体系基本健全、大数据云端较发达的情况下，无须评估人员或机构专门的勘查员介入，委托方身份登录APP进入现场调查界面，根据系统提示，现场展示包括不动产、机械设备等实物资产以及无形资产、股权等非实物资产的相关数据信息，类似于滴滴打车司机端人脸识别。之后，相关信息会通过大数据云端检测，检测通过即完成现场调查。

对于现场调查存在困难无法进行现场勘查的，可以考虑通过两方面内容来判断是否继续执行或终止评估业务：一是所受限制是否对评估结论或评估目的所对应经济行为构成重大影响；二是能否采取必要措施弥补不能实施调查程序的缺失（汪海粟，2016）。

（五）收集评估资料

大数据、云计算支撑下的人工智能评估资料，包括企业基本状况、行业发展状况、评估对象状况、查询记录、询价结果、检查记录、行业资讯、分析资料、鉴定报告、专业报告及政府文件等都极易获得。现场调查完成后，基于预设程序，系统会提示委托方获取并链接上述评估资料，自动整理甄别保留与评定估算直接相关的资料。

（六）评定估算

完成了有效信息资料的收集后，进入评定估算界面，以系统整合的资料为基础，对评估资料进行分析，定性的定量化，定量的参数化，一般会自动选择两种以上的评估方法或模型进行初步估算，结合定性评价综合分析，最终形成合理评估结论。

（七）编制和提交评估报告

在执行评定估算程序后，系统根据法律、法规和资产评估准则的要求在线生成预评估报告，系统设置相关功能适当引导委托方等相关当事方，便于其理解评估报告的内容。委托方可根据生成的预评估报告决定是否直接生成正式评估报告，如对预评报告有异议，可通过返回上一步操作，对已录入的数据信息或已链接的评估资料进行修改或补充，在遵循法律法规、准则和评估规律的前提下，生成最终正式的资产评估报告。一旦确定生成，系统自动加盖评估机构电子签章，且不得修改或再评。

（八）工作底稿归档

人工智能环境下，工作底稿的整理同步于上述程序，正式评估报告生成后，后台数据库根据中国资产评估协会颁布的《资产评估准则——工作底稿》（中评协[2007]189 号）按照管理类底稿和操作类底稿自行完成归档。最后，按照国家有关规定，对资产评估工作档案进行保存、使用和销毁。

五、结论与展望

人工智能在行业交叉应用中的优越性与局限性决定了其运用空间，通过对其发展历程的回顾，本文最大的启示在于，未来的人工智能发展，必然是以时间和空间为横纵坐标，勾画出一道陡缓有序、趋势向上的线条。而聚焦资产评估行业，现阶段AI技术的运用还十分有限，未来运用前景无可限量。本文基于对人工智能的认识，尝试预测其在执行评估程序过程中的运用空间，不难发现，可能存在以下几个方面的问题。

其一，人工智能系统或资产评估APP 研发成功后，评估机构的主体地位是否会被撼动？传统的评估机构逐步与信息技术企业合作融合，在某个节点专业水平被信息整合技术取代，比如委托方付费使用信息技术企业开发的智能系统，直接与相关信息技术企业签订业务约定书，注重专业水平的评估机构不复存在。

其二，全面运用人工智能系统或资产评估APP后，评估人员是否会被智能系统取代？接上一问，信息技术企业取代评估机构后，预设的程序语言在计算机技术的驱动下整合数据资源完成评估程序，一定程度上能有效降低执业风险，特别是传统评估师的主观性（道德）风险，提高执业效率，特别是与传统评估师专业素养相关的执业效率，但限于其固有的非生物特性，在评估活动特别是涉及业务沟通方面过分依赖大数据，甚至对保障评估结论合理性无能为力。

其三，大数据、云计算的深入发展，信息资料获得的机会成本更低，关乎信息安全的防火墙该如何设置以适应新的环境？对于评估执业而言，信息安全至关重要，大数据之下，各种信息充斥泛滥，信息不可靠、不充分、不恰当都会威胁信息安全。只有在完善的法律法规保障下、在有效的习俗道德约束下，建立健全社会信用体系，形成社会全员高度统一的社会意识，才能保证大数据信息的相对安全。在形成庞大可靠的数据库之前，评估执业活动离不开评估机构及专业的评估人员，人工智能只能在有限的范围解放人类的身体和大脑。

基于上述研究结论，为进一步推进大数据、云计算下人工智能在资产评估行业中的运用，提三点期待。

其一，建立评估项目联动共享的行业大数据系统。

其二，完善法律法规，形成健全的社会信用体系。

其三，加强知识产权保护，建立信息交易大平台。

限于研究水平和学术视野，本文所述观点难免存在待商榷的地方，不足之处请专家批评斧正，后续进一步研究。